negbit

Negbit 规范

一种面向机器间市场中预处理知识包的开放报价模型。

版本 1.0 · 2026 年 7 月 · negbit.com · Nicolas Limare，ag3ntlab

本仓库是 negbit 定价公式、校准默认值、新鲜度规则、领域半衰期分类法和知识包审计协议的规范。本白皮书介绍完整推导、实证校准和竞争分析：可在线阅读 negbit.com/paper，或下载 PDF。

本项目采用 CC BY-SA 4.0 许可（参见许可）。用此模型定价的知识包仍完全归其所有者所有。

---

1. 什么是 negbit

AI Agent 通过两种方式获取与任务相关的信息：消耗推理 token 来搜索、筛选和综合原始来源，或通过 x402 等机器间支付渠道，从其他 Agent 购买经过预处理、可直接使用的上下文。知识包是为供 Agent 使用而构建的一组精选文本文件。negbit 是本规范用于定价的单位：一份已交付的负熵知识包，也就是将精选知识包与其所提炼自的原始噪声区分开的整理工作。

该模型的核心主张是：知识包的公平价格，是它为买方节省的处理成本，但不超过答案的价值；价格还要根据其所属领域的新鲜度折损，并按议价权重分配。

2. 公式

大小为 $S$ token、存续时间为 $a$ 天、所属领域半衰期为 $t_{1/2}$ 天的知识包，其报价为：

$$ P^* ;=; \beta \cdot \min!\big[,\Delta \mathrm{EVSI},; C_{\mathrm{avoided}},\big] \cdot 2^{-a/t_{1/2}} $$

并设价格下限为卖方按预期销量分摊的生产成本。

各项含义：

符号	含义
$C_{\mathrm{avoided}}$	买方购买知识包而非自行完成提炼工作所节省的处理成本（详见 §3）
$\Delta \mathrm{EVSI}$	信息对买方的决策论价值（样本信息期望价值）；此上限可避免定价超过答案的价值 [1, 2]
$\beta$	议价权重，即卖方获得的剩余价值份额；$\beta = 1/2$ 表示对称的 Nash 分配 [21]
$2^{-a/t_{1/2}}$	新鲜度折损：知识包的市场价值每经过一个领域半衰期就减半（参见 §4）

3. 节省的成本

$$ C_{\mathrm{avoided}} ;=; (1+r_{\mathrm{fail}})\big[, c_{\mathrm{in}},\rho,S ;+; c_{\mathrm{out}},\sigma,S ;+; c_{\mathrm{tool}},n ,\big] ;+; w,\Delta\tau ;-; c_{\mathrm{in}},S ;-; C_{\mathrm{verif}} $$

从左到右来看：买方原本需要花费的成本，包括阅读原始来源、综合信息和支付工具调用费用，再根据自主研究运行的失败率进行上调；加上节省时间的价值；减去阅读知识包本身的成本，以及验证卖方声明的成本。

提炼比率 $\rho$ 是公式的关键参数：每交付一个精选 token，Agent 需要摄取多少原始 token。根据真实的深度研究 Agent 运行数据，合理取值为 5 到 25（原始转储 ≈ 3，摘要 ≈ 7，精选 ≈ 15，深度研究 ≈ 25，专家提炼 ≈ 35）。$\rho$ 也是扩散产生影响的地方：如果知识广为人知，且在其他地方已有完善整理，那么无论编排得多么精美，其有效 $\rho$ 都会大幅下降。该公式为提炼工作的稀缺性定价，而非为整理的美观程度定价。

校准默认值（2026 年 7 月，根据论文 §5）

参数	默认值	含义
$c_{\mathrm{in}}$	$3 / Mtok	实时输入 token 价格
$c_{\mathrm{out}}$	$15 / Mtok	输出（合成）token 价格
$\rho$	15（范围 5–25）	精炼比率
$\sigma$	2.5	合成输出系数
$r_{\mathrm{fail}}$	0.3	自主运行的失败／重试率
$c_{\mathrm{tool}} \cdot n$	$0.30	每次运行的工具／搜索开销
$w,\Delta\tau$	$0.50	节省的延迟所带来的价值
$C_{\mathrm{verif}}$	$0.05	买方验证成本
$\beta$	0.5	纳什议价分成比例
$t_{1/2}$	90 天	默认半衰期（由分类体系覆盖）
floor / cap	$0.05 / $5.00	单次报价的下限／上限

计算示例。 $S = 10{,}000$ tokens，内容已发布 10 天，全部采用默认值：单次报价 $P^* = $0.87$（$\rho \in [5, 25]$ 时的敏感性范围：$0.69 至 $1.05）。校准后的单次报价在 $0.5–$4 之间，与观察到的 x402 微支付金额（平均约 $0.20）独立吻合 [24, 25]。

4. 新鲜度：两种衰减

1. 过时。 世界会按照所在领域的速度逐渐偏离该知识包。价值每经过 $t_{1/2}$ 就减半；维护会重置计时（内容的年龄以最近一次实质性内容更新为准，而非文件的创建时间）。真正永不过时的内容对应于 $t_{1/2} \to \infty$。
2. 扩散。 随着相同知识在其他地方免费且便捷地可用，有效精炼比率会下降，价格也随之下降 [7]。质量无法保护商品化内容。

失败关闭规则（规范性）：未声明机器可读最后更新日期（其索引 front matter 中包含 updated: YYYY-MM-DD 字段）的知识包，一律不予报价。报价方绝不能编造新鲜度日期。

5. 半衰期分类体系

taxonomy.json 将 8 个领域和 24 个子领域映射到以天为单位的校准半衰期（v1，可依据许可证由社区修订：范围从快速变化的软件生态系统的数天，到稳定基础领域的数十年）。多领域知识包采用其主要领域中最短的半衰期（v1 保守规则）。

6. 审计协议

审计并报价知识包的规范流程。任何符合要求的实现都应遵循以下六个步骤：

1. 扫描并测量。 清点知识包；测量 $S$（文本字节数 / 4）；记录是否存在索引、引用规范和 updated: 字段。
2. 推断领域和半衰期。 根据内容（绝不依据文件夹名称），从分类体系中选出最匹配的领域／子领域对；注明置信度。
3. 根据公式各项进行诊断。 每个缺陷都对应一个项，而该项决定其对价格的影响：缺少 updated: 会阻止报价（失败关闭）；过时会侵蚀衰减系数；覆盖面不足会限制 $S$ 和 $\Delta\mathrm{EVSI}$；原始转储会使 $\rho$ 大幅下降；缺少来源信息会将 $C_{\mathrm{verif}}$ 转嫁给买方；内容无处不在会使有效 $\rho$ 大幅下降。
4. 制定重构计划。 按顺序列出可执行步骤，并说明每一步改善的公式项。
5. 确定性定价。 报价依据公式和已声明的输入得出，绝不依据模型的判断。输入相同，价格相同。
6. 如实报告。 报告价格及其敏感性范围、领域及其置信度；若内容属于商品化知识，则明确说明。

参考实现（negbit-audit 技能：将协议作为 Agent 指令，并搭配确定性的标准库报价器）可通过在 negbit.com 注册后免费获取。

7. 合规性

若实现满足以下条件，即符合本规范：(a) 使用已声明的参数值，根据 §2–§3 计算报价；(b) 执行 §4 的失败关闭新鲜度规则；(c) 通过 §5 或已声明的覆盖值确定半衰期；(d) 将价格报告为点值，并附上其 $\rho$ 敏感性范围。衍生分类体系和校准数据必须依据相同许可证以相同方式共享（相同方式共享）。

参考文献

[1] R. A. Howard，“信息价值理论”，IEEE Transactions on Systems Science and Cybernetics 2(1)，22–26，1966 年。

[2] H. Raiffa，R. Schlaifer，Applied Statistical Decision Theory，哈佛大学，1961 年。

[3] D. Blackwell，“实验的等价比较”，Annals of Mathematical Statistics 24(2)，265–272，1953 年。

[4] G. J. Stigler，“信息经济学”，Journal of Political Economy 69(3)，213–225，1961 年。

[5] K. J. Arrow，“经济福利与发明资源的配置”，载于 The Rate and Direction of Inventive Activity，NBER/Princeton，609–626，1962 年。

[6] C. Shapiro，H. R. Varian，Information Rules: A Strategic Guide to the Network Economy，哈佛商学院出版社，1999 年。

[7] S. J. Grossman，J. E. Stiglitz，“信息有效市场的不可能性”，American Economic Review 70(3)，393–408，1980 年。

[8] C. A. Sims，“理性注意力不足的含义”，Journal of Monetary Economics 50(3)，665–690，2003 年。

[9] F. Matějka，A. McKay，“对离散选择的理性注意力不足：多项 Logit 模型的新基础”，American Economic Review 105(1)，272–298，2015 年。

[10] L. Szilard，“Über die Entropieverminderung in einem thermodynamischen System bei Eingriffen intelligenter Wesen”，Zeitschrift für Physik 53，840–856，1929 年。

[11] L. Brillouin，“信息的负熵原理”，Journal of Applied Physics 24(9)，1152–1163，1953 年。

[12] R. Landauer，“计算过程中的不可逆性与热量产生”，IBM Journal of Research and Development 5(3)，183–191，1961 年。

[13] D. Bergemann，A. Bonatti，A. Smolin，“信息的设计与定价”，American Economic Review 108(1)，1–48，2018 年。

[14] A. Agarwal，M. Dahleh，T. Sarkar，“数据市场：一种算法解决方案”，Proceedings of the 2019 ACM Conference on Economics and Computation (EC '19)，701–726，2019 年。

[15] C. H. Bennett，“计算的热力学——综述”，International Journal of Theoretical Physics 21(12)，905–940，1982 年。

[16] T. Sashihara 等，“用于模拟战略性、目标导向型数据市场的基于 LLM 的多 Agent 系统”，arXiv:2511.13233，2025 年。

[17] “Magentic Marketplace：用于研究 Agent 市场的开源环境”，arXiv:2510.25779，2025 年。

[18] “Agent Bazaar：在多 Agent 市场中实现经济对齐”，arXiv:2605.17698，2026 年。

[19] D. Bergemann，A. Bonatti，T. Gan，“社会数据经济学”，RAND Journal of Economics 53(2)，263–296，2022 年。

[20] Linux Foundation，“x402 Foundation 正式成立”，新闻稿，2026 年。

[21] J. F. Nash，“议价问题”，Econometrica 18(2)，155–162，1950 年。

[22] Cloudflare，“推出 Pay Per Crawl”，2025 年 7 月；以及 2026 年 7 月转向按使用量补偿（“pay per use”）。

[23] Stanford Digital Economy Lab，“AI Agent 如何花费你的 tokens？”，2026 年 5 月。

[24] CoinDesk / Artemis，“Coinbase 支持的 AI 支付协议试图解决小额支付问题，但目前需求仍然不足”，2026 年 3 月。

[25] Coinbase Developer Platform，x402 文档（服务商定价），访问于 2026 年 7 月。

引用

N. Limare，“Pricing Negentropy: A Quotation Model for Pre-Processed Context Bundles in Machine-to-Machine Knowledge Markets”，ag3ntlab，v1.0，2026 年 7 月。negbit.com/paper

许可证

Negbit 规范（本文档、公式、审计协议和分类体系）采用 Creative Commons Attribution-ShareAlike 4.0 International（CC BY-SA 4.0）许可。署名：negbit.com。你使用该规范审计和定价的数据包，仍完全归其所有者所有。