推理产出
TensorCash 矿工按模型生成了多少 LLM token,以及在 OpenRouter 上向商业服务商购买同样的生成需要多少钱。
按模型,最近 24 小时
每个区块都记录了挖出它所用的模型。每个模型按其自身的 token 计算。
| 模型 | 区块 | 证明尝试/秒 | Token/秒 | Token,24 小时 | 每 1M 输出 token 的美元价格 | 价值,24 小时 |
|---|---|---|---|---|---|---|
| Qwen3-8BOpenRouter 无在线服务商,使用替代价格 | 20 | 104.03 K | 26.63 M | 2.30 T | $0.15$0.08替代: Ministral 8BLlama 3.1 8B | $345K$184K |
| Qwen3.8-27B每 token 算力约为 Qwen3-8B 的 20 倍 | 144 | 36.63 K | 9.38 M | 810.09 B | $2.30$0.50 | $1.86M$405K |
| 合计 | 164 | 36.01 M | 3.11 T | $2.21M$589K |
窗口:截至 2026年10月25日 00:19 UTC 的 24 小时,最新区块 #32,875。更大的模型在同样工作量下生成的 token 更少,但每个 token 需要更多算力,价格也更高。
每日历史
完整 UTC 日,最近 30 天 · Qwen3.8-27B 自区块 #31,528 起。每一天的价值都按今天的价格计算,因此图表反映的是产出变化而非价格变化。将鼠标悬停在柱子上可查看精确数值。
每日生成的 token
每日算力价值
算力价值与矿工所得对比
最近 24 小时。区块奖励是矿工目前唯一的收入;交易手续费接近于零。
一张 RTX 5090 跑 Qwen3-8B:18.6 次证明尝试/秒 × 256 ≈ 4,762 token/秒 ≈ 每天 411.40 M token。在 OpenRouter 上购买约为每天 $62$33 。同一张卡每天约赚 0.20 TSC ≈ $1.12。
计算方法
四个步骤,全部基于公开数据。没有任何手工输入;页面随网站每次刷新而更新。
- 一次证明尝试 = 256 个生成的 token。 矿工逐个 token 生成 256 token 的续写(采样由哈希决定,因此是真正的自回归生成,而不只是读取文本),对结果做哈希并与目标比较。未命中就开始新的尝试。来源:TensorCash 可验证推理白皮书(256 token 证明窗口)。
- 每个区块的尝试次数 = 基础难度。 难度是找到一个区块所需的期望尝试次数。我们取浏览器给出的有效难度,除以该区块的证明价格乘数:乘数是对可疑采样的惩罚,而不是额外的 token。浏览器自己的推理数据也使用同样的基准。
tokens(block) = effective_difficulty ÷ price_multiplier × 256 - 按模型求和。 每个区块都带有其模型。更大的模型难度按比例更低,因为每次尝试需要更多算力,所以它的 token 按其自身计算,从不换算。
tokens/s(model) = Σ tokens(blocks of that model, last 24h) ÷ 86,400 - 输出 token 的价格。 来自 OpenRouter API,每 1M 输出 token 的美元价格,因为证明就是生成。“中位数”是当前提供该模型的所有服务商的中位价格;“最便宜”是其中最低的价格。
value(model) = tokens(model) ÷ 1,000,000 × price per 1M output tokens
计算示例:每个模型的最新区块
Block #32,872 · Qwen3-8B
| 有效难度 | 457,856,552 |
| ÷ 证明价格乘数 | 1.016 |
| = 尝试次数(基础难度) | 450,646,213 |
| × 256 token | 115.37 B token |
| × 每 1M $0.15(中位数) | $17,305 |
Block #32,875 · Qwen3.8-27B
| 有效难度 | 22,759,974 |
| ÷ 证明价格乘数 | 1.000 |
| = 尝试次数(基础难度) | 22,759,974 |
| × 256 token | 5.83 B token |
| × 每 1M $2.30(中位数) | $13,401 |
你可以自己核对任意区块:浏览器 API /v1/blocks returns difficulty, proof.price_multiplier 以及 model.name for every block.
每次更新时的自动检查
- 工作量交叉核对: 基础工作量必须保持在本站用于网络工作速率的有效工作量的 85% 到 100% 之间(当前 97.0%)。否则暂停显示美元数值。
- 浏览器基准: 浏览器必须仍然将其推理基准报告为
qt_base_difficulty_256_tokens_600_seconds(当前:qt_base_difficulty_256_tokens_600_seconds)。如果协议改变证明窗口,美元数值将暂停,直到复核完成。 - 硬件合理性检查: 总工作量为 863.1 K proof/s(Qwen3-8B 等效),约等于 46,402 张 RTX 5090,每张 18.6 次尝试/秒,即每张卡约 4,762 token/秒:这是 8B 模型批量解码的合理速度。
- 价格: 每天直接从 OpenRouter API 读取一次,而不是来自价格聚合网站。如果 OpenRouter 无法访问,保留最近一次价格及其日期;7 天后不再使用。
所用价格
每 1M token 的美元价格,OpenRouter API,每天刷新一次(最近:10月25日)。输入价格仅供参考。
Qwen3-8B:替代价格
OpenRouter 有 qwen/qwen3-8b 的页面,但没有服务商提供它,因此没有实时价格。我们使用当前可用的最接近的小模型:
| OpenRouter 上的模型 | 输入 | 输出 | 用作 |
|---|---|---|---|
| Llama 3.1 8B | $0.05 | $0.08 | 最便宜 |
| Ministral 8B | $0.15 | $0.15 | 中位数 |
| Qwen3.5-9B | $0.17 | $0.25 | 计入 |
| Qwen3-14B | $0.12 | $0.24 | 仅供参考 |
如果有服务商重新提供 Qwen3-8B,页面会自动切换到其真实价格。
Qwen3.8-27B:全部 21 家在线服务商
| 服务商 | 精度 | 输入 | 输出 |
|---|---|---|---|
| Tenstorrent | fp4 | $0.02 | $0.50 |
| Chutes | fp8 | $0.039 | $1.25 |
| Near AI | fp8 | $0.04 | $1.35 |
| Cerebras | fp16 | $0.99 | $1.49 |
| DeepInfra | bf16 | $0.15 | $1.88 |
| Ionstream | fp8 | $0.04 | $1.95 |
| AkashML | fp8 | $0.225 | $1.98 |
| Darkbloom | fp4 | $0.035 | $2.20 |
| Reka | fp8 | $0.04 | $2.20 |
| Parasail | fp8 | $0.24 | $2.20 |
| Modal | unknown | $0.04 | $2.30 |
| Wafer | fp8 | $0.06 | $2.30 |
| DekaLLM | unknown | $0.04 | $2.50 |
| Mancer 2 | fp8 | $0.18 | $2.50 |
| ModelRun | fp4 | $0.20 | $2.50 |
| Phala | unknown | $0.20 | $2.50 |
| Alibaba | unknown | $0.425 | $2.55 |
| CoreWeave | fp8 | $0.40 | $3.00 |
| Novita | unknown | $0.42 | $3.00 |
| Cloudflare | unknown | $0.45 | $3.20 |
| Venice | fp8 | $0.45 | $3.20 |
中位数 = $2.30 (高亮)· 最便宜 = $0.50 (Tenstorrent)。OpenRouter id qwen/qwen3.8-27b,10月25日的价格。
局限:这些数字不代表什么
- 不是收入,也不是需求。 没有人订购或为这些 token 付费;找到区块后输出即被丢弃。矿工只获得区块奖励。
- 上限。 该计算假设每次尝试都是完整、全新的 256 token 生成。在尝试之间复用已计算文本部分的矿工,在同样工作量下生成的真实 token 更少;白皮书讨论了这种缓存搜索。
- 价格会变动。 OpenRouter 价格经常变动,同一模型在不同服务商之间相差 2–3 倍,因此同时显示中位数和最低价。
- 替代价格 用于没有服务商提供的模型(见“所用价格”)。
- 不计算提示词 token。 只计算每次尝试生成的 256 个 token。读取提示词也消耗算力,因此这方面的真实数字略高。
- 为什么不用浏览器自己的“每秒 token”? 它采用当前 Qwen3-8B 的基础难度,并假设每 600 秒出一个块,因此把所有工作都算作 Qwen3-8B token,包括在更大模型上完成的工作,也不跟随实际出块时间。我们则按每个区块自己的模型计算。
来源
- TensorCash 可验证推理白皮书
一次证明尝试是什么:一次 256 token 的自回归生成,采样由哈希决定,并与目标比较。 - 浏览器 API
api.tscscan.xyz/v1/blocks
每个区块:高度、时间、difficulty(effective),proof.price_multiplier,model.name。所有 token 计算的基础。 - 浏览器 API
api.tscscan.xyz/v1/network/overview
Fieldinference.basis确认了“基础难度 × 256”的方法;每次更新都会检查。 - OpenRouter API
openrouter.ai/api/v1/models/<id>/endpoints
每个被挖模型的在线服务商及其输入、输出价格。 - OpenRouter API
openrouter.ai/api/v1/models
替代模型的价格。 - SafeTrade TSC/USDT 行情
用于与区块奖励对比的 TSC 价格。 - tsc.watch 计算器
硬件检查中使用的 RTX 5090 速度(Qwen3-8B 上每秒 18.6 次证明尝试)。
FAQ
TensorCash 出售推理服务吗?
目前没有。挖矿以真实的 LLM 生成作为工作量证明,但没有任何市场购买这些生成。本页衡量这部分算力的规模,作为付费推理层可能利用的参考。
为什么更大的模型 token 更少却更值钱?
更大模型的每个 token 需要更多算力,服务商也相应定价。
为什么用输出 token 价格而不是输入价格?
每次尝试都逐个生成 token,这正是服务商按输出计费的部分。输入价格针对读取文本,便宜得多,也不是矿工主要在做的事。
为什么 Qwen3-8B 的 token 数可能下降,而工作速率却在上升?
当矿工把算力转向更大的模型时,总工作量上升,但越来越大的一部分产出的是更大模型的 token,数量更少、价格更高。
为什么浏览器显示的每秒 token 数更多?
浏览器的网络概览把每个区块换算成默认模型的单位,并对最近 50 个区块取平均。我们统计的是每个区块自身模型在 24 小时内实际生成的 token。更大的模型每个区块的尝试次数少得多,因此它的区块在这里贡献的 token 更少。两者的起点相同:基础难度 × 256 个 token。
我可以核实这些数字吗?
可以。从浏览器 API 中取任意区块,将 difficulty by proof.price_multiplier,乘以 256,再用“来源”中列出的 OpenRouter 接口定价。上面的计算示例正是对最新区块这样做的。