晚安

我一直想学习套利，但相关知识始终不成体系，也不知道该怎么系统地用起来。 资金费率、对冲、结算周期、盘口深度，单个名词都看得懂，全部揉到一起，我就完全摸不着头脑。遇到一个机会，根本不知道该从哪里开始排查。 没办法，我只能把它拆成一个个很小的问题，丢给 GPT 一点点啃： 两个平台的资金费率怎么对比？ 盘口深度能不能吃下我计划的仓位？ 随着问题越来越多，我发现聊天记录很难形成稳定的学习系统。每次都要重新补充背景，几个知识点之间，也缺少可以反复观察和验证的连接。 于是，我按照 GPT 的建议做了一个套利雷达。 每个候选都展示资金费率、结算窗口、费用、流动性、数据时间和 Gate 状态。条件不足时进入人工核验，让我能顺着数据继续追问和学习。 做前端时，我还有一个感受：当前 GPT 模型实现功能通常挺顺，但整体审美还是差一口气。 所以这次，我把设计和写代码分开做。 先借助 FlatRouter 调用 GPT Image 2，把套利雷达想实现什么、哪些事情不做、我平时怎么用，全部描述清楚，让它生成 UI 原型图。 然后把原型图和需求文档交给 Codex，让它按照原型从 0 到 1 写代码，逐步完成资金总览、套利对比、期权监控、跨资产市场、历史快照和数据源健康等模块。 GPT Image 2 帮我把需求翻译成视觉原型，Codex 把原型落成可以运行的产品。 下面的录屏就是初版套利雷达，已经开源到 GitHub，地址放在评论区。 这次也和 @flatrouter 合作，聊聊这套工作流背后的模型调用成本。 最近 FlatRouter 又同步上线了 GPT-6 Astra，以及 GPT Image 2.5 的 Flare / Sunburst 两个变体。 我这个项目的原型用的是 GPT Image 2。按 FlatRouter 当前公布的价格，Image 2 和新上线的 Image 2.5 都是 0.05 元一张，1K、2K、4K 同价。 对我这种需要来回调整布局、配色和信息层级的人来说，多生成几个版本再选，成本压力很小。 文本模型的价格也可以直接算： 按本次公布的价格口径，GPT-6 Astra 每 100 万输入 tokens，官方 API 是 10 美元；FlatRouter 的 Advanced 套餐折算有效单价是 0.76 美元。 这里比较的是输入 token 单价，输出另计；不同套餐的折算率也不同。 反复跑 Agent、修改代码、补需求时，调用量很容易积累起来。价格降下来，就能在同样的预算里多做几轮尝试。 接入方面，FlatRouter 兼容 OpenAI API，可以通过配置 API Key 和 base_url 接入相应客户端或 SDK，支持流式输出、工具调用和图片输入。 它还提供多池冗余和自动故障转移：节点遇到限流等问题时，可以切换到其他健康节点，减少单个节点异常对任务的影响。 控制台也能查看每条请求的模型、耗时、token 和费用，方便核对调用开销。 现在新用户有一次专属试用： 19.9 元获得 700 计费积分，按平台口径约等于 100 美元的官方用量额度，有效期 30 天。 积分用于抵扣调用费用，不可提现、不可转让。到期前再买任意套餐，未用完的积分会滚入新周期，有效期重新计算；如果没有在到期前复购，剩余积分会到期作废。 如果你手里也有一个一直想做的小工具，可以从这次试用开始，先跑通一次 API 调用，再逐步做出第一版。 试用入口：flatrouter.com/register?ref=… 我自己还在套利入门摸索阶段。模型调用成本低一些，我就能更放心地反复提问、生成原型、迭代代码，把模糊的想法逐渐变成能用的工具。 接下来也会继续更新我的套利学习日常： 每次拆解一个概念，复盘一个候选机会，记录哪些高年化只存在于纸面、哪些判断被真实数据推翻，以及这套雷达如何随着我的理解继续迭代。 如果你也处在“名词都看得懂，组合起来就不会用”的阶段，可以关注我，一起从零开始慢慢搭建自己的套利知识体系。