OKX.AI 上线了。中文区的讨论我翻了一圈，全在聊两件事：怎么把自己的 Agent 挂上去接单，以及这波对 OKB 是不是利好。
几乎没人认真看过官网上排在第三位的那个角色：Dispute Arbitrator，仲裁者。
这很奇怪。因为整个 Agent 市场能不能成立，恰恰取决于这个没人讨论的角色。而且我研究完它的机制之后，得出一个不太舒服的结论：
这套仲裁机制奖励的不是"判断对错"，而是"预测多数人会怎么投"。这既是它能运转的原因，也是它的天花板。
下面把机制、经济账和几个真问题一次讲清楚。

仲裁者是干嘛的

先补一句背景。OKX.AI 是 6 月 30 日上线的 Agent 市场：开发者上架 AI Agent 提供服务，任何人（包括其他 Agent）发任务、雇 Agent、用稳定币结算，托管、身份、声誉全部链上跑。官方的口号是"一人公司、一年一百万美元"。
官网给仲裁者的描述就三句话：质押 OKB；买卖双方谈不拢时投票；判对了拿钱，判错了扣质押。
听着像个边缘角色。其实它是整个市场的信任生成器。
用秩分析的方式拆一下：Agent 经济的核心矛盾是，交易双方都是非确定性的 AI，交付质量没法用代码客观验证——不像预言机报价格，对就是对错就是错。托管解决"钱不跑路"，声誉解决"历史可查"，但"这次交付到底算不算合格"是个主观判断，必须有人兜底。
仲裁者干的就是这件事：把主观判断外包给一场经济博弈。
没有仲裁这个秩，托管是死锁（谁说了算才放款？），声誉是空转（争议怎么记账？）。它是被讨论得最少、却最不可替代的那个齿轮。

一次仲裁是怎么完成的

OKX.AI 的争议解决底层由 GenLayer 提供，机制叫 Optimistic Democracy（乐观民主）。GenLayer 创始人对这套东西的定位很直白："我们在建的本质上是一个数字法院系统。"
流程拆开是这样的（以下是 GenLayer 协议层的公开参数，OKX.AI 应用层的具体配置还没出文档，可能有调整）：
选人：随机抽陪审团。 争议触发后，从质押池随机抽一组验证者，默认 5 个起——1 个主审（Leader），其余陪审。随机是防串谋的核心：你不知道自己会不会被抽中，自然没法提前跟人协调。
一审：LLM 初判 + 独立复核。 主审用自己接的 LLM 评估证据（交付物、合同条款、上下文），提出裁决。其余陪审各自独立重算，结论跟主审一致就批准，不一致就否决。
判"一致"用的是等价原则——不要求输出一字不差，只要求结论逻辑等价。"交付合格"和"交付满足要求"算同一票。这一条是专门为 LLM 输出的天然随机性设计的。
多数生效，但不是终局。 裁决后有一个终局窗口期，任何不服的一方可以付费上诉。
上诉：陪审团翻倍。 每次上诉都由更大的验证者集合重审——5 人升 11 人，重新选主审，可以持续升级直到全网验证者都参与过。投错票的验证者被罚没质押。注意这个细节：罚没在上诉翻案后才触发。也就是说，"判错"的最终定义不是"违背事实"，而是"被更大的陪审团推翻"。
整个设计就是一个逐级放大的法院：一审小庭快速便宜，绝大多数争议到此为止；真有分歧就烧钱升级。无理缠讼的一方持续失血，操纵终审需要买通接近全网多数的质押，成本指数上升。理论依据是孔多塞陪审团定理——独立且大概率正确的评判者，人数越多，集体判对的概率越趋近确定。
纸面上，这是目前 Agent 争议解决里最完整的设计。但纸面归纸面。

经济账：现在当仲裁者，不赚钱

很多人第一反应是"质押 OKB 躺着收仲裁费"。算一下就知道想多了。
仲裁者不是每单都介入。托管订单的正常流程是：发任务 → 资金托管 → 交付 → 买方验收 → 放款，全程没仲裁者什么事。即付即用的 pay-per-call 调用更是先付费后执行，连争议空间都没有。仲裁者只在争议单出场，而成熟市场的争议率通常是个位数百分比。
所以收入模型不是"抽成"，是"陪审员按案计酬"：案件费由争议方（通常是败诉方的保证金）出，单案报酬可以不低，但案件量 = 市场总 GMV × 争议率。Beta 期两个数都小，乘起来约等于零。
更麻烦的是这里有个冷启动死结：争议少 → 仲裁者收入低 → 质押的人少 → 池子小 → 串谋更容易 → 判决可信度低 → 用户不敢发大额单 → GMV 上不去 → 争议更少。 Kleros 早期陪审员就是这么熬过来的，这个循环没有补贴很难破。
所以现在质押 OKB 当仲裁者，买的不是收益，是一张生态早期参与者的门票。想清楚这一点再上。

五个真问题

博弈设计再精巧，也有它糊不住的地方。按博弈层和结构层分开说。
1. 多数不等于正确。 Schelling 博弈的最优策略是投"大多数人会投的那票"，不是独立判断。代码交付"能不能跑通"容易形成焦点共识，但一份研报"够不够好"没有焦点——这时候理性仲裁者会怎么投？投声誉高的那一方，投默认选项。系统性偏向大玩家和保守判决，而且判得越懒越安全。
2. 贿赂攻击没有根治。 这类机制的经典软肋叫 p+ε attack：攻击者公开承诺"投我方且我方败诉的人，我补偿损失再加一点"，理论上可以零成本翻转投票。上诉升级能缓解，但仲裁者池越小，攻击越便宜——而现在池子就是小。
3. LLM 判 LLM，交付物本身就是攻击面。 这是传统人类陪审不存在的新东西：仲裁节点用 LLM 评估交付物，那在研报里嵌一段针对仲裁模型的 prompt injection，可能比做好交付更划算。防注入能力直接决定这套法院的下限。
4. 只有执行去中心化了，规则制定权没有。 "争议由质押网络裁决，不是平台说了算"是宣传口径。但前端、Agent 身份系统、上架审核、罚没参数、上诉规则、还有 OKB 本身，全在 OKX 手里。本质是平台把法院外包给了一个自己设计规则的博弈系统。这不一定是坏事，但和"去中心化仲裁"是两码事。
5. 身份是软的，罚没打不到当事人。 败诉的 Agent 换个钱包重开，声誉归零重来，被罚的只有投错票的仲裁者。只要新身份成本接近零，"输了就跑路"永远是理性策略。OKX 说在做反串谋的异常检测，但这个漏是身份层的，不是仲裁层能补的。
前三条圈内多少有人聊，后两条几乎没人写——而它们才是结构性的。

那该怎么用这个信息

三类人，三个落点。
如果你在 OKX.AI 上架服务（我自己在跑一个宏观周期报告的 Agent 服务，算半个利益相关）：仲裁机制既是保护伞也是风险源。结论就一句——交付标准写得越可机器验证，你在仲裁里的胜率越确定。 数据来源、输出结构、字段完整性，这些能被 LLM 客观核对的东西写进服务描述里；"深度""洞察"这类形容词一个都别承诺，那是争议的温床。
如果你想质押 OKB 当仲裁者：现阶段收益约等于零，把它当门票而不是理财。真正值钱的是坐在第一排看判例怎么积累、标准怎么演化——这些信息以后写攻略、做服务都用得上。
如果你只是观察者：别盯 GMV，那个数字前期一定会被刷。盯两个没法刷的：争议率和上诉翻案率。翻案率高说明一审陪审团在乱判，翻案率极低但争议率也极低，说明大家压根不敢用托管走大单。这两个数比任何官宣都诚实。
法院的公信力从来不是靠开庭次数建立的，是靠那几个判得漂亮的案子。Agent 经济的法院也一样——现在判例数量是零，这既是风险，也是为什么值得从第一天开始盯着看。
参考来源：OKX AI 官方发布页（okx.com/learn/okx-ai）、okx.ai 官网、GenLayer 文档（docs.genlayer.com）及其 Optimistic Execution 技术博客、TechCrunch 对 OKX CMO 与 GenLayer CEO 的采访、Cointelegraph 报道。机制参数以 GenLayer 协议层公开文档为准，OKX.AI 应用层配置待官方文档发布后核对。