Модель вознаграждения: эмиссия, халвинг и игровые награды

В обзоре пяти моделей предложения модель вознаграждения описана кратко: «новые токены создаются как награда за полезные действия». Но именно в деталях проектирования reward-модели скрываются и главные возможности, и главные ловушки. Слишком щедрая эмиссия убивает цену токена. Слишком скупая — не привлекает участников. Эта статья разбирает математику, типы и практику проектирования reward-моделей.

Что такое модель вознаграждения

Модель вознаграждения (reward model) — модель предложения, при которой новые токены создаются как награда за целевые действия в системе. В отличие от аллокации, где токены распределены заранее, в reward-модели токены появляются только когда участник выполняет полезную работу.

Три ключевых компонента:

1. Целевые действия — что именно вознаграждается (валидация блоков, предоставление хешрейта, игровая активность, предоставление данных)
2. Размер вознаграждения — сколько токенов получает участник за каждое действие
3. Кривая эмиссии — как размер вознаграждения меняется во времени

Типы reward-моделей

Консенсусные вознаграждения

Токены создаются за поддержание работы сети:

Консенсусные вознаграждения — самый чистый случай reward-модели: токены создаются строго за работу, необходимую для функционирования сети.

Игровые и продуктовые вознаграждения

Токены создаются за активность в продукте:

Стейкинговые вознаграждения

Отдельный подтип, сочетающий reward-модель с механизмом стейкинга:

Стейкинговые вознаграждения создают положительную обратную связь: участник блокирует токены (снижая давление на продажу) и получает новые (увеличивая предложение). Баланс между этими силами — главная задача проектирования.

Математика эмиссии

Убывающая эмиссия (халвинг)

Классическое решение проблемы инфляции — убывающая эмиссия, при которой размер вознаграждения уменьшается по расписанию.

Халвинг гарантирует конечный supply (для Bitcoin — приблизительно 21 000 000 BTC, точный предел — 20 999 999.9769 BTC из-за целочисленной арифметики протокола) и убывающую инфляцию. Но он же создаёт проблему: когда эмиссия станет слишком маленькой, хватит ли комиссий для мотивации майнеров?

Линейная убывающая эмиссия

Альтернатива халвингу — линейное снижение вознаграждения:

Привязка к активности

В продуктовых reward-моделях эмиссия часто привязана не ко времени, а к количеству участников:

Эта модель напрямую связывает эмиссию с ростом продукта: больше пользователей — больше действий — больше токенов создаётся. Преимущество — связь с реальным развитием системы. Риск — при быстром росте эмиссия может стать неконтролируемой.

Калькулятор эмиссии

Моделирование reward-эмиссии с экспоненциальным затуханием (халвинг) и ограничением по cap.

Проектирование reward-модели: пошаговый процесс

Шаг 1: Определить целевые действия

Какие действия создают ценность для системы? Каждое действие должно иметь измеримый вклад.

Шаг 2: Определить вес каждого действия

Не все действия равноценны. Вес определяет, сколько токенов получает участник:

Шаг 3: Спрогнозировать количество участников

Reward-модель требует прогноза роста аудитории, потому что эмиссия зависит от числа действий:

Шаг 4: Рассчитать эмиссию и проверить устойчивость

Совместив действия, веса и количество участников, получаем прогноз эмиссии. Критерий устойчивости: эмиссия не должна превышать создаваемую ценность.

Пример расчёта для приложения с привлечением 300 пользователей в месяц и оттоком 5%:

За 12 месяцев система эмитирует ~71.2 млн токенов. Если total supply ограничен 1 млрд — это 7.1% за год. Ключевой вопрос: создают ли пользователи ценность, соизмеримую с этой эмиссией? Если нет — веса действий слишком высоки или модель требует убывающего множителя.

actions = {
    "register":        {"weight": 3000, "pct_users": 0.90, "once": True},
    "avatar":          {"weight": 2000, "pct_users": 0.80, "once": True},
    "invite_3":        {"weight": 5000, "pct_users": 0.40, "once": True},
    "trading_volume":  {"weight": 8000, "pct_users": 0.20, "once": False},
    "transaction":     {"weight": 4000, "pct_users": 0.30, "once": False},
}

acquisition_month_1 = 100
acquisition_per_month = 300
churn_rate = 0.05
months = 12

users = 0
total_emission = 0

for m in range(1, months + 1):
    new_users = acquisition_month_1 if m == 1 else acquisition_per_month
    churned = int(users * churn_rate)
    users = users - churned + new_users

    month_emission = 0
    for name, a in actions.items():
        if a["once"]:
            eligible = new_users * a["pct_users"]
        else:
            eligible = users * a["pct_users"]
        month_emission += eligible * a["weight"]

    total_emission += month_emission
    print(f"Месяц {m:2d}: пользователей={users:,}, эмиссия={month_emission:,.0f}, накопительно={total_emission:,.0f}")

Типичные ошибки

Reward vs другие модели предложения

Reward-модель незаменима для проектов, где стейкхолдеры выполняют работу для сети. Но она требует тщательного дизайна механизмов, чтобы эмиссия не превышала создаваемую ценность.