💻 computer science

To Wait or To Probe: Arbitrage Competition on High-Throughput Blockchains

Este artigo analisa como as configurações de blockchain de alto rendimento influenciam a competição entre as estratégias de busca de MEV direcionadas e probabilísticas, demonstrando que, embora a busca probabilística constitua uma minoria da atividade de arbitragem, ela gera a vasta maioria do spam e do consumo de gás, ao passo que ajustes de protocolo como pisos de taxas e flashblocks deslocam efetivamente a receita para negociações bem-sucedidas e reduzem o congestionamento da rede.

Autores originais: Fei Wu, Burak Öz

Publicado 2026-06-02

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Fei Wu, Burak Öz

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine um mercado digital de alta velocidade onde as pessoas estão correndo para encontrar e comprar itens raros (como um livro de primeira edição) no momento em que eles aparecem. Neste artigo, os autores estudam como dois tipos diferentes de "caçadores" (bots) competem para encontrar essas oportunidades em blockchains rápidas como a Base, e como as regras do jogo mudam quem vence.

Aqui está a divisão do artigo usando analogias simples:

Os Dois Tipos de Caçadores

O artigo identifica duas estratégias principais que os bots usam para encontrar lucro:

O "Planejador" (Busca Direcionada):
- Como eles funcionam: Este bot fica observando e esperando. Ele usa computadores poderosos fora do mercado para descobrir exatamente onde o livro raro está, quanto ele custa e como comprá-lo. Assim que tem um plano perfeito, ele entra na loja e faz uma única compra confiante.
- O resultado: Eles são muito eficientes. Raramente cometem erros, mas precisam ter certeza das informações antes de agir.
O "Varredor" (Busca Probabilística):
- Como eles funcionam: Este bot é impaciente. Ele não espera por um plano perfeito. Em vez disso, ele corre para dentro da loja e começa a verificar freneticamente cada prateleira, cada corredor e cada caixa, milhares de vezes por segundo. Ele pergunta: "O livro está aqui? Está ali?". Se encontrar uma correspondência, ele compra. Se não encontrar, continua verificando.
- O resultado: Eles encontram oportunidades mais rápido às vezes, mas criam um enorme volume de "ruído". A maioria das verificações deles é inútil, entupindo os corredores da loja e dificultando o movimento de outros clientes. No artigo, essas verificações inúteis são chamadas de spam.

O Problema: A Loja Está Ficando Lotada

Os autores notaram que, embora os "Varredores" representem apenas cerca de 23% dos negócios bem-sucedidos reais, eles são responsáveis por 95% do ruído (spam) e ocupam 20% do espaço total da loja. É como uma biblioteca onde uma pessoa está retirando um livro, mas outras 100 pessoas estão correndo de um lado para o outro gritando "O livro está aqui?" repetidamente, bloqueando as portas.

Os Experimentos: Mudando as Regras

Os pesquisadores observaram o que aconteceu quando os "gerentes da loja" (o protocolo da blockchain) mudaram as regras de três formas específicas:

1. O Experimento "Flashblocks" (Janelas Menores e Mais Rápidas)

A Mudança: A loja começou a atualizar sua lista de inventário a cada 200 milissegundos em vez de a cada 2 segundos. Isso criou janelas de oportunidade minúsculas e de movimento rápido.
O Efeito: Os "Varredores" tiveram dificuldades. Como as janelas eram tão pequenas, os bots pesados e lentos que verificavam muitas prateleiras foram empurrados para fora da fila. Apenas os bots mais magros e rápidos sobreviveram.
O Resultado: O número de bots "Varredores" caiu drasticamente. No entanto, os que sobreviveram começaram a verificar as prateleiras de forma ainda mais frenética para compensar. Portanto, embora houvesse menos Varredores, o ruído total não diminuiu tanto quanto o esperado porque os sobreviventes estavam trabalhando mais duro.

2. O Surto de "Novos Tokens" (Uma Corrida do Ouro Temporária)

A Mudança: Dois novos itens populares (tokens chamados AVNT e MIRROR) foram introduzidos de repente. Ninguém conhecia as regras para eles ainda.
O Efeito: Este foi um boom temporário para os "Varredores". Como ninguém tinha um plano pré-definido para esses novos itens, os bots que conseguiam correr e verificar tudo em tempo real tinham vantagem. Uma enorme onda de novos bots entrou para tentar a sorte.
O Resultado: Isso criou um pico massivo de spam. Mas assim que os novos itens se tornaram "normais" e as pessoas entenderam as regras, os "Varredores" partiram, e os "Planejadores" assumiram o controle novamente.

3. O "Aumento de Taxas" (Tornando a Verificação Custeira)

A Mudança: A loja aumentou a taxa mínima necessária apenas para entrar pela porta e verificar uma prateleira.
O Efeito: Isso prejudicou mais os "Varredores". Como eles verificam milhares de prateleiras e falham na maioria das vezes, o custo de entrar pela porta acumulou rapidamente. Se um bot verifica 1.000 prateleiras e só encontra um negócio, mas a taxa para verificar é muito alta, ele perde dinheiro.
O Resultado: Os bots que não podiam arcar com o custo de continuar verificando (os de baixo valor) deixaram a loja. Os "Varredores" que ficaram foram aqueles com os negócios mais valiosos, mas seus números diminuíram significamente. Os "Planejadores", que fazem apenas uma verificação por negócio, foram menos afetados.

A Grande Conclusão

O artigo conclui que o design do protocolo importa.

Se você tornar a ordenação das transações muito rápida e granular (como o Flashblocks), você naturalmente afasta os bots pesados e cheios de spam, mas os sobreviventes podem acabar trabalhando mais intensamente.
Se você aumentar as taxas, você força os bots a serem mais eficientes; eles não podem se dar ao luxo de perder tempo verificando coisas que não são valiosas.

Em última análise, os autores mostram que você não pode simplesmente "banir" o spam. Você precisa entender como os bots estão caçando. Ao mudar as regras do jogo (velocidade, taxas e informação), a blockchain pode incentivar os "Planejadores" e desencorajar os "Varredores", tornando o mercado mais limpo e eficiente para todos.

Resumo Técnico: Esperar ou Sondar: Competição de Arbitragem em Blockchains de Alta Vazão

1. Declaração do Problema

Em blockchains de alta vazão, a busca por Valor Extraível Máximo (MEV) bifurcou-se em duas arquiteturas econômicas distintas: busca direcionada e busca probabilística.

Busca Direcionada: Bots identificam oportunidades off-chain, simulam a execução e submetem transações com rotas comprometidas. Esta abordagem geralmente envolve menos tentativas, mas taxas mais altas por tentativa.
Busca Probabilística: Bots submetem transações repetidas que leem o estado ao vivo on-chain para descobrir oportunidades durante a execução. Esta abordagem envolve alta intensidade de tentativas, onde a maioria das transações falha (sondas ou reversões) sem produzir mudanças de estado úteis, constituindo "spam".

O problema central é como os parâmetros de design do protocolo — especificamente a granularidade de ordenação (ex: sub-blocos vs. blocos completos), pisos de taxa (fee floors) e acesso a oportunidades — moldam a competição entre essas arquiteturas. Embora a literatura existente modele a busca probabilística isoladamente, este artigo formaliza a distinção entre as duas arquiteturas e investiga como mudanças no protocolo deslocam o equilíbrio da composição de bots, consumo de bloco e receita do protocolo.

2. Metodologia

Estrutura Teórica

Os autores desenvolvem um modelo de equilíbrio de forma reduzida da competição de arquitetura. O modelo assume entrada livre até que os lucros esperados sejam levados a zero. As variáveis principais incluem:

Regimes de Ordenação: Linha de base (bloco completo) vs. Mais fino (sub-bloco/fatia) de ordenação.
Competitividade ( $\eta_r$ ): A probabilidade de que uma transação de descoberta on-chain permaneça competitiva na mesma fatia lucrativa que uma transação off-chain. O modelo postula que a ordenação mais fina reduz $\eta_r$ para a descoberta on-chain devido ao maior consumo de espaço de bloco por tentativa.
Acesso a Oportunidades ( $\lambda$ ): A taxa na qual os bots podem acessar oportunidades. A descoberta on-chain geralmente possui maior acesso ( $\lambda_C \ge \lambda_O$ ), pois pode escanear múltiplas rotas dinamicamente.
Custos ( $K$ ): Custos totais incluindo gás e taxas, que variam por arquitetura e pisos de taxa.

O modelo deriva estatísticas comparativas prevendo que:

Ordenação mais fina reduz a viabilidade da descoberta on-chain, particularmente para bots com altos "rastros de varredura" (leituras de estado pesadas).
Pisos de taxa mais altos prejudicam desproporcionalmente arquiteturas com alta exposição a taxas (alto gás por tentativa e alta intensidade de tentativa).
Choques de oportunidade (ex: lançamentos de novos tokens) podem reviver temporariamente a descoberta on-chain ao criar rotas ainda não indexadas off-chain.

Estratégia Empírica

O estudo utiliza a Base como estudo de caso, cobrindo o período de junho de 2025 a fevereiro de 2026. Este período inclui mudanças significativas de configuração: a introdução de Flashblocks (sub-blocos de 200ms) e uma escalada de múltiplos passos da taxa base mínima.

Construção de Dados:

Dataset: 21,37 milhões de arbitragens cíclicas bem-sucedidas e 985 milhões de transações de spam (sondas e reversões) de 4.365 endereços de bots únicos.
Classificação: Um classificador de nível de trace distingue as arquiteturas de bots com base em transações de arbitragem bem-sucedidas. Ele analisa saídas de debug_traceTransaction para categorizar os bots em:
- Descoberta Off-chain: Rota comprometida off-chain; nenhuma leitura de estado pré-swap ou leituras confinadas à rota de execução.
- Avaliação On-chain: Lê o estado on-chain, mas confinado à rota de execução final.
- Descoberta On-chain (Probabilística): Escaneia um superconjunto de venues antes de selecionar uma rota (descoberta on-chain ampla).
Agregação: Os rótulos são agregados ao nível de bot-semana para analisar mudanças populacionais, intensidade de spam e métricas de eficiência.

Episódios de Análise

A análise empírica testa as previsões do modelo através de três episódios específicos:

Ativação de Flashblocks (Julho de 2025): Testa o efeito de ordenação mais fina.
Surto de Setembro (Setembro de 2025): Testa o efeito de choques de acesso a oportunidades (lançamentos de novos tokens AVNT/MIRROR).
Escalada da Taxa Base Mínima (Dezembro de 2025 – Fevereiro de 2026): Testa o efeito de pisos de taxa crescentes.

3. Principais Contribuições

Formalização de Arquiteturas de Busca: O artigo distingue formalmente a busca direcionada da probabilística, modelando como a granularidade de ordenação e as taxas moldam sua viabilidade relativa.
Classificador de Nível de Trace: Desenvolvimento de um novo classificador que identifica arquiteturas de busca com base na descoberta de rota observável em traces de transação, validado contra comportamento de execução e perfis de spam.
Validação Empírica de Estatísticas Comparativas:
- Flashblocks: Confirmou que a ordenação mais fina seleciona contra bots de descoberta on-chain com alto rastro de varredura, deslocando o mercado para bots de descoberta off-chain mais enxutos.
- Choques de Oportunidade: Demonstrou que lançamentos de novos tokens revivem temporariamente a busca probabilística, impulsionada por entrantes de curta duração.
- Pisos de Taxa: Mostrou que pisos de taxa mais altos selecionam contra bots cuja fluidez de oportunidade não consegue sustentar tentativas repetidas, reduzindo a viabilidade de arquiteturas de alta exposição.
Quantificação de Resultados em Nível de Cadeia: Mediu o impacto desses deslocamentos na composição de receita de taxa de prioridade e eficiência de espaço de bloco.

4. Principais Resultados

Características da Arquitetura de Bot

Busca Probabilística (Descoberta On-chain): Corresponde a apenas 23% da atividade de arbitragem bem-sucedida, mas gera 95% das transações de spam e consome 20% do gás total da Base. Estes bots têm baixas taxas de sucesso (4,58%) e altos custos por sucesso.
Busca Direcionada (Descoção Off-chain): Taxas de sucesso mais altas (42,51%), menor geração de spam e pagamentos de taxa de prioridade mais altos por transação.

Resultados por Episódio

Flashblocks (Ordenação Mais Fina):
- Efeito de Seleção: A população de bots de descoberta on-chain caiu de ~63% para ~25% dos bots ativos. Bots com alto rastro de varredura (calldata curto, muitos pré-reads) foram selecionados para fora.
- Sobreviventes: Os bots on-chain restantes simplificaram sua lógica (calldata mais longo, menos reads).
- Paradoxo do Spam: Apesar da redução na população de bots, o spam agregado não caiu proporcionalmente porque os sobreviventes aumentaram sua intensidade de tentativa (sondando com mais frequência).
- Eficiência: As taxas de sucesso da descoberta off-chain melhoraram (35,8% $\to$ 43,6%) devido à redução do risco de estado obsoleto.
Surto de Setembro (Choque de Oportunidade):
- Um pico temporário de bots de descoberta on-chain (de ~30 para ~220) ocorreu em torno do lançamento dos tokens AVNT e MIRROR.
- Entrantes Transitórios: 92% destes novos bots eram "tentadores" de curta duração que saíram assim que as rotas específicas dos tokens foram rotinizadas.
- Choque de Spam: Esta onda gerou 147M de transações de spam, principalmente de bots transitórios.
Escalada do Piso de Taxa (Canal de Custo):
- À medida que a taxa base mínima subiu de 200K para 5M WEI, a participação de bots de descoberta on-chain caiu de 22% para 8,4%.
- Mecanismo de Seleção: O piso de taxa selecionou contra bots com baixo valor por tentativa. Os bots sobreviveram apenas se suas oportunidades bem-sucedidas fossem valiosas o suficiente para compensar o custo cumulativo de tentativas repetidas falhas.
- Estabilidade de Rastro: Ao contrário dos Flashblocks, as altas de taxas não selecionaram para uma lógica de menos varredura; em vez disso, elas podaram tentativas de baixo rendimento.

Receita do Protocolo e Espaço de Bloco

Composição de Receita: Pós-Flashblocks, a participação das taxas de prioridade derivadas de spam caiu de >60% para ~40-45%. A receita deslocou-se para arbitragens bem-sucedidas e tentativas probabilísticas de lances mais altos.
Eficiência de Espaço de Bloco: Embora o spam continue sendo um fardo significativo, sua participação do consumo total de gás diminuiu após os Flashblocks e ainda mais durante o aumento de taxas (de ~20% para ~15%), exceto por picos temporários durante choques de oportunidade.

5. Significância e Alegações

O artigo alega que o design do protocolo não afeta meramente o volume da extração de MEV, mas altera fundamentalmente o mecanismo de busca.

Comportamento de Equilíbrio: Tentativas falhas (spam) não são meras ineficiências, mas resultados de equilíbrio das arquiteturas de busca sob restrições específicas de ordenação e taxas.
Trade-offs de Política:
- Ordenação Mais Fina (ex: Flashblocks) seleciona efetivamente contra varreduras amplas, mas pode induzir maior intensidade de tentativa entre os sobreviventes, limitando a redução total de spam.
- Pisos de Taxa atuam como um filtro para margens de valor-custo, impactando desproporcionalmente os buscadores probabilísticos com oportunidades de baixo rendimento.
Externalidades: A principal externalidade da busca probabilística é a congestão do espaço de bloco. Mudanças no protocolo podem mitigar isso ao deslocar a composição de bots para a busca direcionada, embora choques de oportunidade temporários possam reviver o spam.

Os autores concluem que entender estas distinções arquiteturais é crucial para projetar protocolos que reduzam as externalidades de spam sem suprimir atividades econômicas úteis, como a arbitragem. Eles sugerem que trabalhos futuros explorem como estas dinâmicas se aplicam a outras formas de MEV (liquidações, arbitragem cross-domain) e diferentes ambientes de blockchain.