特征稀有度模型以最低属性占比为核心，平均模型取各属性稀有度均值，统计模型用百分比乘积衡量组合稀缺性，评分模型通过倒数加权并引入校准因子，openrarity为开源可验证的多算法标准。
币圈加密货币主流交易平台官网注册地址推荐：
Binance币安：
欧易OKX：
火币htx：
Gateio芝麻开门：
一、特征稀有度模型
该模型聚焦于NFT集合中单个属性的出现频率，以最低占比作为核心判定依据。它不考虑其他属性组合，仅识别并依赖最稀缺的那个特征进行排序。
1、统计每个属性在全部NFT中的出现次数。
2、将该属性出现次数除以集合总NFT数量，得出百分比值。
3、取所有属性中百分比最小者，即为该NFT的特征稀有度标识。
例如：CryptoPunks中“外星人”仅9枚，稀有度为0.09%，直接决定该NFT在该模型下排名极高。
二、平均特征稀有度模型
此方法通过算术平均方式综合多个属性的稀有程度，避免单一特征主导排名，提升整体代表性。
1、提取目标NFT所含全部属性各自的稀有度百分比。
2、将这些百分比数值相加后除以属性总数。
3、所得均值即为该NFT的平均特征稀有度得分。
例如：某NFT含两个属性，稀有度分别为20%与30%，其平均值为25%。
三、统计稀有度模型
该模型采用乘积法计算，强调多重稀有属性共存的难度，对组合稀缺性敏感度更高。
1、获取该NFT所有属性的稀有度百分比数值。
2、将各百分比转换为小数形式（如20%→0.2）。
3、将全部小数相乘，结果越小代表整体越稀有。
例如：20% × 30% = 0.06，即6%的统计稀有度。
四、评分稀有度模型
该模型为目前公认更平衡的算法，既突出关键稀有属性，又纳入整体属性分布权重，减少偏差。
1、对每个属性稀有度取倒数（如1%→100，5%→20）。
2、将所有倒数值相加，形成基础稀有度分数。
3、部分平台会在此基础上引入Jaccard distance等差异性校准因子。
例如：Rarity.Tools采用此类加权求和机制，未公开完整权重但强调多维平衡。
五、OpenRarity开源协议
这是一个由OpenSea、Proof等联合推出的透明化计算标准，提供可验证、可复现的稀有度评估路径。
1、完全开源Python实现，支持本地部署与自定义参数调整。
2、内置三种算法模式：Simple、UniqueAttribute、Statistical。
3、输出包含每项属性贡献分及总分，并附带计算过程日志。
例如：执行python -m scripts.score_real_collections boredapeyachtclub可即时生成BAYC全量稀有度报告。
