各位开发者与玩家朋友大家好：
先感谢开发团队最近于steam公告页发布的《开发者笔记：第二部分》。这种坦诚的沟通方式非常难得，也确实有助于在开发者和玩家之间建立更顺畅的交流，把游戏一起打磨得更好。
我们特别关注到文中对数据的深入拆解，比如按Elo（以 ArpadEmmerich Elo 命名）段位统计的胜率（胜率），以及各单位的使用情况。用数据说话、基于证据来处理平衡问题，这样的思路我们非常认可。
同时，在阅读过程中，我们也发现有些地方或许可以从另一个角度解读。结合我们自己的分析，有一些结论值得进一步讨论。我们把这些想法整理出来，希望能为开发团队和社区提供一些建设性的参考。
接下来，这份报告会针对《开发者笔记》里提到的几个主题做更深入的分析，并给出我们的发现与论据。
数据来源：
这次分析用的是和我们过往报告同一套API，只是把时间范围更新了。数据覆盖了补丁v1.0.10 推出后的区间：从2025-09-23 到2025-10-13，一共统计了116,848 场排位赛。
分析方法：
像胜率增益（WRGain）这类指标，沿用我们之前报告的计算方式。为更深入讨论单位“性价比”，这次新增了一个指标：“调整后成本”（AdjustedCost）。
在《BrokenArrow》里，一个单位真正的“经济影响”不只看上场时的基础费用，还包括补给消耗、维护/保养（upkeep）以及退款带来的部分点数回收。为了把这些因素揉进一个可比的数字里，我们定义了“调整后成本”，公式如下：

其中：
Cost_base：单位基础费用（含改装/改型带来的增减）。
Supply_per unit：每个单位消耗的补给量。
Cost_supply：每单位补给对应的点数成本。
Ratio_refund：该单位被退款（回收）的占比。
Cost_refund：每个单位被退款时返还的点数。
受限于游戏API 提供的数据，部分参数需要统一处理（做“定值”）：
补给成本按游戏内设定，固定为每 1000kg = 10 点。
退款点数按**基础费用的 50%**估算。
维护/保养成本（upkeep）暂无可用数据，本次计算中不纳入。
换句话说，“调整后成本”= 上场要花的 + 用着要烧的 − 能退回来的。这样能更直观地对比不同单位在实战里的“真实花费”。
个人备注：Orbis尝试用一个新的计算公式综合单位的使用率和价值。这个公式看看就好，看不懂也无所谓，对后文的影响不会很大

阵营胜率（Faction Win Rate）
在steam公告里，有一段话引起了我们的注意：
“下图显示，之前未考虑玩家水平差异的胜率图，整体上虽能较为准确地反映情况，但并不完全正确：几乎在所有Elo 段位上，一方阵营都持续占优。只有在较高Elo 段位才出现偏离这一总体趋势的情况——不过那里的比赛样本也明显更少。”
来源：BrokenArrow - Dev Notes: Part II - Steam News
从表面看，给出的图表似乎支持这个结论。不过，基于我们以往的分析经验，只看表层趋势往往容易被误导。我们反复观察到：高Elo 的胜率数据很容易被匹配机制的差异“带偏”——当某个阵营的玩家更频繁地遇到Elo 略低的对手时，其表面胜率就会被抬高。
为了确保对比口径一致，我们做的第一步是把我们的数据和公告中的结果进行校验。由于帖子没有明确说明采样时间窗，我们先复刻了公告里的那张图，确认我们的数据集能复现相同的整体趋势，再在此基础上展开后续分析。（注释：本文中出现的所有图表都是作者用STB提供的API接口抽取游戏数据自行绘制，并没有使用steam公告的数据）下图为图1

如图 1 所示，我们基于本次数据集绘制的图表，在胜率（胜率）与对局分布这两方面的趋势，都与帖子中展示的结果保持一致。
考虑到原帖没有明确给出数据时间窗，再加上API 的一些限制（例如对局ID 不是连续的，导致无法完全验证样本是否“全量”），我们无法做到百分之百的复刻。不过，从图1 体现出的对齐程度来看，本次样本对本报告而言具有代表性。
在确认数据集可靠之后，我们开始聚焦于一个会“拉偏”结果的关键因素：同一场对局内的Elo 差距。图 2（下图）在分析框架上与图1 相同，但做了一个关键筛选：只保留双方实力接近的对局，具体为对局内玩家Elo 差不超过 200的样本。（下图为图2）

筛选后的数据呈现出截然不同的趋势：原先在2400+ Elo 区间看起来美军（美军）占优的胜率不复存在；相反，俄军（俄军）在几乎所有段位上都展现出明显领先。只有两个例外——2500–2600和 2700+Elo——美军略有领先，但这点领先完全落在统计误差范围内（从图中的“封顶误差线”即可看出），因此不能视为稳定趋势。

和 2700+Elo——美军略有领先，但这点领先完全落在统计误差范围内（从图中的“封顶误差线”即可看出），因此不能视为稳定趋势。
为了进一步印证这个结论，我们又看了一个辅助指标：单场平均Elo 变动。这个指标能从另一个角度诊断匹配是否失衡——因为玩家的Elo 变化不仅取决于胜负，也取决于对手的Elo。如果匹配存在系统性偏差，平均Elo 变动的分布通常会把问题暴露出来。（下图为表格1）

在表1里，我们分别按阵营与Elo 分段，查看了胜率和单场平均 Elo变动。需要说明的是，这里的胜率是从玩家视角统计的：高Elo 玩家更常与Elo 较低的对手匹配，因此整体上会偏高，导致美/俄两边的胜率相加可能超过100%。
本段的关键信息在于“单场平均 Elo变动”这一列：在每一个分段里，俄军玩家的平均Elo 变动都更高——即便是在2600+ Elo 这些美军玩家的表面胜率更高的区间也一样。当高胜率与低平均Elo 变动同时出现时，通常意味着这些胜利大多来自对阵更低 Elo 对手——这是匹配失衡的统计证据。
进一步看，这组数据还揭示了两边玩家Elo 上升轨迹的明显分化：理论上 Elo越高，上升越放缓；但美军玩家的Elo 增长大约在2100 左右就几乎“停滞”，而俄军玩家则能更稳定地继续上升，像是梯子更顺、更好爬。这实际上反映了两阵营玩家在对局体验上的差异。
小结：开发者关于“高 Elo 区间美军更强”的结论，带有误导性。表面上的胜率优势更多是匹配机制造成的假象，而不是真实的阵营平衡。把样本限定在Elo 接近的对局（如图 2 的做法）后，俄军整体展现出稳定且超出统计误差范围的胜率优势。至于个别分段里美军的一点点领先，完全在误差范围内，没有统计学意义。

专精构筑表现：
非常感谢开发团队整理了卡组专精构成的热度与胜率图表。这些信息很有参考价值。基于同一主题，我们也想分享一份我们的分析视角，供大家对照讨论。（下图为图3）

图 3 显示，我们这边的数据整体趋势和原帖基本一致，只有些细微差别。更值得注意的是：没有任何一种美军（美军）的专精组合在胜率上能压过俄军（俄军）。这说明当前的平衡问题并非集中在某一两套卡组上，而是所有专精都受到影响的系统性问题。
更麻烦的是，这样的趋势至少从8 月起就一直在。原帖里有一篇文档展示了7 月下旬到 8 月上旬各卡组的选取率与胜率；在那里我们也能看到类似的格局——大多数俄军卡组普遍优于美军。
更令人担心的是，胜率差距似乎还在扩大。在那篇早期帖子里，确实还能看到少数俄军卡组输给表现最好的美军卡组；但在v1.0.10 的数据里，这种“重叠区”已经消失，整体的胜率差距进一步拉大。
没错，这个问题并不是被低Elo 样本“带偏”的结果。我们把样本限定在Elo ≥ 1600 的玩家（这个阈值既能保证基本的操作/对局经验，又能保留足够的样本量）后，趋势依然一致，并没有发生逆转。（下图为图4)

在这里，图4 清楚地显示：即便把样本限定在Elo ≥ 1600，没有任何一套美军卡组的胜率能到50%；与此同时，没有任何一套俄军卡组的胜率低于50%。这进一步支持了我们的判断：俄军卡组的表现并不依赖Elo 分段，而是在各个水平层面都相当稳定。关于图3 与图 4 所对应的详细数据，请分别参见附录A与附录B。
把专精单独拆开看（下图图5与表格2），不平衡同样一目了然。换句话说，即使不看组合、只看某个专精本身，各自的胜率表现也能明显看出差距。(下图为图5和表格2)


所有俄军专精在胜率和单场平均Elo 变动上都全面领先对应的美军专精。除了俄军机械化与美军斯特莱克骑兵这对例外外，击杀/阵亡比（K/D）也几乎都是俄军占优。鉴于平均占点数（AverageObjectives Captured）两边差距要小得多，可以推断胜率差主要由俄军与美军在K/D 效率上的差异驱动。
这一趋势在Elo ≥ 1600的玩家样本中同样成立。限于篇幅，相关明细数据请见附录 C

热门单位排行：
“热门单位排行”反映的是哪些单位最常被玩家带上场。不过在断箭里，单位成本尤为重要——因为玩家都在固定收入的约束下博弈。为了更贴近“实际投入”，我们不只看出场次数，而是按整个v1.0.10 数据集中，各单位累计花掉的『调整后成本（TotalAdjusted Cost）』来排序，看看哪些单位被“真金白银”堆得最多。
考虑到篇幅与制作时间限制，本次正文仅展示Elo ≥ 2200 样本的单位榜单；其余分段的结果与明细，留在附录中供感兴趣的读者查阅。（这个表我就不翻译了，我觉得玩断箭的基本都看得懂）

表 3 列出了累计投入点数最高的前10 个单位。从这张表可以直观看到Tu-22M3 和 BMPT 终结者-2（Terminator-2）对整体对局生态的影响之大。需要提醒的是：本表按每种单位配置统计“总调整后成本”（TotalAdjusted Cost）。因此，可行配置很多、被分散到多个选项的单位，可能在这张榜单里被低估。
关于单位表现的数据体量非常庞大、也很复杂，确实能支持不同角度的解读。我们建议读者前往附录D，在那里可以下载完整的Excel 明细，涵盖0–1400、1400–2200、以及2200+ Elo 等多个分段的数据，方便深入研究。

附录A：Elo＞0 条件下的专精构筑：选择率与胜率

附录B：Elo＞1600 条件下的专精构筑：选择率与胜率

附录C：

附录D包括热门单位全ELO排行，热门单位ELO<1400排行，热门单位1400<ELO<2200排行，
热门单位ELO>2200排行。
但我真的不知道怎么发出来，原文Orbis用了4个很大的google excel文档，国内是访问不了google的，而且数据过于大了（包括了每种单位的选举率排名）。而且就算能访问，在贴吧里贴链接有很高的概率被删帖。对于这一点我还有点苦恼

好贴顶了

唉，美团

大佬6啊。这不加个精

好啊

我超，统计学大师！真王朝了。
很多观点跟我感知一致，近坦很多东西真该涨价，bmpt第一个，我感觉至少应该涨到230，250可能都行。

省流：