蓝队已经反超红队的代价点余额！而且他们虽然连输两件物品，但代价点收益更高！
“他们在故意输物品，狂刷代价点！”徐景深反应过来，“他们的策略是：每轮报一个极低的负数，确保失败，从而赚取高额失败费！他们根本不在乎物品，只在乎代价点！”
江述感到后背发凉。对了，蓝队落后，物品对他们意义有限。他们真正需要的是筹码追分。而代价点1:1转筹码，所以他们专注最大化代价点收益，哪怕放弃所有物品！
而红队还在纠结“赢物品”，结果赢了两件价值不高的物品，代价点收益却落后了！
“最后一件物品C，筹码翻倍权。”谢知野声音低沉，“这是最有价值的物品，我们必须重新考虑。”
物品C的价值显而易见：最终结算时总筹码增加20%。如果红队最终有10000点，加成后就是12000点，净增2000点。这比任何代价点收益都大。
但问题是，如果红队为了赢物品C而报高负数，获胜后虽然获得物品C，但代价点收益可能不如蓝队；如果红队也学蓝队专注刷代价点，放弃物品C，那么蓝队将获得这个关键物品，在最终结算时可能翻盘。
两难。
“计算。”江述强迫自己冷静，“我们现在总筹码4500点，假设后两轮表现平均，最终可能达到……7000点左右？加成20%是1400点额外筹码。物品C的价值约等于1400筹码。”
“而代价点转换是1:1。”徐景深接话，“如果我们这轮赚取X点代价点，就等于赚X筹码。所以我们需要比较：赚取X代价点 vs 获得物品C（价值约1400筹码）。”
“但物品C的价值取决于我们最终总筹码。”谢知野指出，“如果我们后两轮表现好，最终达到10000点，物品C价值2000点；如果表现差，最终只有5000点，物品C价值只有1000点。变量太大。”
“蓝队现在代价点3375，我们2800，差575点。”江述看着数字，“如果我们想反超代价点，需要这轮赚得比他们多至少576点。但如果我们想赢物品C，可能需要报一个极高的负数，那样即使获胜，代价点收益也可能不如他们。”
计时器开始：第三件物品拍卖，3分钟讨论。
压力如山。前两轮的策略失误已经让红队陷入被动。现在最后一个决策，可能直接决定整场赌局的走向。
“假设蓝队延续策略，报一个极低负数专注刷代价点。”徐景深快速建模，“他们会报多少？-5000？-10000？理论上没有下限，但系统可能设定了某个范围，或者……”
“或者他们可能预判我们会抢物品C，所以故意报一个不那么低的负数，诱导我们报更低，然后他们失败赚高额失败费，同时让我们以极高成本获得物品C。”谢知野说，“这是双重打击：他们赚大量代价点，我们虽然获得物品C但付出巨大代价点成本。”
江述闭眼思考。博弈树在脑中展开：红队有两条路——抢物品C，或抢代价点。蓝队也有两条路。组合起来四种可能，每种结果的收益都需要估算。
但时间不够做精确计算。
“直觉。”江述睁开眼，“我的直觉是：蓝队会继续刷代价点，报一个极低负数，比如-10000。因为他们已经靠这个策略在代价点上反超，没理由在最后一轮改变。而如果我们想赢物品C，需要报一个比他们更高的负数，比如-8000（因为-8000 ＞ -10000）。但这样我们获胜支付-8000，赚8000代价点；他们失败支付-5000，赚5000代价点。我们净赚3000点代价点优势，同时获得物品C。”
“但-8000点代价点……”徐景深声音发干，“如果我们支付-8000，代价点余额变成2800+8000=10800点。转换后就是10800筹码。加上我们现有4500筹码，总共15300筹码，再加物品C的20%加成……”
“等等。”谢知野打断，“代价点转换是‘剩余代价点’转换。如果我们支付-8000，是增加8000到余额，没错。但如果我们获胜，获得物品C，代价点余额确实会变成10800。但蓝队如果失败，支付-5000，增加5000到余额，变成3375+5000=8375点。差距是2425点。”
他顿了顿：“但这里有个问题：我们支付-8000，真的是‘增加8000’吗？还是说‘支付-8000’意味着我们的代价点余额减去(-8000)？”
三人同时愣住。
对了，“支付-300点代价”在第一轮结算时被解释为“增加300点代价点余额”。所以支付负数就是增加余额。
那么如果红队支付-8000，就是增加8000；蓝队支付-5000（失败费是-10000的一半），就是增加5000。