Global HashCost Index

Open indicator of Bitcoin’s production cost.

GHI – Global HashCost Index • API v1.1 • Methodology v1.0 • Engine v0.4.3-sandbox

Langue / Language : FR · EN

Sandbox Engine – Moteur de démonstration GHI

1. Rôle du moteur GHI

Le Sandbox Engine est un moteur synthétique utilisé pour démontrer la méthodologie du Global HashCost Index (GHI) et pour tester l’API publique dans un environnement stable.

Toutes les valeurs sont générées de manière déterministe, sans consommation de données réelles. Il s’agit d’un outil d’intégration technique et pédagogique.

Important : ce moteur n’est pas destiné à la prise de décision financière. Il sert uniquement à l’évaluation méthodologique et aux tests API.

2. Environnement Sandbox

  • moteur synthétique à données déterministes ;
  • alignement avec la structure officielle de l’API GHI ;
  • schémas de données stables pour l’intégration et les tests.

Caractéristiques essentielles

  • structure normalisée des régions pour /regions et /snapshot ;
  • endpoints complémentaires : /metadata, /network, /forecast ;
  • données cohérentes et reproductibles ;
  • tests automatisés continus sur le dépôt ghi-engine.

3. Architecture fonctionnelle

Le moteur se compose de modules clairs et isolés :

  • Générateur réseau : hashrate, difficulté, frais moyens ;
  • Coûts régionaux : min / avg / max synthétiques ;
  • Statistiques globales : agrégation régionale ;
  • Adaptateur API : formatage des réponses ;
  • Métadonnées : versionnement et horodatage injectés dans chaque réponse.

L’architecture est conçue pour être facilement lisible et auditable dans le code Python/FastAPI du dépôt GitHub.

4. Endpoints servis

EndpointDescriptionStatut
/v1/ghi/snapshot Coûts régionaux et statistiques globales Stable
/v1/ghi/history Séries historiques synthétiques Stable
/v1/ghi/regions Liste des régions GHI Stable
/v1/ghi/metadata Métadonnées API et moteur Stable
/v1/ghi/network Métriques réseau synthétiques Beta
/v1/ghi/forecast Prévision synthétique du coût moyen Beta

Pour les schémas contractuels complets, voir :
Documentation API v1.1
Spécification technique API (GitHub)

5. Garanties institutionnelles

  • Déterminisme total
  • Stabilité de schéma
  • Traçabilité des métadonnées
  • Transparence du code (open source)

6. Roadmap

  • intégration progressive de données réelles ;
  • segmentation plus fine par sous-régions ;
  • modélisation temporelle enrichie (halvings, chocs, saisonnalité) ;
  • indicateurs avancés pour institutions et chercheurs.

Les évolutions sont documentées dans le changelog.

Sandbox Engine – GHI Demonstration Engine

1. Engine purpose

The Sandbox Engine is a synthetic compute engine used to demonstrate the Global HashCost Index (GHI) methodology and to exercise the public API in a stable environment.

All values are deterministically generated, allowing reproducible results for technical and institutional users.

Important: this engine is intended for demonstration and technical integration only, not for financial decision-making.

2. Sandbox environment

  • synthetic deterministic engine;
  • alignment with the official GHI API structure;
  • stable schemas for integration and testing.

Main properties

  • normalised regional structure;
  • additional endpoints: /metadata, /network, /forecast;
  • consistent synthetic production-cost outputs;
  • continuous automated testing in the ghi-engine repository.

3. High-level architecture

  • Network generator
  • Regional cost module
  • Global statistics calculator
  • API adapter
  • Metadata injector

4. Powered endpoints

EndpointDescriptionStatus
/v1/ghi/snapshotRegional costs and global statsStable
/v1/ghi/historySynthetic historical seriesStable
/v1/ghi/regionsAvailable regionsStable
/v1/ghi/metadataAPI and engine metadataStable
/v1/ghi/networkSynthetic metricsBeta
/v1/ghi/forecastSynthetic forecastBeta

API v1.1 documentation
API specification (GitHub)

5. Institutional guarantees

  • Determinism
  • Schema stability
  • Metadata traceability
  • Open-source transparency

6. Roadmap

  • real-data integration;
  • deeper regional segmentation;
  • enhanced temporal modelling;
  • advanced indicators.