若“现在能卖的”都已经在公众手里

公众流通盘就是 1,172,798 股，按 9/16 收盘 1.68 美元约 197 万美元。其中 644,062 股是上市时就有的公众盘（108 万美元），另 528,736 股是 0.87 美元买进、已经可以卖的定增股——按 1.68 美元算，这批股账面约为买价的 1.93 倍。

A 类不挂牌、投票权集中，本页不把它算进“公众可卖”；它随时可以 1:1 换成普通股，但换完仍是关联人股，每三个月最多约 383,866 股（见第 4 节）。

1. 股本很小、控制很集中：4,863,874 股里，挂牌交易的普通股只有 3,032,199 股；创始人 Koh 靠 1,831,675 股 A 类拿着 96.89% 的投票权，其他所有人的票加起来不到 4%。
2. 普通股的主人已经换了：上市时的公众盘和小股东股合计只剩 644,062 股，今年 1 月以 0.87 美元定增的 2,298,852 股占了普通股的 75.8%，其中一家香港公司 Lianyi 就占三分之一。
3. 今天能卖的约 117 万股，两周后约 294 万股：9 月 30 日和 10 月 2 日两批定增股先后持满六个月，可卖的普通股会从 38.7% 升到 97.1%；之后除创始人量限外，普通股几乎全部可卖。
4. 市场接不接得住：剔除 8/28 那一笔后，近 20 日日均约 2.1 万股、中位数约 1 万股。今天可卖的全部倒出要 55–114 个交易日；10 月 2 日之后是 139–287 个交易日。定增成本 0.87 美元，9/16 收盘 1.68 美元。
5. 还有没落地的三件事：F-1 单位发行（带可被并股压价的权证）、已批的 1:8 并股、两年内最多再并 1:50。它们不改变今天的数，但任何一件落地都要重算。
6. 两处原件自相矛盾要记住：年报与 F-1 的大股东表都没列定增的 5% 以上持有人（13D/13G 8 月才交）；10 月股东会决议写 All Wealthy 全部股改 A 类，实际只改了约 82%。

只报事实与直接含义，不做入选、过门、评分或买卖判断。

四个数

这四个数不能合成一句。「台账说有多少份」「实际取回多少份」「其中多少份能全文检索」「多少份只有图片」是四件事：份数对得上，不等于全文检索扫得到；扫得到，也不等于内容不在图里。

做法：① 重取 submissions JSON 并检查 filings.files[] 分片；② 对 71 个 accession 逐一下载 index.json，与本地文件按文件名和字节数比对；③ 用 pdftotext 转 8 份 PDF，逐份看字数判断是否扫描件；④ 把 186 份文本件全部重转为纯文本（此前只转了其中 107 份），合成 194 份检索基底；⑤ 抽出「含图且正文不足 600 字符」的壳文件，逐份读图；⑥ 用内容指纹扫一遍限流提示页（份数对、文件非空，但内容是「Undeclared Automated Tool」一类提示页，会同时骗过份数对账和 0 字节核查），并逐个查看异常小的 htm/txt；⑦ 用这套基底重跑页面里的每一条否定性结论。所有外部请求的 User-Agent 只用占位串。

为什么原来的基底不全：成稿时的转换脚本只扫了预设的几个目录（sec/2026-* 与 01_sec_filings_raw/2025-*、2026-* 及两个单点目录），2024 年那批 F-1/F-1-A 的附件、CORRESP、以及全部 PDF 与图片都没进基底——186 份文本件里当时只转了 107 份。申报件本身一份没缺，缺的是「可检索」这一层。本次补齐后重跑，页面结论没有需要更正的。

本页否定性说法的复核

凡是本页写「没有 / 未见 / 查不到」的地方，范围都是：2023-10-20 以来 71 份申报、563 份申报件里可全文检索的 194 份，加上 5 份图片版附件的人工读图。逐条复核结果：

未转文本的 369 张图片里，哪些是「正文在图里」

这 5 份是「份数看着对、全文检索扫不到」的那一类：HTM 壳文件正文都不到 600 个字符。读图范围：代理卡两页全读；两份租约读首页（当事人、期限、租金）；股票样票看图样。租约后续页（付款、维修、终止等条款）未逐页读，若后续要用租约条款需再读全 21 张。

指纹口径：为什么不能用「rate limit」这种宽子串

限流提示页的扫描，指纹写宽了会把真件当成提示页删掉——那比漏扫更糟。本页的扫描只用整句指纹（Your Request Originates from an Undeclared Automated Tool、Request Rate Threshold Exceeded、To allow for equitable access to all users、please declare your traffic by updating your user agent 等整句），短词一律不进指纹集：Rate Limit、Access Denied、403 Forbidden、automated tool 都已删掉。

加词边界并不能救短词。连字符是非单词字符，所以 \bRate Limit\b 照样命中 “sepa-rate Limit-ed Power of Attorney”这种正常文字（本轨当场验过：该正则对这句确实命中；本库里没有这句，但同型风险成立）。因此判断标准是整句，不是边界。

三步缺一不可（2026-09-18 定稿）。第一步转换：双栏排版的 PDF（联邦公报批准令那类）一律不加 -layout——加了之后页眉会插进跨栏句子中间，再怎么归一化都救不回来。第二步归一化：指纹与待搜文本走同一条管线——剥 script/style → 剥 HTML 标签 → 实体还原（&nbsp; 等）→ NFKC 归一 → 显式删软连字符 → 显式折破折号族（U+2010–2015、U+2212、全角 U+FF0D）→ 连续空白折单空格 → 转小写 → 再取一份「只留字母数字」的变体，与上一步结果作 OR；注意：NFKC 既不折破折号、也不删软连字符——本机 python3 实测 U+2013 – / U+2014 — / U+2212 − / U+00AD 经 NFKC 全部原样不变，只有全角 U+FF0D － 会折成 -，所以这两步必须各写一步显式做，不能记在 NFKC 头上（本页早先版本写成「NFKC 归一（破折号、软连字符、全角）」，是错的，照抄的人会以为自己做过折叠，2026-09-18 更正）。最后那步「只留字母数字」的变体只用于整句指纹，三字母以内的短词禁用（会粘连误命中），它只加召回、不加误报；但它不能替代剥标签，两条纪律同时成立；不能用「剥掉全部非字母数字」代替剥标签，否则 <b>Your</b> Request 会变成 byourbrequest，反而匹配不上。第三步对照：先用人造样本验筛法抓得住，再把「0 命中」当结论。

对照结果（公共对照件四份：NVNIClaude 三份 + ZJYLClaude 词内断版）。规整版、难版（断在词与词之间：整句被换行、&nbsp; 与 <b>/<span> 打断）、词内断版（断在单词内部：Unde<span>clared</span>、de<b></b>clare、Automated&shy;、表意空格）、阴性版（含 “sepa-rate Limit-ed Power of Attorney” 这类正常合同文字）。两类断法都要过才算合格：只拿词间难版过闸会误判自己合格，因为它六步就能全中，验不出词内那个漏。「本件含 N 条」一律读原文肉眼数，不用管线也不用特征词探针去数——用管线数分母，等于拿被检验的东西证明自己（管线漏一条、分母跟着少一条，照样满分）；连朴素探针也不够，词内断版里 undeclared、declared 的字面计数都是 0。

后两行是关键：本轨早先几轮用的写法会把断行断标签的提示页整条漏掉（0 处），而「漏掉」和「语料干净」在结果上长得一样；只剥标签仍不够——剥标签时标签位置变成空格，词内断标签就变成了断词（Unde<span>clared</span> → “unde clared”），词内断版因此只中 2/4，补上「只留字母数字」的变体才补齐 4/4。换完整管线后重扫，1,193 个申报件与派生文本仍是0 命中，且取件失败 0 件、解析失败 0 件——三种状态分开计数，失败件不混进「已扫」，这个 0 的分母才是被证明过的（把读不出的文件静默跳过，不是漏扫几件，而是把分母做假）。另外命中也不等于结论：剥标签后相邻单元格会被粘成整句（<td>Request Rate</td><td>Threshold</td> 之类），扫出命中必须回看原文再决定，不能直接当成限流页删件。扫描范围排除本轨自己的回查笔记与页面副本（READY、COVERAGE、本节正文都引用了这些字样，会自我命中）。定稿脚本：deep/work/basis/stubscan.py，每次扫描前先跑这四份对照。最后一条，也是本轮最贵的一条：得到「0」或「完全一致」时，先怀疑自己的工具，而不是先下结论。本轨在这一轮里就栽过一次——扫 HTML 注释时报「0 条注释」，据此差点断言别席的发现在本票上不成立，实际原因是本轨自己的正则把注释长度截在了 120 字符；去掉上限后全部找到。同一晚另有几席分别栽在正则长度上限、比对行数上限、以及剥标签时把要找的标签本身剥掉。四次都不是数据的问题，是工具悄悄替自己划了范围而没察觉。所以对照件要证明的有两件事：筛法抓得住，以及筛法没有被自己截短。本轨第二处自设上限就是这样查出来的：剥标签的正则原写作 <[^>]{0,400}>，而本库超过 400 字符的 <…> 匹配有 76,203 个，其中真标签 73,293 个（最长 1,051 字符）——超长标签剥不掉，残留的尖括号会把整句劈开，方向是假阴性（本该命中却查不到）。已改为无上限的 <[^>]*>（它本来就是线性匹配，上限换不来任何好处）。但去掉上限必须与另一条配套：不要在已经实体还原过的文本上再剥一次标签。无上限时，正文里的裸 <（如 p < 0.0001、<3m）会一路吃到下一个 >，把真正文一起吃掉；带帽时最多吃 400 字符，去帽反而更严重——只做前者是净亏。本轨的扫描输入确实含自己预抽取的 199 份文本件，已按此加了不剥标签的变体与主路径作 OR（只加召回）。本票实测未因此漏判：转出文本里最长被吃段仅 8 字符（都是 </table> 一类真闭标签）、0 处含指纹，语料里跨几百字符的裸 < 逐个核过全部落在 uuencode 区块内，是二进制不是正文。去掉上限并加上该变体后重扫全库，四份对照仍全过、命中仍为 0，结论不变，但这个 0 现在是无上限剥标签得出的。值得记一笔的是第一次对照没造对：把超长标签放在目标整句之外，两种写法都命中，等于什么都没证明；长标签只有落在整句内部才会劈开它。本票超出上限的真标签是 <TD>（57,174 个）与 <P>（16,038 个），都是 EDGAR-HTML 写在单元格上的超长内联 STYLE；另有 2,910 处落在 begin 644 … end 的 uuencode 区块内，是二进制、不是标签（这一类最长 18,136 字符）。判法与范围写在数旁边：范围是本票扫描基底 1,193 件（自有申报 921 + 转出文本 199 + index.json 71 + 行情 JSON 2，不含他司申报）；判法是先按 begin 644 … end 定位 uuencode 区块、以偏移判类，且分类器用语料里的真样本自检过。本页早先一版把 18,136 写成「最长标签」是错的——那是区块内的二进制，真标签最长 1,051，差 17 倍；错因是第一版分类器只看「首 token 像不像标签名、内部有无 <」，而 uuencode 行两条都满足（2026-09-19 更正）。标签族也不能照抄别票：本票 ix:nonFraction 共 17,946 个但超过 400 的是 0 个，所以「行内 XBRL 包住句中数字」那个机制在本票不触发；被咬的是 <TD>/<P> 的长内联样式。这类上限在各票上普遍会咬到真标签。曾有席位先报「自己不受影响、超长的全是二进制噪声」，后来自行推翻——错因是只看了其中 3 条样本，结论却说的是那一整批。所以别家的「不受影响」不能拿来套用，只能各自实测；同理，抽样看过几条与把那一批都看过是两回事，后者才支撑得起结论。（本页不引用别票的具体数字，也不做跨票比较：各票基底构成不同——有的把附件解码成图片落盘、有的仍以 uuencode 内嵌在提交件里，同名的数不是同一个口径。）

本票的判法（分层，且先问「这个文件本来该不该含标记」）。①自抽文本层（本轨自己转出的 .txt、pdftotext 产物）：本不该含标记，其中任何 <…> 一律判为正文；②原件层：再依次走「按文件类型排除二进制 → 看偏移是否落在 begin 644 … end 区块内 → 看非可打印字符占比 → 最后才看结构」。两处细节都踩过坑：非可打印要用占比而不是「必须全为 ASCII」（招股书正文里花引号、破折号、±、细空格随处可见，硬条件会把真正文误判成二进制，更危险的是若拿它去过滤语料而不只是分类，会静默丢掉真正文）；结构判据里 < 后不允许有空白，否则合同正文里的 < Signature page to follow > 会被当成标签名加属性——本轨原来的写法就有这个毛病，已改；改前改后全库各跑一遍，本票两套结果完全相同，因为本票没有这种写法。还有一类判不出来：把尖括号当引号用的正文（< transferred from the original contract>）与真标签结构上完全同形，只能靠「这条匹配来自哪儿」判，靠「长什么样」判不出来——这正是要先分层的原因。按此判法，本票 76,203 个超长匹配里真标签占 96.2%（73,293 个），其余全在 uuencode 区块内。

要说明是什么挡住了本票，不记成判法的功劳。本轨扫描集按扩展名只收 htm/html/txt/xml/json/xsd，本票 419 张 .jpg 从未进入扫描集——这是扫描集设计挡住的，不是判法挡住的。把这 419 张当二进制全量试判，其中超长匹配 7,312 个，早期只看结构的判法会把 55 个误判成真标签。另按「技术指标里的 <N 单位」（如 <1 meter、<10ms）全库查过一遍——这类写法多短于 400 字符，在「超长统计」里根本看不见，却正是「先还原后剥标签」会吃掉的真正文：本票 0 处。

在本票语料上实测过两种口径的差别：宽子串 rate limit 会命中 12 处，全部落在开曼章程（EX-3.1 与其所在整份提交、以及转出的文本）里的一句普通条款——“…transfer and be registered by way of continuation as a body corporate limited by shares under the laws of any jurisdiction outside the Cayman Islands…”，即 corporate limited 被拆开误匹配。换成整句/词边界指纹后命中 0。本席当初用的就是整句指纹、命中 0，没有因此删除或重新下载过任何文件。

比指纹更硬的一道核：字节数。563 份申报件里 560 份与 SEC 索引给出的字节数完全一致，其余 3 份是 Form 3 的 ownership.xml，各差 3 字节且能完整解析。限流提示页体积约 2–4 KB，不可能与索引登记的字节数逐份对上，所以「份数 + 字节数 + 整句指纹 + 小文件人工看」四道一起用，才能排除「非空但没内容」。

两套计数口径：目录项数 ≠ 提交件内文档数，别相减

同一份申报有两种数法，本页四个数用的是前一种：

• SEC 目录口径（本页采用）：从每个 accession 的 index.json 出发，去掉 EDGAR 自动生成的查看器件（R*.htm 渲染页、FilingSummary.xml、MetaLinks.json、Show.js、report.css、xbrl.zip、内联 XBRL 实例）与整份提交 txt 自身，得到563 份真申报件，本地 563 份全在。
• 整份提交件内口径：把每个 accession 的整份提交 txt 打开数 <DOCUMENT>，全库合计 890 份。这个数更大，因为提交件内部把 R*.htm 渲染页按 TYPE=XML 也算成文档。

表单份数一律按申报台账的 form 字段算，不按文件名或目录名筛。本地目录名存在写法差异（本票就有 F-1-A 目录对 F-1/A 字段、SCHEDULE_13G 目录对 SCHEDULE 13G 字段），按名筛会漏。本页涉及表单份数的几处原就是按 form 字段算的，2026-09-18 复算一致：POS AM 2 份、Form 3 9 份、Form 4 0 份，合计 71 份。

两个数不能相减当缺口。本轨的实物核对是逐个文件名比对：890 个 <FILENAME> 里，本地不存在的 92 个全部是 R*.htm 一类的渲染件，真申报件一件不缺。另外要注意整份提交件的本地命名不统一——本票就有目录存成 _complete_submission.txt（名字里没有 accession），按「文件名以 accession 开头」找会以为只有一个文件，实际上那一个文件里装着整份提交。

件号检索只搜数字部分。连字符、短破折号（–）、长破折号（—）混用会让字面检索返回假的 0 次；还有一种不是写法差异而是排版造成的——PDF 换行会把空白塞进件号内部。本轨核纳斯达克批准令时实测：字面搜 SR-NASDAQ-2020-001 得 0 处，折破折号族 + 折连续空白之后仍是 0 处，只有把空白全部删掉才现出 2 处——原文实作 SR- 换行 NASDAQ-2020-001。可见「折空白」与「删空白」不是一回事，只搜数字位是唯一稳的写法。所以查登记号/批准令号一律只搜数字：本轨用这个写法复核了三条「查不到」类结论——IPO 注册号只搜 276674：全库 65 处命中，2025-04 之后的全部是描述性引用，没有后效修正或补充招股书；S-8 注册号只搜 289327：6 处命中，全是 6-K/20-F 里「并入该 S-8」的固定句，没有授予或发股；9/11 那份 F-1 在全库里搜不到已分配的 333- 号（封面就是空号），与「未生效」一致。三条结论都站得住，不是写法造成的假空集。