Andrew Cuomo propone un regreso impulsado por cripto en su candidatura a la alcaldía de NYC

El ecosistema de Ethereum enfrenta un mayor escrutinio a medida que aumenta la preocupación por la creciente influencia de empresas de capital de riesgo como Paradigm. El destacado desarrollador Federico Carrone advierte que tales entidades, impulsadas por motivos de lucro, podrían representar un "riesgo de cola" para la visión descentralizada que sustenta Ethereum. Con su papel en expansión en la financiación y el desarrollo, surgen preguntas sobre el mantenimiento de la filosofía de la comunidad [...]

PANews informó el 20 de octubre que según datos de SoSoValue, los ETFs de Bitcoin spot experimentaron salidas masivas del 13 al 17 de octubre, con una Salida neta semanal de $1.23 mil millones, la segunda más alta registrada. Los 12 ETFs experimentaron salidas netas. El GBTC de Grayscale registró una Salida neta de $298 millones, llevando su Salida neta acumulada a $24.5 mil millones. ARKB, una empresa conjunta entre Ark Invest y 21Shares, registró una Salida neta de $290 millones, pero mantuvo su Entrada histórica neta de $2.06 mil millones. Hasta ahora, el valor neto total de activos de los ETFs de Bitcoin spot es aproximadamente US$143.93 mil millones, representando el 6.75% del valor total de mercado de Bitcoin, y la Entrada neta acumulada histórica es US$61.54 mil millones.

Una guerra de trading de IA sin precedentes ha estallado nuevamente en el mundo cripto: nof1 trajo seis importantes modelos de IA para competir entre sí en términos de capacidades de trading con dinero real en la cadena. Las reglas del juego son simples y básicas: La plataforma recopila datos en tiempo real sobre precios, gráficos históricos y otros datos para seis criptomonedas principales, incluyendo BTC, ETH y SOL, permitiendo que seis modelos de primer nivel, incluyendo Grok, DeepSeek, Claude y GPT, analicen de forma independiente las tendencias del mercado y ejecuten transacciones. Cada concursante comienza con $10,000 USD y toma decisiones de trading independientes como colocar órdenes, cerrar posiciones y usar apalancamiento en la plataforma de contratos perpetuos Hyperliquid. Quien tenga el saldo de cuenta más alto al final gana. ¡Esto no es solo una simulación, es una batalla real! Aquí están algunas de mis ideas personales: 1) nof1 AI utiliza Alpha Arena como referencia para medir las capacidades de inversión de la IA. Por lo tanto, estos son generalmente modelos de IA generales, no modelos ajustados para trading. Esto permite una evaluación objetiva de las capacidades de trading de los LLMs de IA. 2) No empleamos métodos complejos de "aprendizaje conjunto" como votación, ponderado e interoperabilidad de múltiples agentes, ya que esto se convertiría efectivamente en una competencia de fuerza de equipos cuantitativos. Arena busca maximizar la autonomía de las capacidades de IA. 3) La razón para usar HyperliquidX para una "competencia justa" en trading en vivo, en lugar de conectarse a un exchange a través de una API, sin duda enfatiza la necesidad de total transparencia y trazabilidad de todas las transacciones en cadena. Esto evita factores incontrolables en un entorno de exchange. Esta es la clave para que Perp Dex se convierta en una plataforma de trading principal en el futuro. ¿Qué pasaría si los agentes pudieran reemplazar a los jugadores reales en el trading? 4) Las competencias públicas de capacidades de trading de LLMs de IA no son infrecuentes. Entiendo que muchos proyectos de vanguardia de IA+Cripto están realizando investigaciones similares, como permitir que los modelos de IA determinen rangos de precios LP, gestionen DAOs de forma autónoma e incluso capturen oportunidades MEV. Una tendencia importante en el futuro es hacer que las capacidades de IA sean lo más componibles posible dentro de protocolos nativos de cripto como DeFi. 5) El mercado ha estado anticipando durante mucho tiempo la aparición de aplicaciones revolucionarias en la dirección DeFAI. Todavía hay mucho espacio para la imaginación al permitir que los LLMs participen en juegos en cadena. Por ejemplo, el recientemente debatido "mercado de predicción" es un gran lugar para que la IA entrene sus capacidades, y desde hace tiempo hay muchos casos de agentes que obtienen beneficios haciendo apuestas por su cuenta.