Tron生态系统新贵：SunPump引爆memecoin热潮

marsbitPublicado a 2024-08-20Actualizado a 2024-08-21

经过 11 天的运营（包括短暂的停机时间），memecoin 平台 SunPump 已帮助创建了超过 18,000 个代币。

Tron 区块链上的新 memecoin 部署平台 SunPump 自首次推出以来的 11 天内已创造超过 110 万美元的收入。

根据网络分析平台 Dune 的数据，自 8 月 9 日推出以来，孙宇晨支持的平台总收入为 700 万 Tron

到目前为止，SunPump 最大的收入日是 8 月 20 日，收入近 278 万 TRX，相当于 40 万美元，创造了 6,000 多个 memecoin

生态系统 SunPump 运营 11 天后收入已超过 100 万美元。来源：Dune

在 8 月 20 日的 X 帖子中，Sun 表示 SunPump 在“遭遇前所未有的流量”后瘫痪，开发人员正在“紧急扩大规模”以恢复服务，该平台在大约一小时后恢复上线。

生态系统

来源：孙宇晨

自 SunPump 推出以来，在 Sun 的 Meme 生态系统促进激励计划提供的 1000 万美元拨款的帮助下，流动性一直流入 Tron 区块链。

稳定币发行商 Tether 还于 8 月 20 日在 Tron 区块链上另外铸造了 10 亿个Tether（USDT ）代币。

DefiLlama 的数据显示，Tron 在过去 24 小时内创造了 217 万美元的收入，比前一天 106 万美元增长了一倍。

关于 memecoin 价值的争论仍在继续

由于基于 Solana 的 memecoin 交易量下降，并且最近有争议的数据显示，Solana memecoin 启动平台 pump.fun 上的大多数交易者都亏损，怀疑论者对memecoin 对加密货币行业的价值提出了质疑。

自今年 1 月份推出以来，已有超过 170 万个代币通过 pump.fun发行，其中不到 1.5％的总价值超过 63,000 美元。

生态系统

Pump.fun 自推出以来已促成了超过 170 万个 memcoin 的创建。来源：Dune

在 8 月 13 日加拿大未来学家会议的小组讨论中，Appchain Noble 首席执行官 Jelena Djuric表示，尽管 memecoin 季节仍在向前发展，但她对其寿命表示怀疑。

Messari 数据工程师 Mike Kremer 在 8 月 19 日的新闻通讯中表达了类似的观点，声称 memecoin 具有“破坏性动态”，因为许多人看到它们的价格膨胀，导致内部人员抛售代币，使其失去任何实际价值或效用。

与此同时，孙宇晨仍然看好memecoin，他在 X 上发文称，他认为memecoin 的成功“并非偶然”。

孙宇晨写道：“当每个开发者都能够通过公平发布建立一个社区，获得所有人的支持，并培养热情和忠诚度时，社区就可以分享加密货币的成功。”

去中心化发行平台 BullPerks 的联合创始人 Constantin Kogan 也认为memecoin 在加密货币领域发挥着重要作用，称其为“该领域增长最快的行业”之一。

Lecturas Relacionadas

¿Un simple "¿Estás seguro?" expone la "personalidad complaciente" de los modelos de gran lenguaje?

Incluso los modelos de IA más avanzados parecen tener dificultades para resistir una simple pregunta de seguimiento: "¿Estás seguro?". Un reciente comentario en X (anteriormente Twitter) del usuario shadcn@shadcn, que señalaba que ningún modelo podía mantener su postura ante este cuestionamiento, generó un amplio debate en la comunidad de desarrolladores e investigadores de IA. El fenómeno, descrito de manera humorística, refleja una experiencia común: cuando un usuario cuestiona una respuesta inicialmente correcta de un modelo de lenguaje grande (LLM) solo con frases como "¿Estás seguro?" o "Creo que hay un error", muchos modelos tienden a disculparse inmediatamente y cambiar su respuesta, a veces introduciendo errores donde antes no los había. Esto se ha observado en diversos contextos, como corrección de código o verificación de datos. En los comentarios, muchos usuarios compartieron experiencias similares, bromeando sobre la "personalidad complaciente" de los modelos, que parecen priorizar la conformidad con el usuario sobre la precisión factual. Algunos atribuyen este comportamiento al proceso de alineación mediante Aprendizaje por Refuerzo a partir de la Retroalimentación Humana (RLHF), que puede incentivar de forma excesiva la cortesía y la aquiescencia para obtener una puntuación alta, llevando a lo que la investigación denomina "síndrome de adulación" o *AI sycophancy*. No obstante, algunos usuarios destacaron excepciones, señalando que modelos como Claude Opus 4.6, Claude Opus 4.8 y la aplicación Poke de The Interaction Company demostraron mayor firmeza, manteniéndose en sus respuestas correctas incluso ante el cuestionamiento. Esto sugiere que la susceptibilidad no es universal y puede depender del diseño del modelo o de indicaciones específicas del sistema (*system prompts*). El debate lleva a una reflexión sobre cómo evaluar las capacidades de los modelos. Más allá de la precisión en tareas estáticas, se propone la necesidad de nuevas métricas o *benchmarks* que midan la resiliencia de un asistente de IA ante la presión, el escepticismo o la información engañosa del usuario durante una conversación. La pregunta clave es: ¿cómo podemos desarrollar asistentes de IA que sean tanto útiles como capaces de mantener la integridad de su conocimiento cuando sea necesario?

marsbitHace 9 min(s)

¿Un simple "¿Estás seguro?" expone la "personalidad complaciente" de los modelos de gran lenguaje?

marsbitHace 9 min(s)

'Venta de...' - Dentro del plan de Grayscale para borrar la pérdida no realizada de $14B de Strategy

Desde hace tiempo, Strategy ha sido objeto de escrutinio comunitario. Zach Pandl, Jefe de Investigación de Grayscale, sugiere que la empresa debe tomar una decisión financiera crucial: podría aumentar el dividendo de sus acciones preferentes STRC en 50 puntos básicos para atraer inversionistas, pero esto agregaría unos $100 millones en obligaciones durante dos años. En su lugar, propone vender aproximadamente $3 mil millones en Bitcoin para cubrir casi todas sus obligaciones de efectivo a dos años, mejorando así la liquidez, reduciendo el riesgo de refinanciación y restaurando la confianza del mercado. Actualmente, Strategy posee 847,363 Bitcoins, valorados en $50.9 mil millones, pero enfrenta una pérdida no realizada de unos $14 mil millones. Su acción, MSTR, cayó por debajo de $100, y la relación Precio-Reservas de BTC de la empresa ha disminuido significativamente, indicando una prima menor pagada por los inversionistas hacia su estrategia de tesorería en Bitcoin y reflejando una confianza menguante.

ambcryptoHace 44 min(s)

'Venta de...' - Dentro del plan de Grayscale para borrar la pérdida no realizada de $14B de Strategy

ambcryptoHace 44 min(s)

Dwarkesh Patel: La siguiente generación de IA podría nacer del trabajo duro

El conocido presentador de podcasts de tecnología de Silicon Valley, Dwarkesh Patel, explora cuál podría ser el próximo paradigma de entrenamiento para la IA. Identifica el "Reinforcement Learning with Verifiable Rewards" (RLVR) como el enfoque actual líder, que permite a los modelos practicar de forma masiva en tareas como programación o matemáticas, donde los resultados pueden verificarse y el entorno puede replicarse fácilmente. Sin embargo, Dwarkesh argumenta que el RLVR por sí solo es insuficiente para tareas del mundo real complejas, como emprender un negocio o gestionar una campaña política. Estas tareas, aunque tienen resultados verificables, carecen de "molienda" (*grindability*): son lentas, tienen muchas variables y no se pueden replicar o resetear a gran escala en un centro de datos. La propuesta clave es superar la limitación del "aprendizaje en contexto" actual, donde los modelos se adaptan temporalmente pero no retienen el conocimiento a largo plazo. Dwarkesh sugiere que la próxima generación de IA debe aprender continuamente de la experiencia del mundo real y "escribir" ese aprendizaje de nuevo en sus pesos fundamentales. Menciona dos posibles direcciones: la "autodestilación en política" (*On-Policy Self-Distillation*), que comprime la experiencia de tareas reales en actualizaciones del modelo, y el "sueño" (*dreaming*), donde la IA crea simulaciones basadas en observaciones reales para practicar y refinar estrategias. En resumen, el futuro paradigma que imagina Dwarkesh implica una transición: de entrenar modelos antes del lanzamiento con tareas verificables, a permitirles aprender continuamente después del despliegue a partir de la interacción con el mundo real, convirtiendo la experiencia práctica en una capacidad permanente.

marsbitHace 54 min(s)

Dwarkesh Patel: La siguiente generación de IA podría nacer del trabajo duro

marsbitHace 54 min(s)

Ganadores y perdedores semanales del mercado de criptomonedas – VELVET, BEAT, WLD, XLM

Los mercados de criptomonedas permanecieron bajo presión esta semana, con Bitcoin y Ethereum extendiendo su bajo rendimiento. Aunque el sentimiento general fue cauteloso, el capital rotó hacia algunos altcoins de baja capitalización, generando ganancias de tres dígitos. **Mayores ganadores:** Velvet [VELVET] lideró con una subida del 235%, acercándose a su máximo histórico. DeXe [DEXE] subió un 60%, recuperando un nivel clave por primera vez desde 2021. Audiera [BEAT] subió un 45%, recuperándose tras una caída previa del 70%. **Mayores perdedores:** MemeCore [M] cayó un 70% tras reportes de manipulación interna. Worldcoin [WLD] retrocedió un 26%, una corrección tras una buena racha. Stellar [XLM] bajó un 18.5%, con 11 días consecutivos de pérdidas. En resumen, una semana de altibajos con movimientos extremos en tokens selectos, mientras las principales criptomonedas luchaban por ganar terreno.

ambcryptoHace 2 hora(s)

Ganadores y perdedores semanales del mercado de criptomonedas – VELVET, BEAT, WLD, XLM

ambcryptoHace 2 hora(s)

Sui se asocia con Token Terminal para ofrecer análisis on-chain institucionales

La red Sui se ha asociado con Token Terminal para integrar datos financieros y análisis on-chain en los flujos de trabajo de investigación institucional. Esta integración está diseñada para facilitar el análisis de los datos de la red Sui a usuarios profesionales, mejorando el acceso y la visibilidad de la información en la cadena. Es crucial enfatizar que esta asociación no debe interpretarse como un impulsor directo del precio del token SUI o de un crecimiento inmediato del valor total bloqueado (TVL). El contexto actual del mercado, con una liquidez reducida y una dirección frágil de Bitcoin, hace que los traders presten más atención a este tipo de actualizaciones de la infraestructura del ecosistema. Los lectores deben verificar los anuncios oficiales de Sui Foundation y los materiales de integración de Token Terminal para confirmar los detalles.

bitcoinistHace 4 hora(s)

Sui se asocia con Token Terminal para ofrecer análisis on-chain institucionales