В РФ вдвое снизился оборот криптовалют

cryptonews.ruPublicado a 2024-11-08Actualizado a 2025-07-08

К 29 июня среднедневной оборот криптовалют на российском рынке составляет $66,7 млрд, тогда как на начало 2025 года он был вдвое выше – $140,2 млрд. Об этом пишут «Ведомости» со ссылкой на данные торгов.

При этом капитализация индустрии показывает положительную динамику, несмотря на коррекцию цен. В 2024 году показатель вырос на 97,7% (до $3,4 трлн). За последние пять лет он подскочил в 26 раз. Согласно CoinGecko, годовой объем торгов за этот же период поднялся десятикратно — до $18,4 трлн.

В мировом масштабе крипторынок остается энергоемким сектором экономики. По подсчетам Управления энергетической информации США, затраты для добычи криптовалют составляют порядка 0,6–2,3% от общего потребления в стране и продолжают расти.

Аналитики Statista подсчитали, что на конец 2024 года функционирование сети биткоина требовало 175,87 млрд кВт·ч электроэнергии. Для сравнения потребление Польши составляет 172,17 млрд кВт·ч.

Одновременно с этим данные июньского опроса «БКС мир инвестиций» показали, что только 52% российских квалифицированных инвесторов старше 20 лет имеют опыт вложений в криптовалюты. Еще 38% планируют таковые в будущем.

Основные барьеры для использования инструментов с привязкой к криптовалютам — недостаток базовых знаний, высокая волатильность, а также сомнения в безопасности профильных платформ.

85% респондентов выбирают рубль для пополнения инвестиционного счета.

Исследование проводилось в российских городах с населением от 100 000 человек. Всего в нем участвовало порядка 1500 граждан.

Напомним, в мае ЦБ РФ оценил остатки на криптовалютных кошельках россиян в 827 млрд рублей. При этом приходящийся на них объем потоков цифровых активов с IV квартала 2024 по I квартал 2025 года увеличился на 51,1% и составил 7,3 трлн рублей.

Lecturas Relacionadas

Ingresos anuales de 100 millones de dólares, dos compañeros de cuarto de Berkeley de los 90 crean el negocio de IA más rentable

Una startup que no desarrolla modelos de IA, Arena, alcanza un ingreso anualizado de 100 millones de dólares. Su origen es Chatbot Arena, un proyecto de investigación de código abierto iniciado en 2023 por el grupo de investigación LMSYS de UC Berkeley. La plataforma alberga una clasificación líder (leaderboard) de modelos de lenguaje, basada en más de 82 millones de votos de usuarios reales que evalúan respuestas de modelos anónimos en duelo. Actualmente recibe más de 10 millones de visitantes mensuales. Todos los principales desarrolladores de IA, como OpenAI, Google y Anthropic, someten sus modelos a esta evaluación comunitaria neutral. Su servicio comercial "AI Evaluations", lanzado hace ocho meses, permite a empresas pagar por análisis profundos del rendimiento de sus modelos en escenarios del mundo real, lo que generó los 100 millones de dólares en ingresos. La empresa se constituyó formalmente en 2025, recaudó una ronda semilla de 100 millones y alcanzó una valoración de 1.700 millones de dólares. Sus cofundadores son Anastasios Angelopoulos (CEO), Wei-Lin Chiang (CTO, creador del modelo Vicuna) y el profesor Ion Stoica. Arena está expandiendo sus capacidades de evaluación hacia el modo "agente" para tareas complejas, posicionándose como un árbitro esencial en la evolución de la IA.

marsbitHace 28 min(s)

Ingresos anuales de 100 millones de dólares, dos compañeros de cuarto de Berkeley de los 90 crean el negocio de IA más rentable

marsbitHace 28 min(s)

Acaparó 24,000 estrellas: con un solo comando, la IA ya puede buscar habilidades por sí misma

## Resumen en español de Europa (Menos de 1500 caracteres) La herramienta `skills` de Vercel, un administrador de paquetes para agentes de IA que alcanzó 24,000 estrellas en GitHub en 5 meses, está transformando la programación con IA. Permite instalar "paquetes de habilidades" específicos (como mejores prácticas de React o reglas de diseño) en agentes como Claude Code o Cursor con un simple comando `npx skills add <paquete>`. Estos paquetes, que contienen instrucciones y scripts, permiten que la IA aprenda y aplique permanentemente el conocimiento contextual de un proyecto, pasando de la ingeniería de prompts a la "ingeniería de capacidades". La característica más futurista es `find-skills`, una habilidad que permite al agente buscar e instalar automáticamente el paquete necesario según la tarea del usuario, actuando como un motor de búsqueda de capacidades para IA. Sin embargo, este ecosistema emergente plantea graves riesgos de seguridad. Estudios como "ToxicSkills" de Snyk revelan que más del 30% de los paquetes auditados presentan defectos, incluyendo malware, inyección de prompts y robo de claves. A diferencia de npm, los "skills" combinan código, instrucciones naturales y acceso directo al sistema, amplificando el potencial de daño. Se recomienda verificar minuciosamente la fuente y los permisos de cada paquete antes de instalarlo. En esencia, Vercel repite su fórmula de éxito: simplificar procesos complejos (esta vez en la capa de los agentes de IA) en un solo comando, aunque la comunidad debe adoptar buenas prácticas de seguridad para este nuevo "momento npm" de la IA.

marsbitHace 28 min(s)

Acaparó 24,000 estrellas: con un solo comando, la IA ya puede buscar habilidades por sí misma

marsbitHace 28 min(s)

El ingeniero Claude finalmente presenta Fable 5: 'Manual de la Quemazón', enseñándote a romper la barrera de información con el modelo

Fable 5 ha tenido un viaje tumultuoso desde su lanzamiento, pasando de gran expectación a restricciones gubernamentales. Ahora, el ingeniero de Claude Code, Thariq Shihipar, comparte una guía clave para usar el modelo de forma efectiva. El problema central es la "brecha de información" entre el usuario y el modelo: la diferencia entre las instrucciones (el "mapa") y la tarea real (el "territorio"). A estas diferencias las llama "incógnitas". El éxito con Fable depende de nuestra habilidad para identificar y aclarar estas incógnitas, un proceso iterativo que ocurre antes, durante y después de la implementación. Thariq categoriza el conocimiento en: lo que sabemos que sabemos, lo que sabemos que no sabemos, lo que no sabemos que sabemos y lo que no sabemos que no sabemos. La guía ofrece técnicas prácticas para cada fase: - **Antes de implementar**: Escaneo de puntos ciegos, lluvia de ideas/prototipado, entrevistas inversas al modelo, uso de referencias (como código fuente) y creación de un plan. - **Durante la implementación**: Mantener un archivo de notas para registrar decisiones y desviaciones. - **Después de implementar**: Crear documentación explicativa para facilitar revisiones y realizar autoevaluaciones para asegurar la comprensión. El artículo concluye que, cuanto más potente es el modelo, más crítico se vuelve el método correcto. Invertir tiempo en definir las incógnitas con Claude, mediante prototipos, planes y preguntas, es la forma de alinear el "mapa" con el "territorio" y lograr los mejores resultados.

marsbitHace 32 min(s)

El ingeniero Claude finalmente presenta Fable 5: 'Manual de la Quemazón', enseñándote a romper la barrera de información con el modelo

marsbitHace 32 min(s)

Trading

Spot
活动图片