火币高管面对面|火币 HTX 资产负责人 Jasper 详解优质资产捕捉法则

深潮TechFlowPublicado a 2025-08-10Actualizado a 2025-08-11

Resumen

为了尽可能捕捉潜在优质资产,火币HTX建立了一套健全的研判与评估体系。

近期,火币HTX新上线资产表现亮眼,尤其是$TREE(Treehouse)于7月29日上线后,迅速冲上平台热榜,首日涨幅更是高达6倍,引发市场关注和热议。


8月7日,火币HTX资产部门负责人Jasper受邀出席“火币高管面对面”第三期,围绕火币HTX新资产筛选机制、“长牛潜力股”的关键指标等话题,详细回应了来自X、社群及HTX DAO委员的问题。


新资产筛选机制:严谨评估,捕捉优质潜力股


为了尽可能捕捉潜在优质资产,火币HTX建立了一套健全的研判与评估体系。
据Jasper介绍,对于已上线交易所的项目,火币HTX会重点关注其后续发展情况,评估项目是否在持续推进;对于尚未发币的项目,在评估过程中会综合参考链上多项关键指标,包括持仓分布、链上活跃度、智能合约是否存在漏洞或后门风险,以及项目估值的合理性等,确保筛选出的项目具备良好的潜力和安全性。
“火币HTX会提前长达一年时间跟踪、锁定可能发币的潜力项目,并通过两到三轮的深度评估来判断是否具备上线资格。纬度包括项目团队背景、投资机构、赛道、反洗钱、KYC、合约安全性、实际运营进展、相关流量数据、产品概况、社群热度、社媒口碑、经济模型、筹码分布、链上数据是否真实等,同时借助RootData、Glassnode、CertiK等数据平台来验证链上的数据和合约安全性,确保数据的准确和全面。”


Jasper强调,判断项目“长牛”潜力的关键在于其赛道的刚需属性。例如,AAVE、UNI、LINK、TRX等与DeFi和基础设施相关的项目,真正满足行业核心需求,且具备稳定流水和盈利能力,因而被视为刚需产品,长期表现看好。相反,那些依赖包装概念、虚假数据或伪需求炒作的项目,火币HTX 会通过评估体系及时识别并筛除。


Jasper介绍称,如此严谨的筛选保证了90%以上的重点项目不会被错过。即便如此,对于一些市场热度极高但整体估值和市场反馈不理想的项目,比如“PUMP”类资产,火币HTX 也会果断拒绝上线,因为这本质上是一场赌局,宁可错过,也绝不盲目追高。“今年以来,火币HTX已成功规避了至少三个爆雷项目,充分证明了这一评估体系的可靠性。”


探索资产观察与创新区分层,助力社区参与与透明投资


为增强社区的参与感和信息透明度,火币HTX还在积极探索“资产观察名单”和“试运营区”的创新机制。


Jasper 透露,HTX DAO发起的投票荐币本质就是一个观察区,DAO社区成员可以通过投票推荐和评审潜力项目,成为官方筛选流程的重要补充。同时,火币HTX 在今年第二季度开设了创新区版块,专门用于展示确定性较低、波动较大的早期项目或 Meme 币;主区则保留给更加成熟和优质的资产,帮助用户在不同风险偏好之间进行选择。


直播中,Jasper坦言,没有任何一家交易所能保证每个上线项目都会有出色的表现,哪怕是币安、Upbit 这样的头部平台也不例外。


“交易所只是一个提供资产流通的场所,只在中间收取合理手续费,不会控制币种的涨跌。代币价格波动受项目方实力、做市策略、经济模型、市场情绪、社区热度、大盘走势、估值合理性等多重因素影响。投资者在进入市场前必须做好充分调研,理性判断,为自己的决策负责。”

Lecturas Relacionadas

Tres años después: Una revisión de mis predicciones sobre ChatGPT en 2023

Tres años después: Revisando mis predicciones sobre ChatGPT en 2023 En marzo de 2023, tras el lanzamiento de ChatGPT, Wang Jianshuo hizo 20 predicciones intuitivas sobre la IA. Ahora, en mayo de 2026, un sistema con 41 agentes de IA las ha reevaluado con datos actuales. **Resultados clave:** * **Aciertos (dirección general):** La arquitectura RAG se convirtió en estándar para integrar conocimiento. La Interfaz de Usuario de Lenguaje (LUI) creó una nueva capa de interacción (ej. protocolo MCP). Surgieron redes de agentes autónomos que se comunican. China desarrolló modelos grandes útiles (ej. DeepSeek), cerrando la brecha técnica. Los LLM no tienen conciencia; el Test de Turing solo mide la apariencia. * **Errores/Matices:** La predicción de que GPT-4 tendría 100 billones de parámetros fue incorrecta (≈1.8B). Los LLM **sí** pueden hacer matemáticas complejas sin herramientas externas (ej. medallas IMO 2025). El valor no migró solo a la capa de aplicación; NVIDIA (capa de hardware) capturó gran parte. El contenido generado por IA no evade automáticamente los derechos de autor (multas multimillonarias). La IA personalizada crea, no reduce, "cámaras de eco". Los costes de entrenamiento de modelos líderes superaron con creces la estimación de 5-10 mil millones de dólares. **Lecciones aprendidas:** 1. Predecir **mecanismos y direcciones** es más fiable que dar cifras o declaraciones absolutas. 2. Se tiende a **sobreestimar la velocidad** de cambio a corto plazo y **subestimar su magnitud** a largo plazo. 3. Los promedios generales (ej. "no habrá desempleo masivo") pueden ocultar **impactos distributivos** severos (ej. en jóvenes). 4. Las afirmaciones con **matices y limitaciones** envejecen mejor. 5. Tres años no son suficientes para resolver debates fundamentales (ej. valor final, consciencia de la IA). Este ejercicio subraya la dificultad de hacer predicciones precisas en un campo en rápida evolución y la importancia de la humildad al proyectar el futuro.

marsbitHace 10 min(s)

Tres años después: Una revisión de mis predicciones sobre ChatGPT en 2023

marsbitHace 10 min(s)

Tres años después: Volviendo a mis juicios sobre ChatGPT en 2023

En marzo de 2023, Wang Jianshuo hizo veinte predicciones sobre ChatGPT. Tres años después, en 2026, un análisis con múltiples agentes de IA evalúa su precisión. Aciertos clave: predijo correctamente el auge de RAG como arquitectura estándar para conocimiento y reducir alucinaciones, la LUI (interfaz de lenguaje natural) como nueva capa de interacción (aunque no reemplaza a la GUI), y la aparición de redes de agentes autónomos con nuevos protocolos de direccionamiento. También acertó en que China desarrollaría modelos de IA útiles (como DeepSeek) cerrando rápidamente la brecha, y en que ChatGPT carece de consciencia real, pasando el test de Turing por mera apariencia. Otras predicciones válidas fueron que no causaría desempleo masivo (aunque afectó a jóvenes), que 2023 sería un gran año para startups de IA, y que el momento fue similar al del navegador web en 1994. Errores notables: su estimación de que GPT-4 tendría 100 billones de parámetros fue incorrecta (tuvo ~1.8 billones). Se equivocó al declarar que era "imposible" que los LLM hicieran matemáticas complejas sin herramientas, ya que luego ganaron medallas en la Olimpiada Internacional de Matemáticas. También erró al sugerir que el valor se capturaría en la capa de aplicación y no en la base, subestimando el dominio de NVIDIA (capa de hardware), y al pensar que el contenido generado por IA "evitaría" problemas de copyright, cuando han surgido multas históricas. Además, la idea de que los LLM promoverían un "consenso mundial" al promediar opiniones se volvió incorrecta, ya que ahora priorizan la personalización y pueden crear nuevas cámaras de eco. Conclusiones: Sus predicciones sobre mecanismos y direcciones fueron mayormente acertadas, pero falló en números específicos (costes, parámetros) y en subestimar la complejidad de la distribución del impacto (ej. quién gana o pierde con la IA). Tendió a ser demasiado optimista a corto plazo pero conservador sobre los límites a largo plazo. El ejercicio subraya la importancia de predecir tendencias en lugar de cifras exactas y de dejar margen para la incertidumbre.

链捕手Hace 2 hora(s)

Tres años después: Volviendo a mis juicios sobre ChatGPT en 2023

链捕手Hace 2 hora(s)

La reducción del 99% en el precio del Xiaomi MiMo no es una estrategia de marketing. Luo Fuli publica en X respondiendo a los pesimistas.

**Resumen: El descenso del 99% de Xiaomi MiMo: Una victoria de la ingeniería, no del marketing** El anuncio de Xiaomi de reducir hasta un 99% el precio de las API de su modelo MiMo-V2.5 generó escepticismo, interpretado como una guerra de precios o una maniobra desesperada. Luo Fuli, responsable de MiMo, respondió con un blog técnico detallado, demostrando que la rebaja es el resultado de seis optimizaciones de ingeniería sistemáticas, no una táctica de marketing. La clave es el descuento del 99% aplicado específicamente a la entrada de tipo "Cache Hit" (contexto histórico re-leído). Para lograrlo, el equipo implementó: 1. **Arquitectura Híbrida SWA:** 60 de las 70 capas del modelo solo atienden a los 128 tokens más recientes, reduciendo el volumen de la "memoria" del modelo (KVCache) a 1/7. 2. **Gestión de Memoria en Dos Piscinas:** Asigna memoria por separado para las capas con atención completa y las de ventana deslizante (SWA), liberando realmente la capacidad ahorrada y quintuplicando los usuarios concurrentes por GPU. 3. **Cache de Prefijos Mejorado:** Un nuevo sistema garantiza que solo se reutilicen fragmentos de contexto completos y válidos, logrando una tasa de acierto en caché del 93-95% para peticiones de usuarios frecuentes. 4. **Almacenamiento en SSD Integrado (GCache):** La caché distribuida se aloja en los discos SSD de las propias máquinas con GPU, eliminando costes adicionales de almacenamiento. 5. **Sistema de Enrutamiento Inteligente (LLM-Router):** Dirige peticiones similares a la misma máquina y prioriza las que aciertan en caché, mejorando el rendimiento y la latencia. 6. **Predicción Multi-Token (MTP):** Acelera la generación de respuestas del modelo prediciendo varios tokens a la vez, reduciendo también el coste de la parte de "salida". En conjunto, estas innovaciones redujeron el tiempo de GPU por petición en más de un orden de magnitud, haciendo posible el descuento del 99% manteniendo márgenes positivos. Luo Fuli subraya que este es un logro de ingeniería sistémica, un modelo de reducción de costes verificable que trasciende la mera competencia por precios.

marsbitHace 5 hora(s)

La reducción del 99% en el precio del Xiaomi MiMo no es una estrategia de marketing. Luo Fuli publica en X respondiendo a los pesimistas.

marsbitHace 5 hora(s)

Trading

Spot
Futuros

Artículos destacados

Cómo comprar HTX

¡Bienvenido a HTX.com! Hemos hecho que comprar HTX DAO (HTX) sea simple y conveniente. Sigue nuestra guía paso a paso para iniciar tu viaje de criptos.Paso 1: crea tu cuenta HTXUtiliza tu correo electrónico o número de teléfono para registrarte y obtener una cuenta gratuita en HTX. Experimenta un proceso de registro sin complicaciones y desbloquea todas las funciones.Obtener mi cuentaPaso 2: ve a Comprar cripto y elige tu método de pagoTarjeta de crédito/débito: usa tu Visa o Mastercard para comprar HTX DAO (HTX) al instante.Saldo: utiliza fondos del saldo de tu cuenta HTX para tradear sin problemas.Terceros: hemos agregado métodos de pago populares como Google Pay y Apple Pay para mejorar la comodidad.P2P: tradear directamente con otros usuarios en HTX.Over-the-Counter (OTC): ofrecemos servicios personalizados y tipos de cambio competitivos para los traders.Paso 3: guarda tu HTX DAO (HTX)Después de comprar tu HTX DAO (HTX), guárdalo en tu cuenta HTX. Alternativamente, puedes enviarlo a otro lugar mediante transferencia blockchain o utilizarlo para tradear otras criptomonedas.Paso 4: tradear HTX DAO (HTX)Tradear fácilmente con HTX DAO (HTX) en HTX's mercado spot. Simplemente accede a tu cuenta, selecciona tu par de trading, ejecuta tus trades y monitorea en tiempo real. Ofrecemos una experiencia fácil de usar tanto para principiantes como para traders experimentados.

3.7k Vistas totalesPublicado en 2024.12.12Actualizado en 2026.04.30

Cómo comprar HTX

Discusiones

Bienvenido a la comunidad de HTX. Aquí puedes mantenerte informado sobre los últimos desarrollos de la plataforma y acceder a análisis profesionales del mercado. A continuación se presentan las opiniones de los usuarios sobre el precio de HTX (HTX).

活动图片