Майкл Сейлор поможет конгрессу США со стратегическим резервом биткоина

cryptonews.ruPublicado a 2025-09-25Actualizado a 2025-09-25

Американские законодатели привлекли председателя Strategy Майкла Сейлора (Michael Saylor) и генерального директора Fundstrat Тома Ли (Tom Lee) к работе над продвижением законопроекта о стратегическом резерве биткоина США. Во вторник, 16 сентября, состоится встреча 18 руководителей криптоиндустрии с конгрессменами для обсуждения путей реализации инициативы президента Дональда Трампа (Donald Trump).

Среди участников встречи также будут генеральный директор MARA Фред Тиль (Fred Thiel) и другие влиятельные фигуры отрасли. Мероприятие организуют адвокатская группа, специализирующаяся на криптовалютах, The Digital Chambers и ее партнер The Digital Power Network.

Основная цель — придать импульс принятию BITCOIN Act, законопроекта, внесенного сенатором Синтией Ламмис (Cynthia Lummis) в марте. Документ предусматривает покупку государством одного миллиона биткоинов в течение пяти лет.

Финансирование планируется выделять через Федеральную резервную систему и Министерство финансов. При этом исполнительный указ Трампа требует использовать только бюджетно-нейтральные стратегии, не влияющие на налогоплательщиков.

Поиск источников финансирования

Руководители криптокомпаний представят идеи о том, как США могут профинансировать покупки биткоинов без бюджетных расходов. Среди рассматриваемых вариантов — переоценка золотых сертификатов Министерства финансов и использование доходов от тарифов.

Участники также планируют выяснить, что тормозило продвижение BITCOIN Act за последние шесть месяцев и какие возражения вызывает законопроект у конгрессменов. Этот документ может стать следующим приоритетом для законодателей после принятия в июле законопроекта GENIUS Act о стейблкоинах.

На встречу приедут несколько руководителей майнинговых компаний, занимающихся добычей биткоина: Мэтт Шульц (Matt Schultz) и Марго Плейстед (Margeaux Plaisted) из CleanSpark, Джейсон Браудер (Jayson Browder) из MARA и Харис Басит (Haris Basit) из Bitdeer.

Венчурные фонды, специялизирующиеся на криптовалюте, представят компании Off the Chain Capital и Reserve One. От традиционного финансового сектора участие примут Дэвид Фрагале (David Fragale) из Western Alliance Bank и Джей Блюстайн (Jay Bluestine) из Blue Square Wealth. Также выступит Эндрю МакКормик (Andrew McCormick), глава американского подразделения инвестиционной платформы eToro.

Lecturas Relacionadas

Claude se volvió 'tonto' en toda la red, y Anthropic aclara el motivo: No es el modelo quien te falla

**Los usuarios de Claude Code se quejaban de que el modelo se volvió más torpe, pero Anthropic aclara: el problema no era el modelo, sino el ajuste de "Esfuerzo".** En marzo, muchos desarrolladores notaron que Claude Code parecía menos competente: omitía leer archivos o ejecutar pruebas. La comunidad criticó fuertemente a Anthropic. La causa real fue un cambio en la configuración predeterminada del nivel de **Esfuerzo (Effort)**, de "alto" a "medio", realizado para reducir la latencia. Este ajuste afectó cuánto trabajo invertía Claude en una tarea, no su conocimiento fundamental. Anthropic explica la diferencia clave entre **Modelo** y **Esfuerzo**: * **Modelo (Sonnet, Opus, Fable):** Representa la "inteligencia" o conocimiento base del modelo (pesos congelados del entrenamiento). Cambiarlo resuelve problemas de "¿puede hacerlo?". * **Esfuerzo (Effort):** Representa la "actitud" o cuánto trabajo está dispuesto a realizar en una tarea específica (leer archivos, ejecutar pruebas, verificar). Un Esfuerzo bajo hace que Claude responda rápido pero pida más contexto; un Esfuerzo alto lo hace investigar y trabajar de forma más autónoma. **Conclusión importante:** Un modelo más pequeño (como Sonnet) con un Esfuerzo alto puede superar a un modelo más grande (como Opus) con un Esfuerzo bajo en muchas tareas. El cambio de marzo demostró que los usuarios a menudo subestimaban el impacto del control de Esfuerzo, culpando erróneamente al modelo. **Marco para solucionar problemas:** 1. Verifica primero el contexto y las instrucciones (prompt). 2. Si Claude se equivoca, pregúntate: **¿Es que "no sabe" o "no se esfuerza lo suficiente"?** * **No se esfuerza (ej., omite pasos):** Aumenta el nivel de Esfuerzo. * **No sabe (ej., errores persistentes a pesar del contexto):** Cambia a un modelo más capaz. La lección es que el uso efectivo de herramientas de IA como Claude Code ya no se trata solo de elegir el modelo más potente, sino de aprender a **gestionar y asignar recursos** (modelo y esfuerzo) de manera inteligente para cada tarea, optimizando tanto el rendimiento como el coste.

marsbitHace 1 hora(s)

Claude se volvió 'tonto' en toda la red, y Anthropic aclara el motivo: No es el modelo quien te falla

marsbitHace 1 hora(s)

Casi un centenar de jugadores se lanzan al sector de datos embodiment: 44.700 millones de financiación en un año, ¿quién puede ganar dinero realmente "vendiendo datos"?

**Resumen en español europeo:** Más de 90 empresas, incluidas 70 dedicadas a la recopilación, compiten en el emergente campo de los datos de inteligencia encarnada en China. En el último año, 15 proveedores de datos independientes recaudaron aproximadamente 4.470 millones de RMB. El artículo, basado en estadísticas de "Quantum Bit", describe diez aspectos clave del sector: 1. **Métodos de recopilación:** Se dividen en cuatro categorías: teleoperación de robots reales, recopilación sin robot (con captura de movimiento), simulación y destilación de vídeos de internet. La mayoría de las empresas (43%) utilizan múltiples métodos, siendo la teleoperación la ruta única más común (31%). 2. **Perfil de los actores:** Los proveedores de datos independientes son el grupo más numeroso (40%), seguidos por plataformas de datos estatales (26%) y fabricantes de robots (25%). Dos tercios de las empresas son "nativas" del sector. 3. **Capacidad y distribución:** La capacidad anual actual se estima en 1,6-1,8 millones de horas, con el objetivo de multiplicarla por 15-20 en 1-3 años. Las "fábricas de datos" están presentes en 20 provincias, concentrándose en el delta del Yangtsé. 4. **Financiación y etapa:** La financiación del último año para proveedores independientes (44.700 millones RMB) es modesta comparada con la inversión total en inteligencia encarnada. El sector está muy fragmentado, con una sola "unicornio" (Lightwheel AI) que acaparó el 70% de la inversión. 69 fondos han invertido, pero ninguno de forma significativa, mostrando cautela. 5. **Conclusión:** El mercado de datos encarnados es ya una industria independiente y generadora de empleo, pero se encuentra en una fase muy temprana. Aún no está claro si "vender datos" será un negocio rentable, y los próximos 1-2 años serán cruciales para validar el modelo.

marsbitHace 4 hora(s)

Casi un centenar de jugadores se lanzan al sector de datos embodiment: 44.700 millones de financiación en un año, ¿quién puede ganar dinero realmente "vendiendo datos"?

marsbitHace 4 hora(s)

Trading

Spot
活动图片