Hyperliquid 的未来:HIP-3 与 HyperStone

深潮Publicado a 2025-11-12Actualizado a 2025-11-13

Hyperliquid 的未来在 HIP-3,HIP-3 的根基在 HyperStone。

撰文:岳小鱼

Hyperliquid 的未来在 HIP-3,HIP-3 的根基在 HyperStone。

1️⃣ Hyperliquid 不只是在做一个链上合约交易所,而是正在构建一个生态,这件事天花板才足够高。

现在 RWA 热潮正汹涌,美债上链、美股上链,万物皆可上链。

但是这些市场 Hyperliquid 一家做不来,也吃不下,所以肯定要借助生态的力量。

2025 年 10 月 13 日,HIP-3 主网上线,实现了永续合约上市的完全去中心化。

从那天起,Hyperliquid 不再是审批制的交易所,而变成了任何人只要质押 100 万 HYPE,就能自己开市的开放平台。

简单说,Hyperliquid 将上币权开放给了社区。

2️⃣ 此时,当大家都想把各类资产都放到链上时,遇到的一个核心问题是什么呢?

其实是价格。

不同于 Hyperliquid 原生市场,是依赖验证者共识定价,HIP-3 市场完全依赖外部预言机提供价格数据。

这对数据准确性和实时性提出了极高要求。

因此预言机是最为关键的基础设施。

3️⃣ 这就一定要关注这个赛道的核心玩家:RedStone。

RedStone 早在 HyperEVM 启动之初就占据了 99.5% 的预言机市场主导地位,并担任 Hyperliquid 原生稳定币 USDH 的官方价格馈送提供商。

基于此,RedStone 又开发了 HyperStone,将其模块化预言机架构优化为 HIP-3 专用解决方案。

这是首个专为 HIP-3 设计的预言机。

HyperStone 可以帮助构建者从加密货币到代币化股票(比如 TSLA)、真实世界资产(RWA)甚至经济指标等,几乎任何资产上推出永续合约。

比如你想做一个 Tesla 股票永续合约,HyperStone 每 3 毫秒就告诉你一次:Tesla 现在美股多少钱。

可以说,没有 HyperStone,HIP-3 就是一座空城。

4️⃣ Hyperliquid 的护城河在哪里?

不是交易量,不是手续费,而是能建市场的人,和喂价的精度与速度。

Hyperliquid 正在从中心化团队驱动转向去中心化的交易网络。

而这个网络的每一次心跳,都来自 HyperStone 的 3 毫秒脉冲。

这就是为什么说 Hyperliquid 的未来在 HIP-3,HIP-3 的根基在 HyperStone。

具体的 @redstone_defi 项目剖析可以看下思维导图 ⬆️

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