Claude Opus 4.8 找到一个 45 亿美元的 Bug,AI时代正在批量生产黑客

marsbitPublicado a 2026-06-06Actualizado a 2026-06-06

Resumen

一名安全研究员使用AI模型Claude Opus 4.8在Zcash加密货币的隐私协议Orchard中发现了一个严重的“无限增发”漏洞,导致其市值短时间内蒸发约45亿美元。这一事件并非由Anthropic公司最尖端但受限的Claude Mythos模型完成,而是由已公开发布、进入日常工具的普通模型实现的,凸显了AI正在将发现高危漏洞的能力“民主化”和“廉价化”。 AI降低了漏洞挖掘的门槛,带来了双重影响:一方面,它催生了大量由AI生成的虚假或低质量安全报告,如同“注意力DDoS”攻击,消耗着本就人力匮乏的开源维护者精力;另一方面,它也能更快地找出那些隐藏多年、以往需要专家耗费巨大成本才能发现的真实漏洞。我们的数字世界一直建立在存在诸多潜在缺陷的代码之上,过去的“安全”在相当程度上源于发现成本高昂。 然而,能力的扩散并未带来责任的均摊。网络安全行业本就面临巨大的人才缺口,尤其是在复杂分析和应急响应层面。当AI让攻击和漏洞报告变得泛滥时,修复漏洞、守护系统的人力链条却变得更加紧张。破坏可以被自动化脚本轻易复制,但重建信任与安全仍需依赖稀缺的专业人力进行艰苦、细致的修复工作。 AI时代揭示了一个现实:我们习以为常的平稳数字生活,并非理所当然,而是依赖于一条脆弱的人力协作防线在持续对抗风险。未来真正的挑战或许不是找到漏洞,而是是否有足够的人愿意并能够修复它们。

文|Sleepy

有人用 Claude Opus 4.8 找到了一个 Bug,让一个加密货币的市值蒸发了 45 亿美元。

事情的起点是一次安全审计。Zcash 是一个老牌隐私网络,用零知识证明来保护交易信息,Orchard 是它这套隐私交易能力的核心场所。

5 月 29 日,安全研究员 Taylor Hornby 在 Shielded Labs 委托的协议审计中,发现 Orchard 有一个严重漏洞,它能让攻击者凭空造出本不该存在的代币,也就是「无限增发」。

Zcash 随后在几天内完成紧急升级,官方确认了漏洞确实存在,但无法确认是否已经有人利用它增发过代币。6 月 5 日官方声明发布后,Zcash 暴跌 50%。

Anthropic 的 Opus 4.8 是 5 月 28 日发布的,第二天,这个漏洞就被发现了。

不是 Mythos,是 Opus

Zcash 的这个事件令人胆战心惊,不是 AI 强,而是它这一次强得太普通了。

在这之前,安全行业真正害怕的,是 Anthropic 的 Claude Mythos Preview。2026 年 4 月,Anthropic 公布过一份网络安全能力评估,说 Mythos Preview 在测试中能够识别并利用主流操作系统和浏览器里的零日漏洞,有些漏洞非常隐蔽,潜伏了十几年,其中一个 OpenBSD 的 bug 甚至可以追溯到 27 年前。

评估还说,一个没有安全背景的工程师,也可以让 Mythos Preview 通宵去找远程代码执行漏洞,第二天醒来,就能看到一套完整可用的攻击代码。

这意味着一种过去只有少数人能长期掌握的能力,正在变成任何人都可以随时调用的服务。这种能力本身没有立场,区别只在于谁在用、用来干什么。

Anthropic 自己也明白这点。所以它搞了 Project Glasswing,先把 Mythos Preview 交给少数组织,用来做防御性的安全工作。它也承认,这种级别的模型,需要更强的防护和更硬的使用约束,才能开放给所有人。

可在 Zcash 这件事里,技术人员手上用的并不是那个还锁着的 Mythos,而是已经发布、已经可用、已经进入普通人工作流的 Opus 4.8。

AI 进入安全领域,让小团队拥有了大团队的审计能力。它让维护者更快地找到 bug,也让攻击者更快地读懂系统。

而且,最危险的未必是最强的那个模型,而是那种足够强、足够便宜、又足够普遍的模型。

模型越普通,能拿起它的人就越多。于是问题不再是 AI 能不能找到漏洞,而是:当人人都能找,会发生什么。

当找 Bug 变成大众运动

AI 把漏洞发现变便宜之后,会出现两种东西。

一种是假的,大量看起来像模像样、实际经不起验证的安全报告。另一种是真的,过去藏在系统深处、需要专家花费几周甚至几个月才能找到的漏洞,也开始被更快地翻出来。

前者会淹没维护者,后者会击穿系统。更麻烦的是,它们会同时到来。

网络安全本来有一套理想叙事:白帽发现漏洞,负责任地披露,厂商修复,用户受益。

过去很多时候,世界确实是照着这套叙事运行的。可当 AI 把「发现漏洞」的门槛压低,当人人都能用公开的模型去找 bug,涌进来的,是大量想薅赏金、想刷声誉的人。他们中的很多人,只是复制一段提示词,让模型生成一份看起来挺像样的报告。报告不一定是真的。

但无论真假,维护者都得认真对待。

OpenSSF 在 2026 年 2 月开过一个关于「AI 垃圾报告」的讨论,专门研究开源维护者该如何应对低质量的、AI 生成的漏洞报告。curl 曾报告过,到 2025 年中,只有约 5% 的赏金提交是真漏洞,约 20% 看起来像 AI 生成的低质内容。OpenSSF 说,这种报告很像 DDoS,只不过它攻击的是人的注意力。

开源维护者不是客服中心。他们当中很多人没有工资,没有安全团队,也没有排班表。可一个项目又可能撑着世界上无数商业系统,那些靠开源省下巨额成本的公司,未必会给维护者付一分钱;可一旦出事,他们又都会回过头来问你为什么不早点修。

curl 后来关掉了漏洞赏金项目,因为人撑不住了。安全报告本来是防线的一部分,可当报告被垃圾内容灌满,这条防线就会反过来消耗守在后面的人。

AI 让更多人有了提交漏洞报告的能力,却没有让更多人有判断漏洞真假的能力。能让模型生成一份报告,不等于看得懂这份报告;能跑通一段验证代码,也不等于说得清它到底影响多大。

而更要命的是,我们其实就生活在一个真的能用 AI 找到无数漏洞的世界里。

我们过去的平安,是运气好

互联网给人最大的错觉,是能运行的东西就一定可靠。

手机能付款,地铁能扫码,医院能挂上号;云盘里甚至还存着你十年前的一张照片,你早忘了,它没忘。这些东西每天都在工作,于是我们默认它们一点问题都没有。人对技术的信任,很多时候不是信任,是懒得怀疑。

可代码像一座不停加盖的老楼,底下压着旧协议、旧库,上面摞着临时需求和「先上线再说」,顶层还堆着没人敢删的祖传代码。楼里的灯亮着,电梯还在上上下下,物业也说一切正常。可没人知道墙里有没有裂缝。

Heartbleed 就是个典型。OpenSSL 里的一个漏洞,让攻击者可以读取服务器内存里的私钥和密码,直到 2014 年才被发现并修复。在那之前,它已经潜伏了两年多,而当时全球超过六成的活跃网站都跑在受影响的服务器上。两年时间,大半个互联网几乎裸奔,没有人知道。

还有 sudo 的 Baron Samedit。2021 年 Qualys 披露它时指出,这个漏洞在 sudo 里已经存在了将近十年,而 sudo 是 Unix/Linux 世界最常用的权限工具之一。

类似的例子还有很多。把它们放在一起看,会忽然觉得,我们能安安稳稳地在互联网上冲浪到今天,其实也挺幸运。

为什么这些漏洞过了那么久都没被发现?

答案很简单:找漏洞的成本太高。

成本不只是钱,还有时间和耐心。要读代码、搭环境、理解协议、复现边界条件、写验证代码、判断影响面,还得分得清什么是误报。有时候程序跑一整晚没结果,一条路径试到头,发现根本走不通。现实里的安全研究员和黑客,常常就是在和一堆破碎的细节互相折磨。

过去很多漏洞能藏那么久,不是因为它们多神秘,而是因为愿意、有能力、又肯一直找下去的人,太少了。

AI 改变的,正是这个成本结构。

过去犄角旮旯太多,手电太少。现在手电开始批发了。

可同一支手电,照得见裂缝,也照得见可以下手的地方。它把「发现」变便宜的那一刻,就同时把「攻击」也变便宜了。一个人今天用它给开源项目交一份低质量报告,明天就能用同样的方法去扫一家公司的系统;今天惦记的是漏洞赏金,明天惦记的可能就是链上的资金。

正常上网的背后

真的出事之前,我们是感受不到「互联网安全」的存在的。

你打开支付宝,扫码,付款,到账,整个过程也许不到三秒。你不会想到背后有多少风控规则、设备指纹、行为识别、黑产对抗、漏洞响应和应急预案。

2026 年 5 月,蚂蚁安全响应中心 AntSRC 做了一个「猎手行动」漏洞奖励活动,测试范围覆盖支付宝、花呗、借呗、蚂蚁财富、网商、数科、蚂蚁国际等业务。对支付交易类、资金类、账单类产品里的高危、严重漏洞,最高给 5 倍奖励,可达 71500 元。

大厂其实也清楚,自己不可能只靠内部团队发现所有问题,所以必须把外部白帽组织进正式流程。安全更像一条很长的协作链:有人发现攻击,有人验证、定级、修复、发布,还得有人专门盯着别误伤了正常用户。这条链断掉任何一节都不行。

阿里云在 2025 年 10 月的安全态势报告里写到,云平台平均每天为客户防御攻击 62.45 亿次,封禁恶意 IP 2.75 万个;当月监测并拦截 DDoS 攻击 10.28 万次,峰值 2100 Gbps。

我们平时所谓的「正常上网」,其实是安全工程师们替我们从海量异常里抢出来的一条窄路。互联网从来不是安静的。

开源维护者没有预算、没有排班表、没有应急团队;大厂可以买到这些东西。但即使是大厂,也只能靠一条很长的人力协作链,把异常压到普通用户感觉不到的程度。

而这条又长又脆的协作链,是在 AI 还没大规模介入时就已经满负荷的。现在你再往里灌进成倍的漏洞、成倍的报告,防守这一端的人够吗?

找到漏洞之后,谁来修

ISC2 的 2024 年网络安全人才报告估算,全球实际在岗的网络安全从业者约 550 万,而人才缺口达到 480 万,同比增长 19%。它特别解释,这个「缺口」不是招聘网站上挂着多少职位,而是组织认为自己要被充分保护所需要的人,与现实可用人员之间的差距。

这组数字的意思很简单:漏洞很多,人不够。

而且不只是人头不够,是能干复杂活的人不够。ISC2 还提到,67% 的受访者说所在组织存在网络安全人员短缺,58% 认为这种短缺让组织面临显著风险。31% 的人说他们的安全团队没有入门级员工,15% 说没有 1—3 年经验的初级员工。很多组织不但缺人,还缺培养下一代人的管道。

这比招不到人更麻烦。招不到人,是今天的事;没有初级员工,是以后也招不到人。

国内的《AI 时代网络安全产业人才发展报告》也提供了一组数据:2025 年,受访的从业者里,46.2% 的人税前年薪在 20 万到 30 万元之间。市场愿意为中坚人才付钱,因为真正能处理复杂威胁、能在事故里做判断的人,实在太稀缺。报告还显示,56.5% 的从业者说,AI 让自己把更多重心放在了分析复杂威胁上,33.0% 表示正在从执行层转向策略制定。

这一点很关键。

我们现在最缺的,是那种能在半夜读懂一个漏洞、判断它影响多大、协调上下游、写出补丁的人。安全从来不是靠灵光一现的行当,它是脏活累活。把「网络安全」这个词拆开,里面只有误报、背锅、打不完的补丁、开不完的会,还有凌晨三点把你叫醒的那个电话。

鼠疫杆菌从未消失

加缪写过一本小说,叫《鼠疫》。

故事发生在北非一座普通的小城。瘟疫突然爆发,城门关闭,所有人被困在里面。日常生活一夜之间碎掉了。人们先是恐慌,后来麻木,再后来习惯。直到瘟疫终于退去,城门重新打开,街道上又有了欢声笑语。

加缪在小说的最后说:「据医书记载,鼠疫杆菌永远不会死绝,也不会消失,它们能在家具、衣服被子中存活几十年;在房间、地窖、旅行箱、手帕和废纸里耐心等待。也许有一天,鼠疫会再度唤醒他的鼠群,让它们葬身于某座幸福的城市,使人们再罹祸患,重新吸取教训。」

我一直觉得,这段话很适合拿来形容网络漏洞。

它不是在被发现那天才诞生的。它早就躺在代码里,过去没人听见它的呼吸,于是我们把安静误当成了安全。

我们已经习惯到不再怀疑的日常,它们全都跑在代码上。代码里有旧债,旧债过去不急着还,是因为催债的人少。AI 来了以后,催债的人忽然多了。

可怕的不只是黑客会变多。在系统的另一边,处理问题的人没有按比例变多。

这就是 AI 安全时代最挣扎的地方。能力会自己扩散,责任不会;发现一个漏洞越来越便宜,修好它却还和从前一样贵。破坏可以被脚本复制无数遍,信任却只能一个系统、一个团队地慢慢攒回来。

AI 不会一夜之间把互联网摧毁。它做的事更像是把灯打开了。我们终于看见,数字生活从来不是一种自动运转的自然秩序,而是一群人日复一日地把风险压低到我们感觉不到的程度。

以后真正昂贵的,不是找到漏洞。而是还有没有足够多的人,愿意把漏洞一个接一个地修完。

Preguntas relacionadas

QZcash网络漏洞事件的起因和影响是什么?

A事件的起因是安全研究员Taylor Hornby在审计Zcash的Orchard协议时,利用Anthropic的Claude Opus 4.8模型发现了一个严重漏洞,该漏洞可让攻击者无限增发代币。Zcash团队随后紧急升级修复。漏洞信息披露后,Zcash加密货币市值暴跌了50%,相当于蒸发了约45亿美元。官方确认漏洞存在,但无法确认此前是否已被利用。

Q文章如何比较Claude Opus 4.8和Claude Mythos Preview在安全领域的潜在影响?

A文章指出,在此之前,安全行业更担忧的是尚未广泛开放的Claude Mythos Preview,该模型被评估能识别并利用极其隐蔽的零日漏洞,甚至能自动生成攻击代码,这意味着顶尖的攻击能力可能被服务化。然而,Zcash事件中使用的却是已公开发布、进入普通人工作流的Opus 4.8模型。文章强调,最危险的反而不是最强的模型,而是像Opus 4.8这样“足够强、足够便宜、又足够普遍”的模型,因为它大大降低了获取攻击能力的门槛,使得更多人可以轻易成为潜在的攻击者。

QAI降低了漏洞发现门槛后,对开源维护者造成了哪些具体困扰?

AAI降低门槛后产生了大量真假难辨的安全报告,给开源维护者带来两大困扰:一是“AI垃圾报告”泛滥,大量由AI生成的、质量低下或虚假的报告像DDoS攻击一样淹没维护者,消耗他们有限的注意力和精力。例如,curl项目曾报告只有约5%的赏金提交是真漏洞,约20%是AI生成的低质内容,最终被迫关闭了漏洞赏金项目。二是维护者(多为志愿者,无薪酬、无专业安全团队)需要处理的漏洞报告数量激增,而他们缺乏足够的资源和人手去有效验证和修复,导致防线被用来消耗防守者自身。

Q文章引用Heartbleed和sudo漏洞的例子,是为了说明什么观点?

A文章引用Heartbleed(潜伏2年多,影响超六成网站)和sudo的Baron Samedit(潜伏近十年)等历史漏洞的例子,是为了说明:互联网能“平安”运行至今,很大程度上是“运气好”,而非系统本身绝对可靠。这些漏洞之所以能长期潜伏,并非因为它们极其神秘,而是因为过去“找漏洞的成本太高”——需要专业的知识、大量的时间和耐心。这揭示了数字世界安全的一个错觉:我们默认能运行的系统就是可靠的,但实际上代码中充满了未被发现的“旧债”和“裂缝”。

Q根据文章,AI时代网络安全面临的核心矛盾是什么?

A根据文章,AI时代网络安全面临的核心矛盾是:**发现和利用漏洞的能力(破坏力)因AI而变得廉价且易于扩散,但修复漏洞、构建和维护系统安全(建设力)的责任、成本与所需的高素质人才并未同步增长**。简言之,“能力会自己扩散,责任不会;发现一个漏洞越来越便宜,修好它却还和从前一样贵”。这导致防守一端(如开源维护者、企业安全团队)的人力协作链在已经满负荷的情况下,还要应对成倍增长的威胁,人才缺口巨大,使得系统性的风险急剧增加。

Lecturas Relacionadas

Del Código a la Cognición: Una Guía de Diez Mil Palabras sobre la Evolución del Cerebro Robótico

Desde el código clásico hasta los modelos que simulan la realidad: así ha evolucionado la inteligencia de los robots. Durante décadas, dependieron de software programado manualmente (percepción, planificación, control) para tareas específicas pero rígidas. La llegada del *deep learning* y el aprendizaje por refuerzo mejoró la percepción y el control, aunque con escasa capacidad de generalización. La aparición de los grandes modelos de lenguaje (LLM) marcó un punto de inflexión, actuando como "compiladores de lenguaje natural" que traducen órdenes en planes de acción ejecutables por sistemas como ROS. Sin embargo, el avance definitivo llegó con los **Modelos Visión-Lenguaje-Acción (VLA)**, que fusionan la percepción visual, la comprensión del lenguaje y la generación de movimientos en una sola red neuronal, permitiendo una adaptación mucho mayor. Los robots más avanzados actualmente utilizan una **arquitectura de doble cerebro**: un sistema lento (S2) para el razonamiento de alto nivel y uno rápido (S1) para el control motor reactivo, a veces con un tercer nivel reflejo (S0) para el equilibrio. Todo el procesamiento crítico se ejecuta localmente en el robot por motivos de seguridad y latencia. El siguiente gran salto son los **Modelos del Mundo**. Estas redes no predicen la siguiente acción, sino las consecuencias físicas de las acciones posibles, permitiendo al robot "imaginar" y evaluar futuros antes de actuar. Esto mejora drásticamente la recuperación ante errores, la planificación a largo plazo y la generalización. Modelos como NVIDIA Cosmos, DeepMind Genie y Meta V-JEPA exploran diferentes enfoques arquitectónicos para lograrlo. Aunque los precios del hardware caen y los modelos open-source aceleran el desarrollo, desafíos como la eficiencia en el aprendizaje, la generalización entre robots físicos y el razonamiento de sentido común persisten. La inteligencia robótica está en plena evolución, transitando desde un código predecible hacia sistemas capaces de aprender y simular el mundo que los rodea.

marsbitHace 19 min(s)

Del Código a la Cognición: Una Guía de Diez Mil Palabras sobre la Evolución del Cerebro Robótico

marsbitHace 19 min(s)

La burbuja de la IA se está pinchando

En los últimos días, la volatilidad del mercado ha avivado el debate sobre la "burbuja de la IA". Figuras como Ray Dalio advierten sobre niveles de burbuja "relativamente altos", mientras que Jensen Huang de NVIDIA ve una oportunidad enorme, con la demanda de potencia de cálculo apenas comenzando. Ambos tienen razón. La industria de la IA presenta inevitablemente una burbuja, un fenómeno común al surgir una fuerza productiva disruptiva, similar a la burbuja de las puntocom. Aunque aquella crisis evaporó billones, sentó la infraestructura física (fibra óptica, redes) que luego permitió el auge de gigantes como Amazon, Netflix o la nube. Se subestimó su impacto a largo plazo. Hoy, la inversión es masiva: se prevé que los principales proveedores de nube gasten 690.000 millones de dólares en 2026 en infraestructura física (enfriamiento, energía, redes), muy por encima de los ingresos actuales de las empresas de IA pura. Sin embargo, los costes se han desplomado: el precio por millón de tokens ha caído más de un 99.7% desde 2023. Según la "Paradoja de Jevons", esta eficiencia no reduce el consumo, sino que lo dispara al desbloquear nuevas aplicaciones (agentes autónomos, RAG, multimodalidad). Empresas de todos los sectores (finanzas, salud, manufactura) ya adoptan la "IA+", enfocándose en su implementación, no en si usarla. La burbuja se está desinflando, eliminando start-ups sin sustento, lo que purifica el mercado. El valor migrará gradualmente de la infraestructura (CapEx) a las aplicaciones que optimicen operaciones (OpEx). Aunque las valoraciones son elevadas, un crecimiento sólido de los ingresos podría digerirlas con el tiempo. Estamos en un punto de inflexión. Tras el inevitable ajuste, la infraestructura y los algoritmos optimizados, ahora baratos, impulsarán una nueva era en la que la IA integrará y potenciará todas las industrias. El ruido de la burbuja pasará; el avance de la fuerza productiva subyacente permanece.

链捕手Hace 33 min(s)

La burbuja de la IA se está pinchando

链捕手Hace 33 min(s)

La burbuja de la IA se está desinflando

El burbuja de la IA está estallando, pero esto es parte del proceso natural de una nueva tecnología disruptiva. Aunque existen paralelismos con la burbuja puntocom del 2000, donde se produjo una corrección severa, la infraestructura física construida durante ese período allanó el camino para gigantes posteriores. Actualmente, las grandes tecnológicas están invirtiendo masivamente en infraestructura para la IA, mientras que los ingresos de las empresas de IA pura son mucho menores, lo que sugiere una asimetría. Sin embargo, un factor clave es el drástico descenso de más del 99.7% en el coste de la inferencia de IA, lo que, paradójicamente, ha impulsado un aumento exponencial en su uso empresarial (Paradoja de Jevons). Las empresas ahora implementan agentes de IA para tareas complejas. El mercado se está depurando, eliminando empresas con solo ideas y sin propuestas de valor sólidas. El valor se está desplazando gradualmente de los proveedores de infraestructura (CapEx) hacia las aplicaciones que optimizan operaciones (OpEx). A pesar del ajuste en los mercados de capitales, la adopción de la IA en sectores como la fabricación, las finanzas, la medicina y el derecho es profunda e irreversible. La corrección actual elimina la especulación, pero la tendencia subyacente es clara: al igual que Internet, la IA se integrará en todas las industrias, impulsando una nueva era de productividad.

marsbitHace 34 min(s)

La burbuja de la IA se está desinflando

marsbitHace 34 min(s)

El Próximo Boom de los ETF de Bitcoin Podría Venir de Japón: He Aquí Por Qué

Los ETF de Bitcoin al contado en EE.UU. atraviesan un rendimiento bajista persistente, con salidas netas durante 13 días consecutivos entre mediados de mayo y principios de junio, totalizando unos 4.330 millones de dólares retirados. A pesar de ello, estos activos mantienen un valor neto de 75.120 millones de dólares. Mientras, los analistas comienzan a anticipar qué país podría albergar el próximo gran mercado de ETF, destacando Japón como candidato clave. Las reformas regulatorias en Japón, que trasladarían las criptoactivos al marco de la Ley de Instrumentos Financieros, están fortaleciendo las perspectivas para un ETF de Bitcoin. Se estima que, en un escenario conservador, un ETF japonés podría atraer hasta 900.000 millones de yenes (5.610 millones de dólares), dados los aproximadamente 2.350 billones de yenes en activos financieros de los hogares. En un caso base, los depósitos podrían alcanzar 1,4 billones de yenes (8.730 millones de dólares) tras el lanzamiento, representando una demanda de unas 140.000 BTC al precio actual. Un escenario alcista podría ver entradas de hasta 3,1 billones de yenes (19.340 millones de dólares) en el primer año. Más allá de la apreciación del precio, un ETF al contado facilitaría la participación de inversores, asesores e instituciones, otorgando mayor legitimidad al Bitcoin en las finanzas tradicionales. Mientras, el precio de BTC ronda los 61.038 dólares, con un descenso del 2,81% en las últimas 24 horas.

bitcoinistHace 1 hora(s)

El Próximo Boom de los ETF de Bitcoin Podría Venir de Japón: He Aquí Por Qué

bitcoinistHace 1 hora(s)

Los 43 minutos de Trump: la narrativa del hombre fuerte se descontrola y la guerra mediática se intensifica

**Resumen del artículo en español:** Tras más de una semana sin aparecer en público, el presidente Donald Trump celebró una conferencia de prensa de 43 minutos que se alejó de los temas centrales (su salud, la acción militar en Irán, las fracturas en su partido) y derivó en un espectáculo político errático y lleno de quejas. La intervención comenzó hablando extensamente sobre la renovación de un estanque reflejante, comparó el tamaño de sus mítines con los de Martin Luther King, atacó a ciudades estadounidenses y a sus adversarios políticos, y culminó con un ataque personal a una periodista de CNN, a quien criticó por "nunca sonreír" y tener "odio en los ojos". El artículo subraya dos dimensiones clave. Primero, revela un estado presidencial que parece fuera de control, defensivo y volátil, evidenciado por el abrupto final del acto y el rápido desalojo del lugar por su equipo. Segundo, analiza cambios institucionales: Trump firmó una orden ejecutiva que elimina protecciones laborales para miles de altos funcionarios federales, priorizando la lealtad política sobre la experiencia y la independencia. El texto amplía el análisis al panorama mediático, señalando cómo la presión política y los intereses comerciales están erosionando la independencia periodística, citando el caso de la destitución de un veterano periodista en la CBS. Argumenta que, ante la captura de los grandes medios, el periodismo independiente se vuelve crucial para mantener los hechos. El autor hace un llamado a apoyar económicamente a las voces independientes como forma de resistencia, enfatizando que el ataque de Trump a la prensa es un ataque al derecho del público a estar informado. El artículo concluye notando que, el mismo día de este episodio, la Cámara de Representantes (con el voto a favor de cuatro republicanos) aprobó una resolución para poner fin a la guerra en Irán, mostrando grietas en su partido y sugiriendo que su comportamiento extremo está empezando a alienar a sus propios aliados.

marsbitHace 5 hora(s)

Los 43 minutos de Trump: la narrativa del hombre fuerte se descontrola y la guerra mediática se intensifica

marsbitHace 5 hora(s)

Trading

Spot
Futuros

Artículos destacados

Cómo comprar ERA

¡Bienvenido a HTX.com! Hemos hecho que comprar Caldera (ERA) 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 Caldera (ERA) 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 Caldera (ERA)Después de comprar tu Caldera (ERA), guárdalo en tu cuenta HTX. Alternativamente, puedes enviarlo a otro lugar mediante transferencia blockchain o utilizarlo para tradear otras criptomonedas.Paso 4: tradear Caldera (ERA)Tradear fácilmente con Caldera (ERA) 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.

574 Vistas totalesPublicado en 2025.07.17Actualizado en 2026.06.02

Cómo comprar ERA

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 ERA (ERA).

活动图片