Otro ETF de Dogecoin ya está operativo, ¿cómo le fue?

bitcoinistPublicado a 2026-01-24Actualizado a 2026-01-24

Resumen

Otro ETF de Dogecoin ha comenzado a operar, pero su rendimiento inicial ha sido decepcionante. 21Shares lanzó su ETF de Dogecoin (TDOG) el 22 de enero, ofreciendo a los inversores exposición directa y regulada a la criptomoneda meme. Sin embargo, los datos de SoSoValue muestran que TDOG no registró entradas de capital en su primer día y, de hecho, cayó un 0,07%. Esta falta de interés se extiende a todos los ETF de Dogecoin, incluidos GDOG de Grayscale y BWOW de Bitwise, que también han reportado flujos cero recientemente. A pesar del respaldo de House of Doge y de los esfuerzos por integrar Dogecoin en los sistemas financieros tradicionales, el producto no ha logrado captar la atención de los inversores en sus primeros días de negociación.

El mercado cripto de EE. UU. ha dado la bienvenida a un nuevo participante mientras 21Shares lanza su ETF Spot de Dogecoin, ofreciendo a los inversores otra vía para interactuar con la infame meme coin temática de perros. La negociación comenzó entre una mezcla de curiosidad y cautela, y los datos on-chain ya muestran cómo le ha ido al ETF de DOGE hasta ahora.

21Shares lanza el ETF de Dogecoin

En un comunicado de prensa el jueves 22 de enero, 21Shares anunció el lanzamiento oficial de su ETF Spot de Dogecoin, TDOG, que comenzó a cotizar en NASDAQ el mismo día. El nuevo ETF ofrece a los inversores exposición directa a Dogecoin a través de un vehículo regulado, transparente y totalmente respaldado. Cada acción del ETF también está respaldada 1:1 por DOGE mantenido en custodia de grado institucional.

Cabe destacar que el lanzamiento del nuevo ETF TDOG eleva a tres el número total de ETF de Dogecoin en EE. UU., uniéndose a GDOG de Grayscale y a BWOW de Bitwise. 21Shares es también el único proveedor de ETF respaldado por House of Doge, el brazo corporativo oficial de la fundación Dogecoin, lo que destaca los estrechos vínculos del gestor de activos global con la meme coin.

Como uno de los mayores emisores de ETF de cripto, 21Shares continúa expandiendo su línea de productos con la introducción de TDOG. Esto sigue a las ofertas previas de ETF de la compañía de inversión, incluyendo TSOL, un ETF de Solana lanzado en noviembre de 2025; ARKB, un ETF Spot de Bitcoin lanzado en enero de 2024; y TETH, un ETF de Ethereum introducido en julio del mismo año. En conjunto, estos productos demuestran el compromiso de 21Shares de proporcionar acceso de grado institucional a activos digitales de alta demanda.

Federick Brokate, Director Global de Desarrollo de Negocio en 21Shares, destacó la gran y activa comunidad global de DOGE, calificándolo como un activo digital único con casos de uso en constante crecimiento. Añadió que el nuevo ETF TDOG ofrecerá a los inversores una exposición regulada y respaldada físicamente a través de una estructura de ETF familiar que conocen y en la que confían.

Marco Margiotta, el CEO de House of Doge, también compartió comentarios sobre el ETF de 21Shares recién lanzado. Dijo que TDOG es un paso hacia hacer que Dogecoin sea más fácil de acceder a través de los sistemas financieros tradicionales. También reveló que la asociación de House of Doge con 21Shares ayudará a que más personas se involucren a medida que crece el ecosistema de Dogecoin.

¿Cómo le ha ido al ETF de Dogecoin de 21Shares hasta ahora?

Contrario a las expectativas, el ETF de Dogecoin lanzado recientemente por 21Shares tuvo un rendimiento débil en el primer día de negociación, señalando la falta de interés de los inversores en el producto de inversión. Datos de SoSoValue muestran que TDOG experimentó cero entradas de capital el 22 de enero y, en cambio, disminuyó aproximadamente un 0.07%. A pesar de ser el segundo día de negociación, el ETF de DOGE aún no ha registrado ningún flujo.

Este rendimiento mediocre se ha observado en todos los ETF de Dogecoin esta semana. GDOG de Grayscale y BWOW de Bitwise han reportado cero entradas durante la última semana. La última vez que GDOG registró actividad positiva fue el 8 de enero, cuando recibió alrededor de $333,083 en inversiones. Antes de eso, el ETF registró sus mayores entradas el 2 de enero, totalizando aproximadamente $2.3 millones. Desde su lanzamiento en noviembre de 2025, las entradas del ETF GDOG han sido inestables, con más días de inactividad que de inversión significativa.

DOGE cotizando a $0.12 en el gráfico 1D | Fuente: DOGEUSDT en Tradingview.com

Preguntas relacionadas

Q¿Qué empresa ha lanzado un nuevo ETF de Dogecoin y en qué bolsa comenzó a operar?

A21Shares ha lanzado su ETF de Dogecoin, TDOG, que comenzó a operar en NASDAQ.

Q¿Cuántos ETF de Dogecoin existen ahora en el mercado estadounidense según el artículo?

ACon el lanzamiento del TDOG, ahora hay tres ETF de Dogecoin en los Estados Unidos: TDOG de 21Shares, GDOG de Grayscale y BWOW de Bitwise.

Q¿Cómo se desempeñó el ETF TDOG de 21Shares en su primer día de negociación?

AEl ETF TDOG tuvo un desempeño débil en su primer día de negociación, con una disminución de aproximadamente el 0.07% y sin registrar entradas de capital.

Q¿Qué característica única tiene el ETF de 21Shares respecto a la custodia de Dogecoin?

ACada acción del ETF está respaldada 1:1 por DOGE que se mantiene en custodia de grado institucional.

Q¿Qué figura destacó la gran comunidad global de Dogecoin y el propósito del nuevo ETF?

AFederick Brokate, Director Global de Desarrollo de Negocios de 21Shares, destacó la gran comunidad global de DOGE y dijo que el ETF ofrece exposición regulada y respaldada físicamente a través de una estructura familiar.

Lecturas Relacionadas

La forma correcta de usar las Skills: 5 reflexiones tras la publicación del método interno de Anthropic

Tras leer el blog de Anthropic "Lessons from building Claude Code: How we use skills", se reflexiona sobre cinco puntos clave para utilizar las habilidades (Skills) de manera efectiva en IA: 1. **Evitar contenido innecesario**: Las Skills deben capturar conocimiento tácito y "Gotchas" (errores comunes), no repetir información obvia que el modelo ya conoce. Su valor está en la experiencia interna del equipo. 2. **La Skill como Ingeniería de Contexto**: Una Skill no es solo un archivo, sino una carpeta estructurada (SKILL.md, referencias, scripts, ejemplos, activos). Esta organización permite exponer información de forma progresiva, evitando saturar el contexto en cada interacción y optimizando el rendimiento. 3. **Priorizar el uso de scripts**: Para tareas repetitivas o de ejecución precisa (como consultar datos o verificar estados), es más eficiente y confiable proporcionar scripts que instrucciones detalladas. Los scripts encapsulan la capacidad de ejecución, mientras que las instrucciones guían el razonamiento y la experiencia. 4. **Descripción como regla de enrutamiento**: La descripción de una Skill debe centrarse en *cuándo* debe activarse, describiendo la intención del usuario (ej: "cuando CI falle"), no solo en listar sus funciones. Esto ayuda al modelo a enrutar correctamente la solicitud del usuario a la Skill adecuada. 5. **Gestión y distribución escalable**: Para equipos, gestionar muchas Skills requiere un enfoque ligero. Se recomienda comenzar con Skills compartidas en un repositorio y adoptar un modelo similar a un "Marketplace" donde las Skills ganen adopción orgánicamente entre colegas antes de integrarse formalmente, asegurando su utilidad real. En esencia, las Skills efectivas resuelven problemas de contexto, reutilización de experiencia y capacidad, yendo más allá de simples instrucciones de prompt.

marsbitHace 8 min(s)

La forma correcta de usar las Skills: 5 reflexiones tras la publicación del método interno de Anthropic

marsbitHace 8 min(s)

Competencia en la pista de pagos con IA: los esquemas de tarjetas tradicionales frente a Coinbase

A medida que los agentes de IA asumen más transacciones comerciales, se intensifica la competencia por los canales de pago subyacentes. Dos enfoques principales han surgido: el primero, liderado por Visa y Mastercard, utiliza credenciales de tarjetas tokenizadas dentro del modelo tradicional de pago con tarjeta, ofreciendo servicios como 'Agent Pay' de Mastercard y 'Visa Intelligent Commerce', enfocados en compras minoristas y apalancando décadas de infraestructura antifraude y resolución de disputas. El segundo, encabezado por Coinbase, emplea el protocolo x402 y stablecoins como USDC para liquidaciones directas en internet, optimizado para transacciones frecuentes, de bajo valor y entre máquinas, donde los canales tradicionales son poco prácticos por costos y velocidad. Ambas vías enfrentan el desafío clave de verificar la identidad del agente de IA y gestionar disputas. Curiosamente, Visa y Mastercard no se limitan a su canal tradicional; también están invirtiendo en stablecoins (Visa procesando $7 mil millones anuales, Mastercard adquiriendo BVNK) para posicionarse como intermediarios de pago sin importar el canal dominante. Actualmente, los casos de uso se dividen claramente: aplicaciones de consumo como ChatGPT y Amazon utilizan canales de tarjetas, mientras que transacciones entre máquinas (p.ej., para APIs o datos en Amazon Bedrock) adoptan stablecoins. A corto plazo, se espera que esta coexistencia continúe. Sin embargo, la batalla a largo plazo (hacia 2030) dependerá de si el comercio impulsado por IA se asemeja más al comercio minorista tradicional o se convierte en una red masiva de microtransacciones entre máquinas. Las grandes redes de pago, al cubrir ambas apuestas, parecen estar preparadas para cualquier resultado.

Foresight NewsHace 10 min(s)

Competencia en la pista de pagos con IA: los esquemas de tarjetas tradicionales frente a Coinbase

Foresight NewsHace 10 min(s)

Por primera vez, un VLA puramente preentrenado con videos humanos logra una manipulación hábil, y un fino ajuste con pocos datos permite el despliegue exitoso

La investigación "Scalable Vision-Language-Action Model Pretraining for Robotic Manipulation with Real-Life Human Activity Videos", presentada por Microsoft Asia Research (MSRA) y la Universidad de Tsinghua, introduce el marco **VITRA**. Este sistema convierte automáticamente grandes volúmenes de videos de actividades humanas sin etiquetar en datos estructurados para entrenar modelos **Visión-Lenguaje-Acción (VLA)** aplicables a robots. El proceso clave implica: 1) extraer trayectorias precisas de movimiento 3D de las manos desde video monocular, 2) segmentar los videos en acciones atómicas basándose en mínimos de velocidad, y 3) generar instrucciones lingüísticas precisas utilizando modelos de lenguaje como GPT-4, a las que se superponen las trayectorias 3D. Tras el preentrenamiento en un extenso conjunto de datos (1 millón de clips, 26 millones de fotogramas), el modelo VLA (que combina un modelo visual-lingüístico con un experto en acción basado en difusión) muestra una fuerte capacidad de **predicción de acciones en entornos nuevos y no vistos** (zero-shot). Para el despliegue en robots reales, el modelo se ajusta con una pequeña cantidad de datos de demostración robótica (~1.2K). Este enfoque logra una **alta tasa de éxito** en tareas de manipulación diestra (como agarrar, colocar, verter o barrer) y demuestra una **excelente capacidad de generalización** a objetos y fondos no vistos, superando significativamente a modelos entrenados únicamente con datos robóticos de laboratorio. El hardware, específicamente la mano robótica diestra **星动XHAND1** (con su modelo URDF de alta precisión y arquitectura de accionamiento directo), es fundamental para lograr una **alineación efectiva** del espacio de acción entre la mano humana y la robótica, permitiendo una implementación exitosa. Además, el estudio confirma una **ley de escalado**: un mayor volumen de datos de preentrenamiento mejora continuamente el rendimiento. Este trabajo allana el camino para una manipulación robótica más generalizada utilizando videos humanos no estructurados.

marsbitHace 20 min(s)

Por primera vez, un VLA puramente preentrenado con videos humanos logra una manipulación hábil, y un fino ajuste con pocos datos permite el despliegue exitoso

marsbitHace 20 min(s)

Ray Dalio: resurge el "sistema tributario" liderado por China, la industria de la IA se desarrollará como la de los vehículos eléctricos

En una reciente entrevista en el programa 'Wall Street Week' de Bloomberg, Ray Dalio, fundador de Bridgewater Associates, compartió sus perspectivas sobre el cambiante orden mundial y la competencia en IA entre EE.UU. y China. Dalio argumenta que el poder global de EE.UU. está disminuyendo, mientras que China está acumulando riqueza e influencia. Observa un cambio en la percepción internacional, donde cada vez más países dudan de la capacidad de EE.UU. para ganar guerras y defender sus intereses. Señala las frecuentes visitas de líderes mundiales a China como un indicio del resurgimiento de un moderno "sistema tributario", donde las naciones reconocen el poder chino, aunque él aclara que este sistema no busca ser opresivo, sino que refleja una jerarquía basada en la fuerza relativa que afecta al comercio y la seguridad. Esta incertidumbre geopolítica, advierte, tiene implicaciones para los mercados financieros, requiriendo que los inversores diversifiquen sus activos. Respecto a la competencia en Inteligencia Artificial, Dalio destaca diferencias fundamentales en los enfoques de ambos países. Mientras las empresas estadounidenses como OpenAI se centran en modelos de suscripción y rentabilidad, China trata la IA como una utilidad pública, similar a la electricidad, buscando democratizar su acceso para impulsar la productividad de los trabajadores, incluso a costa de la rentabilidad inmediata. Compara esta estrategia con el éxito de China en la industria de los vehículos eléctricos, donde empresas como BYD lograron un crecimiento masivo. Una ejecutiva de JPMorgan, Mary Callahan Erdoes, añadió que, a diferencia de EE.UU., en China no predomina el miedo al impacto de la IA en el empleo, sino un enfoque en utilizarla para el desarrollo y dominar la próxima industria clave, como la robótica.

Odaily星球日报Hace 46 min(s)

Ray Dalio: resurge el "sistema tributario" liderado por China, la industria de la IA se desarrollará como la de los vehículos eléctricos

Odaily星球日报Hace 46 min(s)

El último pensamiento de Michael Saylor: Las cuatro creencias que determinan el futuro de Bitcoin

Michael Saylor identifica cuatro ideologías principales que están dando forma al futuro de Bitcoin: 1. **Bitcoin Maximalistas**: Ven a Bitcoin como la red monetaria digital dominante y una herramienta para el empoderamiento económico. Su fuerza es la claridad moral, pero corren el riesgo de ser vagos sobre cómo Bitcoin se integra en el mundo. 2. **Bitcoin Capitalistas**: Creen que Bitcoin debe integrarse profundamente en la economía global (mercados de capital, crédito, empresas) para alcanzar su máximo potencial. Su enfoque es pragmático e inclusivo, pero conlleva riesgos de complejidad y dependencia institucional. 3. **Bitcoin Tecnólogos**: Enfatizan la mejora continua del protocolo para abordar la escalabilidad, privacidad y seguridad. Su fortaleza es la adaptación tecnológica, pero el riesgo es que cambios ambiciosos puedan dañar la estabilidad y seguridad del núcleo de Bitcoin. 4. **Bitcoin Fundamentalistas**: Defienden los principios fundamentales como la auto-custodia, los nodos personales y la descentralización. Protegen la integridad monetaria de Bitcoin, pero podrían volverse demasiado exclusivos, limitando su adopción masiva. Saylor concluye que el éxito de Bitcoin requiere un equilibrio entre estas visiones: proteger su núcleo (fundamentalistas), reconocer su avance (maximalistas), integrarlo en la economía (capitalistas) e innovar con cuidado (tecnólogos). El camino a seguir es una "expansión disciplinada", manteniendo el protocolo base sólido y seguro, mientras la mayoría de la innovación ocurre en capas superiores.

marsbitHace 1 hora(s)

El último pensamiento de Michael Saylor: Las cuatro creencias que determinan el futuro de Bitcoin