La Ley CLARITY Podría No Aprobarse Antes de Abril, Según el Líder del Senado John Thune

TheNewsCryptoPublicado a 2026-03-13Actualizado a 2026-03-13

Resumen

El líder de la mayoría del Senado de EE.UU., John Thune, indicó que la consideración sobre la estructura del mercado de criptomonedas, conocida como Ley CLARITY, podría retrasarse hasta abril. Thune mencionó que el Comité Bancario del Senado probablemente abordará primero otras prioridades legislativas, como la Ley SAVE America. La propuesta busca clarificar las normas sobre activos digitales y definir los roles de reguladores como la SEC y la CFTC. Observadores del sector siguen de cerca estos desarrollos, ya que podrían influir significativamente en la regulación futura de las criptomonedas. Donald Trump advirtió que retrasos podrían permitir que otros países, como China, tomen la delantera en el mercado global de criptoactivos. Aunque hay optimismo sobre la eventual aprobación de la ley, analistas prevén que podría ser en 2026 si las negociaciones progresan sin contratiempos.

John Thune, líder de la mayoría del Senado de EE.UU., declaró que los legisladores podrían considerar retrasar la legislación sobre la estructura del mercado de criptomonedas hasta abril. Mencionó que el Comité Bancario del Senado podría evaluarlo más adelante, ya que actualmente los legisladores están ocupados abordando otros temas urgentes. La legislación propuesta, conocida como Ley CLARITY, tiene como objetivo ayudar a los legisladores a clarificar las normas que rigen los activos digitales y las criptomonedas en EE.UU.
Los legisladores propusieron esta legislación para definir los roles que desempeñan diferentes reguladores en la gestión de activos digitales y el mercado financiero en general.

En una publicación en X de Eleanor Terret, se indica que el Senado priorizará la Ley SAVE America antes que el proyecto de ley sobre la estructura del mercado de criptomonedas. Thune afirmó: "La estructura del mercado es un proyecto de ley que, espero, se dará a conocer pronto". Añadió que la legislación probablemente avanzará "no antes, diría, del período de abril".

Los legisladores debatieron diversas cuestiones políticas relacionadas con la regulación de stablecoins y la supervisión financiera al compartir estos comentarios. Los observadores de la industria siguen de cerca estos desarrollos, ya que podrían influir significativamente en las futuras regulaciones de criptomonedas. Los legisladores ya habían avanzado versiones anteriores de estos proyectos de ley en comités de la Cámara de Representantes durante discusiones previas. Sin embargo, los líderes del Senado ahora indican que abordarán otras prioridades legislativas antes de considerar los proyectos de ley sobre criptomonedas.

El Debate Sobre la Regulación de Criptomonedas Continúa

Donald Trump ha señalado que los continuos retrasos en la regulación del mercado de criptomonedas podrían afectar al mercado de activos digitales de EE.UU. Según Trump, estos retrasos podrían permitir que otros países, como China, obtengan una mejor posición en el mercado mundial de criptomonedas. Afirmó que los continuos retrasos en la legislación podrían permitir que la innovación y el desarrollo ocurran fuera de Estados Unidos.

Los reguladores trabajan para clarificar las responsabilidades de diferentes organismos, como la SEC y la CFTC en EE.UU., en la regulación de activos digitales. Esto busca reducir la incertidumbre existente en el mercado de activos digitales y las inversiones que se realizan en él. Existe optimismo entre los legisladores respecto a la legislación, a pesar de los ajustes propuestos que se esperan en el Senado. Es probable que la legislación se apruebe más adelante en 2026 si las negociaciones transcurren sin contratiempos.

Según diversos analistas políticos, la legislación podría aprobarse más adelante en 2026 si todo avanza sin problemas en las negociaciones. Existen llamamientos continuos de diferentes organismos para que los legisladores establezcan regulaciones claras que apoyen la innovación en el mercado de activos digitales.

Noticias Destacadas de Criptomonedas:

Los Mineros de Criptomonedas Recurren a Estrategias de Activos ante la Intensificación de las Presiones de Rentabilidad

Preguntas relacionadas

Q¿Qué dijo John Thune sobre la posible fecha de consideración de la Ley CLARITY?

AJohn Thune indicó que la legislación sobre la estructura del mercado de criptomonedas probablemente no avanzaría antes del período de abril.

Q¿Por qué los legisladores están retrasando la consideración del proyecto de ley de estructura del mercado de criptomonedas?

APorque actualmente están ocupados trabajando en otras cuestiones urgentes, como la Ley SAVE America, que priorizarán primero.

Q¿Cuál es el objetivo principal de la Ley CLARITY según el artículo?

AEl objetivo es clarificar las reglas que rigen los activos digitales y criptomonedas en EE.UU., definiendo los roles de los diferentes reguladores.

Q¿Qué advertencia hizo Donald Trump sobre la demora en la regulación de criptomonedas?

AAdvirtió que los retrasos podrían permitir que otros países, como China, obtengan una mejor posición en el mercado global de criptomonedas, desplazando la innovación fuera de EE.UU.

Q¿Hasta qué año podrían extenderse las negociaciones según los analistas citados?

ALos analistas policy mencionan que la legislación podría aprobarse recién en 2026 si las negociaciones progresan sin problemas.

Lecturas Relacionadas

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

El entrenamiento de modelos generativos siempre ha sido un reto debido a la "desviación por exposición" (exposure bias): durante el entrenamiento solo se aprenden pequeños pasos, mientras que la generación requiere cientos de iteraciones, lo que causa acumulación de errores. Esto ha impedido que los modelos generativos sean entrenados de extremo a extremo (end-to-end), a diferencia de otras tareas de aprendizaje profundo. Un reciente artículo de la Universidad de Illinois y Harvard introduce "Explorative Modeling (XM)", un nuevo paradigma que resuelve este problema mediante un bucle simple (for). La idea clave es que, en cada paso de entrenamiento, el modelo genera K candidatos y solo retropropaga el gradiente a partir del candidato más cercano a los datos reales. Este enfoque evita que el modelo converja a un promedio borroso entre múltiples modos (mode blurring), un problema inherente a las funciones de pérdida de reconstrucción típicas. XM identifica una tercera dimensión escalable, además de los parámetros y los datos: la "expresividad generativa". Los experimentos en imágenes, video y lenguaje muestran que aumentar la exploración (K) mejora monótonamente el rendimiento, con ganancias de eficiencia en FLOPs, muestras y parámetros. En tareas de control robótico, una política exploratoria XM iguala o supera a políticas de difusión que requieren 100 veces más cómputo en inferencia. El trabajo sugiere que, a gran escala, la expresividad generativa se convierte en el cuello de botella principal, y XM ofrece un camino para modelos generativos verdaderamente end-to-end, generando muestras de alta calidad en una sola pasada hacia adelante.

marsbitHace 5 min(s)

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

marsbitHace 5 min(s)

Upbit Reorganiza 864,000 Millones de SHIB en Movimiento Interno de Cartera

El exchange surcoreano Upbit ha reorganizado 864.000 millones de SHIB entre direcciones de cartera internas, generando un movimiento on-chain significativo en valor, pero que corresponde a una rebalanceo interno y no a una venta por parte del exchange. Las transferencias, valoradas en aproximadamente 4 millones de dólares, se produjeron tras una subida del 36% en el precio de SHIB, lo que incrementó su visibilidad. Los movimientos incluyeron 384.000 millones de SHIB salientes y 480.000 millones entrantes entre carteras calientes y operativas identificadas de Upbit. Este tipo de actividad es parte de la gestión normal de liquidez y seguridad de los exchanges, y al ocurrir entre direcciones internas conocidas, no implica una presión de venta directa en el mercado. El artículo subraya que, si bien la transparencia on-chain es útil, la interpretación correcta requiere contexto, como el etiquetado de las carteras. En este caso, los datos respaldan la narrativa de una reestructuración operativa tras un periodo de alta actividad comercial, y no señales de venta por parte de ballenas o del exchange.

bitcoinistHace 6 min(s)

Upbit Reorganiza 864,000 Millones de SHIB en Movimiento Interno de Cartera

bitcoinistHace 6 min(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

Un investigador de DeepMind satiriza la nueva norma de ICLR que limita a 20 artículos por autor. La conferencia de IA ICLR 2027 ha establecido una nueva regla: cada autor solo puede figurar en un máximo de 20 trabajos enviados. Los que excedan este límite serán advertidos y, de no corregirse, algunos serán rechazados aleatoriamente. La justificación es la enorme presión sobre el sistema de revisión, tras un aumento del 68% en los envíos para ICLR 2026 (19,525 trabajos). Dan Roy, investigador de Google DeepMind, respondió con una "petición" irónica en X, pidiendo que se elimine el límite. Su mensaje, cargado de sarcasmo, sugiere que los agentes de IA ahora pueden producir investigaciones incrementales y que, "dado que todo el trabajo de revisión ya lo hacen los grandes modelos de lenguaje", debería animarse a enviar más trabajos, no menos. Su sátira apunta a un problema real: el uso de IA tanto en la autoría como en la revisión. Un análisis de 2025 detectó que aproximadamente el 21% de las revisiones de ICLR 2026 eran probablemente generadas completamente por IA. La broma de Roy plantea una pregunta seria: en un entorno donde agentes generan artículos, autores los envían en masa y revisores potencialmente usan IA, ¿limitar el número de envíos es la solución adecuada? El debate sobre la calidad versus la cantidad, y el papel de la IA en la academia, continúa.

marsbitHace 10 min(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

marsbitHace 10 min(s)

Vulnerabilidad en Coldcard provoca un robo de 89 millones de dólares, desatando la mayor migración en cadena desde FTX

La vulnerabilidad en las carteras hardware Coldcard de Coinkite ha resultado en el robo de aproximadamente 1.367,05 bitcoins (unos 89 millones de dólares) de 4.585 direcciones, según Galaxy Research. El fallo, causado por un software que generaba semillas con baja aleatoriedad, desencadenó una migración masiva de fondos por parte de usuarios afectados que buscaban proteger sus activos. Esta migración ha distorsionado indicadores clave de la cadena de bloques de Bitcoin. CryptoQuant reportó un pico en transacciones de menos de 1 BTC y en direcciones activas, niveles no vistos desde el colapso de FTX en 2022, mientras que Santiment registró un drástico deterioro del sentimiento del mercado. La investigación para rastrear los fondos robados se ha visto dificultada por las restricciones de los principales modelos de IA estadounidenses, que bloquean consultas con datos maliciosos incluso para análisis forenses. Los investigadores recurrieron a un modelo de IA de código abierto chino, destacando una asimetría donde los atacantes pueden usar herramientas de IA sin límites, pero los defensores enfrentan barreras. Este caso subraya la vulnerabilidad percibida de las carteras frías y los desafíos en la respuesta rápida a ciberataques en criptomonedas.

marsbitHace 56 min(s)

Vulnerabilidad en Coldcard provoca un robo de 89 millones de dólares, desatando la mayor migración en cadena desde FTX

marsbitHace 56 min(s)

OpenAI ya no depende del modelo más caro para ganar dinero

La empresa OpenAI anunció una importante reducción de precios el 30 de julio, destacando que GPT-5.6 Luna bajó un 80% y Terra un 20. Este movimiento, junto con una acción similar de Anthropic la semana anterior, señala un cambio estratégico crucial: las empresas ya no promueven principalmente sus modelos más potentes y caros. En su lugar, OpenAI recomienda explícitamente a los usuarios que para muchas tareas no es necesario usar el modelo más fuerte, sugiriendo un flujo de trabajo donde el modelo Sol (el más caro) diseña y planifica, y el modelo Luna (más económico) ejecuta. Esto refleja que el enfoque ha pasado de vender la inteligencia máxima a vender eficiencia y escala, priorizando modelos económicos y estables para tareas de alto volumen. La verdadera batalla ya no es por quién tiene el modelo más inteligente, sino por quién puede ofrecer la mejor relación costo-rendimiento y crear un ecosistema de uso con alta fidelidad. La industria de la IA estaría entrando en una era de "economía de escala", donde el costo por token cae drásticamente gracias, en parte, a que los propios modelos optimizan su código y operaciones, impulsando un ciclo de reducción de costos autosostenido. El objetivo final parece ser que la IA se convierta en una utilidad omnipresente y de bajo costo, como la electricidad, integrada en todos los flujos de trabajo.

marsbitHace 1 hora(s)

OpenAI ya no depende del modelo más caro para ganar dinero