Coinbase No Cumple las Estimaciones del Primer Trimestre a Medida que la Crisis Cripto Profundiza las Pérdidas

TheNewsCryptoPublicado a 2026-05-08Actualizado a 2026-05-08

Resumen

La bolsa de criptomonedas estadounidense Coinbase registró una pérdida significativa en el primer trimestre y unos ingresos inferiores a las proyecciones de Wall Street, lo que hizo que sus acciones cayeran en picado. La empresa tuvo una pérdida neta de 394,1 millones de dólares, su segundo trimestre consecutivo en números rojos, tras haber obtenido beneficios un año antes. Los ingresos totales fueron de 1.410 millones de dólares, por debajo de los 1.500 millones previstos. Tanto los ingresos por transacciones como por suscripciones y servicios cayeron drásticamente. La directora financiera, Alesia Haas, atribuyó los malos resultados a un entorno macroeconómico desafiante, con una caída de más del 20% en la capitalización total del mercado y el volumen de operaciones con criptomonedas. Tras una caída de más del 14,5% en el precio de sus acciones este año, Coinbase está explorando nuevas líneas de negocio, como mercados de predicción, y ha implementado medidas de reducción de costes, incluido un despido del 14% de su plantilla. El consejero delegado, Brian Armstrong, mantuvo un tono optimista, destacando el objetivo de la empresa de expandir sus capacidades de trading más allá de las criptomonedas para incluir todas las clases de activos.

La casa de cambio de criptomonedas estadounidense Coinbase registró una pérdida significativa en el primer trimestre y unos ingresos que no alcanzaron las proyecciones de Wall Street, lo que hizo que sus acciones se desplomaran el jueves. Después de registrar una pérdida de 667 millones de dólares en el cuarto trimestre de 2025, Coinbase tuvo una pérdida neta de 394.1 millones de dólares en el primer trimestre, marcando su segundo trimestre consecutivo en números rojos. Pasó a tener pérdidas después de haber obtenido 65.6 millones de dólares un año antes.

Durante una conferencia de resultados, la directora financiera de Coinbase, Alesia Haas, informó a los inversores que las circunstancias macroeconómicas eran muy desafiantes. Tanto la capitalización de mercado total de las criptomonedas como el volumen total de operaciones cripto cayeron más del 20% respecto al trimestre anterior.

Explorando Nuevas Líneas de Negocio

Los resultados de Coinbase siguen a los de otras empresas de criptomonedas, que tuvieron un comienzo difícil en 2026 a medida que los inversores huían del mercado debido a la caída bursátil. Mientras tanto, los analistas habían pronosticado 1.500 millones de dólares en ingresos para el primer trimestre de Coinbase, pero la compañía solo obtuvo 1.410 millones. Los ingresos por suscripciones y servicios, que representan sus operaciones fuera del comercio, disminuyeron un 13.5 por ciento respecto al año anterior, mientras que los ingresos por transacciones se desplomaron un 40 por ciento.

En el mercado extrabursátil del jueves, Coinbase cayó un 4.7% a menos de 184 dólares, después de que la empresa revelara una pérdida de 1.49 dólares por acción, que fue peor que las proyecciones de los analistas de 36 centavos por acción.

Tras una caída de más del 14.5 por ciento en el precio de sus acciones este año, Coinbase ha estado explorando nuevas líneas de negocio, incluidos los mercados de predicción, e implementando iniciativas de reducción de costes, como el despido del 14% de 700 trabajadores que ocurrió el lunes.

Coinbase se creó para beneficiarse del movimiento de la economía global hacia la cadena de bloques, según el director ejecutivo Brian Armstrong, quien mantuvo un tono optimista en la conferencia telefónica a pesar de los resultados de la empresa. Además, enfatizó que el objetivo de Coinbase durante el último año ha sido expandir sus capacidades de negociación más allá de las simples operaciones al contado de criptomonedas para incluir todas las clases de activos.

Noticias Destacadas de Cripto Hoy:

Los ETF de Bitcoin al contado de EE.UU. Rompen la Racha de Entradas de 1.700 Millones de Dólares Mientras el BTC Cae por Debajo de 80,000 Dólares

EtiquetasCoinbaseexchange

Preguntas relacionadas

Q¿Cuál fue el resultado financiero de Coinbase en el primer trimestre y cómo se compara con las expectativas de Wall Street?

ACoinbase registró una pérdida neta de 394,1 millones de dólares en el primer trimestre, con unos ingresos de 1.410 millones de dólares que no alcanzaron las proyecciones de Wall Street, que eran de 1.500 millones de dólares. La pérdida por acción fue de 1,49 dólares, mucho peor que los 36 centavos previstos por los analistas.

Q¿Qué razones dio la directora financiera de Coinbase, Alesia Haas, para explicar los pobres resultados?

ALa directora financiera, Alesia Haas, atribuyó los resultados a circunstancias macroeconómicas muy desafiantes, señalando que tanto la capitalización total del mercado de criptomonedas como el volumen total de operaciones criptográficas cayeron más de un 20% respecto al trimestre anterior.

Q¿Cómo ha evolucionado el precio de las acciones de Coinbase tras la publicación de sus resultados?

ATras la publicación de los resultados, las acciones de Coinbase cayeron un 4,7% en el mercado extrabursátil, por debajo de los 184 dólares. A esto se suma un descenso de más del 14,5% en el precio de sus acciones desde principios de año.

Q¿Qué medidas está tomando Coinbase para hacer frente a la situación actual?

ACoinbase está explorando nuevas líneas de negocio, como los mercados de predicción, e implementando iniciativas de reducción de costes. Un ejemplo de estas medidas fue el despido del 14% de su plantel, unos 700 trabajadores, anunciado el lunes anterior.

Q¿Qué visión expresó el CEO Brian Armstrong sobre el futuro de Coinbase a pesar de los malos resultados?

AEl CEO Brian Armstrong mantuvo un tono optimista, afirmando que Coinbase fue creada para beneficiarse de la transición de la economía global hacia la tecnología blockchain. Además, destacó que el objetivo del último año ha sido ampliar sus capacidades de negociación más allá del mercado spot de criptomonedas para incluir todas las clases de activos.

Lecturas Relacionadas

Huang Renxun: El Prompt está quedando obsoleto, Loop es el nuevo paradigma

En el mundo de la IA, se está produciendo un cambio de paradigma: el "prompt" (instrucción directa) pierde relevancia frente al "loop" (bucle o ciclo). Según expertos como Jensen Huang (fundador de NVIDIA), Peter, Boris Cherny (creador de Claude Code) y Andrew Ng, la nueva tarea clave no es escribir prompts detallados, sino diseñar y gestionar loops. ¿Qué es un loop? Es un sistema automatizado donde la IA recibe un objetivo general, ejecuta tareas, las verifica automáticamente y, si no cumple los criterios, reintenta de forma independiente hasta completarlo o alcanzar un límite. Esto libera al humano de supervisar cada paso, transformándolo de "instructor" a "diseñador de reglas". Un loop no es lo mismo que un agente de IA: el agente ejecuta, mientras que el loop es el mecanismo que orquesta y automatiza su trabajo continuo sin intervención constante. Productos como Claude Code y OpenAI Codex ya implementan esta idea. Claude Code ofrece funciones como `/goal` (ejecución orientada a objetivos) y `/schedule` (tareas programadas), utilizando modelos separados para generar código (modelo principal) y para validarlo (modelo más pequeño como Haiku), asegurando una verificación objetiva. Codex emplea una "línea de ensamblaje automatizada" con múltiples subagentes que trabajan en paralelo. Boris Cherny describe cómo dirige cientos de pequeños agentes en loops automatizados que manejan desde issues de GitHub hasta fallos en CI, interviniendo solo en casos excepcionales. Para implementar loops efectivos, se recomienda: 1) Evaluar si la tarea es repetitiva, verificable automáticamente, con presupuesto de tokens viable y con herramientas adecuadas. 2) Comenzar con un loop mínimo viable (disparador, habilidad/Skill, archivo de estado STATE.md y compuerta/Gate de verificación). 3) Separar siempre la generación de código de su validación, usando agentes o modelos independientes para evitar sesgos. 4) Evitar errores comunes: establecer condiciones de parada claras (límites de tokens, iteraciones), persistir el estado en archivos, asignar solo tareas con criterios objetivos verificables por máquina (como corrección de Lint) y revisar los cambios (diffs) para mantener la comprensión del código. 5) Medir el éxito por el "costo promedio por modificación aceptada"; una tasa de aceptación inferior al 50% indica ineficiencia. Este enfoque representa la evolución natural en la ingeniería de IA: desde el "Prompt Engineering" (2023-2024, enfocado en redactar instrucciones), pasando por el "Context Engineering" (2024-2025, organizar la información de fondo), luego el "Harness Engineering" (2025-2026, crear entornos de ejecución con herramientas), hasta el actual "Loop Engineering". El nivel de control humano asciende desde frases específicas hacia el diseño de sistemas autónomos. Conceptos académicos como el marco ReAct (Reason+Act, 2022) de Shunyu Yao, que integra razonamiento y acción en un ciclo, sentaron las bases teóricas. A pesar del entusiasmo, expertos como Addy Osmani (Google) advierten sobre la etapa temprana de esta tecnología y los costos de tokens. Andrej Karpathy subraya una reflexión crucial: aunque la IA puede externalizar la ejecución, la comprensión profunda del problema sigue siendo responsabilidad humana. El loop marca un paso hacia una automatización más autónoma, pero su adopción requiere cuidado y criterio.

marsbitHace 1 hora(s)

Huang Renxun: El Prompt está quedando obsoleto, Loop es el nuevo paradigma

marsbitHace 1 hora(s)

GPT diseña GPT

OpenAI ha presentado su primer chip, Jalapeño, un cambio estratégico que va más allá de competir con Nvidia. La empresa busca controlar todo el proceso de producción de inteligencia artificial, desde los modelos hasta el hardware, la energía y los centros de datos. La brecha entre modelos líderes se está reduciendo, mientras que la ventaja competitiva se desplaza a capas más profundas: suministro de computación, costes de inferencia y eficiencia de sistemas. Cada token generado implica un costo, y OpenAI, con productos de gran consumo como ChatGPT, necesita reducir esta "tasa de inferencia" para fortalecer su rentabilidad y defensa competitiva a largo plazo. Jalapeño, un chip ASIC optimizado para inferencia de modelos de lenguaje, fue desarrollado en solo nueve meses con Broadcom. Este plazo résubevela la ventaja clave de OpenAI: utiliza su propio conocimiento interno sobre cómo se ejecutan sus modelos masivos en producción para guiar el diseño del hardware. Esencialmente, GPT ayuda a diseñar las máquinas que ejecutarán la próxima generación de GPT, creando un ciclo de retroalimentación potente. El enfoque en la inferencia es crucial porque, a diferencia del entrenamiento (una inversión puntual enorme), la inferencia consume el flujo de caja diario. Al optimizarla, OpenAI reduce costes operativos fundamentales para su escalabilidad comercial, especialmente con futuros agentes de IA que realizarán cadenas largas de razonamiento. Este movimiento refleja una ambición mayor: OpenAI no quiere ser solo un proveedor de modelos, sino construir un ecosistema integrado al estilo de Apple, donde el software, el hardware y la infraestructura se optimizan mutuamente en un ciclo cerrado. A corto plazo depende de Nvidia, pero al trazar su propia hoja de ruta de chips, emerge como un nuevo tipo de actor en la infraestructura de IA. En resumen, OpenAI ya no aspira solo a crear la inteligencia más avanzada, sino a controlar los medios completos de su producción.

marsbitHace 1 hora(s)

GPT diseña GPT

marsbitHace 1 hora(s)

Trading

Spot
Futuros
活动图片