Los precios de las L1 colapsaron en 2025, pero los fundamentos se mantuvieron firmes – ¿Qué cambió?

ambcryptoPublicado a 2025-12-26Actualizado a 2025-12-26

Resumen

Los precios de las principales cadenas de capa 1 (L1) colapsaron en 2025, con caídas significativas: TON (-73.8%), Avalanche (-67.9%), Sui (-67.3%) y Solana (-35.9%). Ethereum cerró el año con un descenso del 15.3%. Solo BNB y TRX registraron ganancias. Sin embargo, los fundamentos se mantuvieron sólidos. Los ingresos y las tarifas de red se mantuvieron altos, liderados por Tron ($3.500M en ingresos) y Solana ($699.9M en tarifas). La actividad del usuario también se mantuvo elevada, con BNB Chain (59.8M de direcciones activas) y Solana (39.8M) a la cabeza. La divergencia entre el precio y los datos on-chain sugiere que el sector experimentó una repreciación, impulsada por la reducción de primas especulativas tras los máximos de octubre, y no un deterioro estructural. Las cadenas con uso y utilidad real conservaron su relevancia económica.

Las L1 fueron absolutamente pulverizadas este año. Los precios colapsaron fuertemente, pero ¿realmente fue el fin?

Un análisis compartido el 25 de diciembre por Schizoxbt mostró un severo bajo rendimiento en los principales tokens de Capa 1. El estatus de gran capitalización ofreció poca protección, ya que múltiples redes registraron fuertes caídas anuales.

Ethereum terminó el año con una caída del 15.3%, mientras que Solana cayó un 35.9% en el mismo período. Avalanche y Sui disminuyeron un 67.9% y 67.3%, respectivamente, reflejando una presión sostenida a la baja.

TON registró la caída más pronunciada, cayendo un 73.8% durante 2025. Solo BNB y TRX registraron ganancias, subiendo un 18.2% y 9.8%, respectivamente, frente a una debilidad generalizada.

Los datos reforzaron una lección para los inversores. La capitalización de mercado por sí sola no garantizó resiliencia durante las condiciones de aversión al riesgo de los proveedores.

Pero la acción del precio contó solo una parte de la historia.

Ingresos y Tarifas: ¿Realmente se debilitó la monetización de la red?

Si bien los precios de los tokens cayeron, los datos de ingresos on-chain pintaron un panorama notablemente diferente. Los datos de Token Terminal mostraron que la actividad permaneció fuertemente concentrada en un puñado de redes de Capa 1.

Tron lideró a todas las Capa 1 en ingresos, generando aproximadamente $3.5 B en los últimos 365 días. Ethereum le siguió con $305.3 M, mientras que Solana generó aproximadamente $206.8 M durante el mismo período.

La generación de tarifas mostró un patrón similar. Solana lideró en tarifas con $699.9 M, mientras que Ethereum registró $549.3 M en tarifas acumuladas.

BNB Chain también se mantuvo económicamente relevante, produciendo $260.3 M en tarifas a pesar de una acción de precio moderada. La consistencia del uso sugerido no colapsó junto con las valoraciones de los tokens.

Actividad de usuarios: ¿Realmente los traders estaban abandonando las Capa 1?

Los datos de direcciones activas mensuales desafiaron aún más la narrativa bajista que rodea a las Capa 1. La actividad de los usuarios se mantuvo elevada en las redes, dominando el rendimiento de transacciones.

BNB Chain lideró con 59.8 M de direcciones activas, mientras que Solana le siguió con 39.8 M. NEAR Protocol registró 38.7 M, colocándolo firmemente entre las redes de alto uso.

Sei Network reportó 10.6 M de direcciones activas, rivalizando con Bitcoin en 10.3 M. Ethereum se quedó ligeramente atrás con 9.3 M, reflejando un crecimiento constante pero más lento.

Los números sugirieron que la participación persistió incluso cuando los precios se corrigieron.

Fundamentos vs. acción del precio

La divergencia entre los precios y los fundamentos se convirtió en el tema definitorio de 2025. Los tokens de Capa 1 parecieron sufrir una reevaluación de precios en lugar de una deterioración estructural.

Las pérdidas se profundizaron después de que muchas Capa 1 alcanzaran máximos históricos a principios de octubre. La posterior venta masiva de octubre aceleró el impulso a la baja y amplificó las caídas de fin de año.

Sin embargo, el capital y la actividad se consolidaron en torno a redes que generan uso real, tarifas e ingresos. Las primas especulativas se desvanecieron, mientras que las cadenas económicamente productivas conservaron su relevancia.


Reflexiones Finales

  • La caída de 2025 destacó cómo las valoraciones de las Capa 1 se corrigieron bruscamente después de los máximos históricos de octubre.
  • Sin embargo, los datos on-chain de ingresos y usuarios sugirieron que el sector enfrentó presión de reevaluación de precios, no una declinación estructural.

Preguntas relacionadas

Q¿Cómo se desempeñaron los principales tokens de Capa 1 (L1) en términos de precios durante 2025 según el análisis de Schizoxbt?

ALa mayoría de los principales tokens de Capa 1 experimentaron fuertes caídas. Ethereum cerró el año con una disminución del 15,3%, Solana cayó un 35,9%, Avalanche un 67,9% y Sui un 67,3%. TON registró la caída más pronunciada, con un 73,8%. Solo BNB y TRX obtuvieron ganancias, subiendo un 18,2% y un 9,8%, respectivamente.

QA pesar del colapso de los precios, ¿qué red Layer-1 generó más ingresos en el último año y cuál fue la cantidad?

AA pesar de la caída de los precios, Tron fue la red Layer-1 que generó más ingresos, con aproximadamente 3.500 millones de dólares en los últimos 365 días.

QSegún los datos de Token Terminal, ¿qué redes encabezaron la generación de tarifas (fees) y con qué cantidades?

ASolana lideró la generación de tarifas con 699,9 millones de dólares. Ethereum registró 549,3 millones en tarifas acumulativas, y BNB Chain produjo 260,3 millones de dólares en tarifas.

Q¿Qué demostraron los datos de direcciones activas mensuales sobre la actividad del usuario en las redes Layer-1 durante la corrección de precios?

ALos datos de direcciones activas mensuales desafiaron la narrativa bajista, mostrando que la actividad del usuario se mantuvo elevada. BNB Chain lideró con 59,8 millones de direcciones activas, seguida por Solana con 39,8 millones y NEAR Protocol con 38,7 millones. Esto sugirió que la participación persistió incluso cuando los precios se corrigieron.

Q¿Cuál fue la conclusión principal del artículo respecto a la divergencia entre los precios y los fundamentos de las Layer-1 en 2025?

ALa conclusión principal fue que la divergencia entre los precios y los fundamentos fue el tema definitorio de 2025. Los tokens de Capa 1 parecieron sufrir una repreciación en lugar de una deterioro estructural. Los premios especulativos se desvanecieron, mientras que las cadenas económicamente productivas (aquellas que generan uso real, tarifas e ingresos) conservaron su relevancia.

Lecturas Relacionadas

Apaga la IA antes de la entrevista: ¿Qué tipo de personas busca Anthropic?

La empresa de IA Anthropic, recientemente valorada en 965.000 millones de dólares, ha implementado un riguroso proceso de selección de cinco rondas que prohíbe el uso de IA. La ronda más crítica es la "entrevista cultural", que evalúa los valores, la visión del mundo y la postura ante los riesgos de la IA del candidato, pudiendo ser rechazado si no la supera, independientemente de su habilidad técnica. A diferencia de empresas como Google, que fomentan el uso de IA en las entrevistas, Anthropic considera esencial evaluar al candidato sin ayuda artificial. La entrevista cultural, descrita a veces como invasiva o similar a una terapia, indaga en creencias personales, dilemas éticos y la capacidad de defender posturas bajo presión. El objetivo es identificar a personas cuyas convicciones y pensamiento crítico sean auténticos y no estén externalizados. El enfoque de Anthropic, dirigido por líderes que dedican gran parte de su tiempo a la cultura corporativa, busca personas cuyos valores estén alineados con su misión de seguridad a largo plazo en IA. Esto contrasta con la narrativa predominante de que el mayor valor reside en dominar las herramientas de IA. La pregunta central de Anthropic es: en una era donde la ejecución se abarata, ¿qué se vuelve realmente valioso? Su respuesta es: el pensamiento independiente, la autenticidad y la capacidad de mantener un criterio propio cuando la IA está apagada.

marsbitHace 13 min(s)

Apaga la IA antes de la entrevista: ¿Qué tipo de personas busca Anthropic?

marsbitHace 13 min(s)

Adiós al toro y al oso tradicionales: el mercado entra en la era de la rotación de burbujas

El mercado ha evolucionado de un patrón cíclico tradicional de "toros y osos" hacia una era de "burbujas rotativas" sucesivas, similares a una cadena de tormentas convectivas en meteorología. Factores estructurales clave impulsan este cambio: la especulación masificada de minoristas, flujos de compra pasivos perpetuos, el dominio de la inversión indexada y el trading de alta frecuencia, la supresión artificial de la volatilidad, índices ahora dominados por empresas tecnológicas de larga duración impulsadas por narrativas, la desaparición de la demora informativa y un entorno fiscal y monetario expansivo. Estos cambios, en su mayoría permanentes, crean un entorno propicio para que surjan ciclos especulativos rápidos en sectores como IA, biotecnología (GLP-1), criptomonedas o robótica. Cada burbuja sigue una secuencia: latencia, catalizador, formación de una narrativa, divergencia de expectativas y finalmente ruptura. El capital liberado alimenta entonces la siguiente burbuja en un sector adyacente. Para navegar este nuevo panorama, los inversores deben elevar su perspectiva, reconociendo el patrón cíclico general en lugar de quedar atrapados en la emoción de una única tendencia. Los más beneficiados serán los investigadores profundos de sectores y aquellos capaces de identificar y seguir tendencias tempranas, manteniendo siempre una gestión prudente del riesgo.

marsbitHace 22 min(s)

Adiós al toro y al oso tradicionales: el mercado entra en la era de la rotación de burbujas

marsbitHace 22 min(s)

En los últimos 2 minutos antes de la apertura de SK Hynix, TradeXYZ fijó el precio con una precisión de solo el 0.13% de diferencia

En el mercado tradicional, los activos como las acciones dejan de operar fuera del horario bursátil, pausando el descubrimiento de precios. Sin embargo, los mercados de derivados on-chain, como los impulsados por Hyperliquid, están cambiando esto al permitir el trading 24/7 de activos del mundo real (RWA). Un ejemplo claro fue el fin de semana del 5 al 8 de junio con las acciones de SK Hynix. Mientras la bolsa de Corea (KRX) estaba cerrada, el contrato perpetuo xyz:SKHX en Hyperliquid siguió operando. El lunes 8 de junio, justo antes de la apertura de la KRX, el precio on-chain cayó a un mínimo que reflejaba una caída del -10.21%. Tres minutos después, la acción real abrió en la KRX con una caída del -10.34%, una diferencia de solo 0.13 puntos porcentuales, demostrando una precisión notable en el descubrimiento de precios. En los dos minutos finales antes de la apertura, el mercado on-chain experimentó un volumen excepcional y un rebote del precio del +2.31%, anticipando con precisión la recuperación inicial que la acción real mostró minutos después de abrir en la KRX (alrededor de +2.64%). Este caso muestra cómo los mercados on-chain pueden actuar como una cámara de compensación avanzada, descubriendo precios y expresando riesgos de forma continua, incluso cuando los mercados tradicionales están cerrados.

marsbitHace 26 min(s)

En los últimos 2 minutos antes de la apertura de SK Hynix, TradeXYZ fijó el precio con una precisión de solo el 0.13% de diferencia

marsbitHace 26 min(s)

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 42 min(s)

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

marsbitHace 42 min(s)

Trading

Spot
Futuros
活动图片