Paradigm construye su propia terminal de negociación para mercados de predicción y está considerando productos de creación de mercado e índices

marsbitPublicado a 2026-04-02Actualizado a 2026-04-02

Resumen

Paradigm, una de las principales firmas de capital de riesgo en cripto, está desarrollando una terminal de negociación para mercados de predicción dirigida a operadores profesionales y creadores de mercado, según fuentes anónimas. El proyecto, liderado por el socio Arjun Balaji desde finales de 2025, refleja el creciente interés institucional en este sector. La empresa también evalúa la creación de un propio escritorio de market making y explora, junto a investigadores, el desarrollo de un índice de mercados de predicción similar al S&P 500. Paradigm ya está agregando datos en un panel público. Paradigm es un gran inversor en Kalshi, una plataforma líder de mercados de predicción valorada en 22 mil millones de dólares, y afirma que su terminal no compite con ella. Este movimiento se enmarca en la expansión de Paradigm más allá de las criptomonedas, incluyendo IA y robótica, y refleja su tendencia en incubar sus propios productos, como el blockchain para stablecoins Tempo, desarrollado con Stripe.

Autor: Fortune (fuente anónima informada)

Compilado: Deep Tide TechFlow

Guía de Deep Tide: Los mercados de predicción están evolucionando de herramientas de nicho a un sector financiero principal. Paradigm, no satisfecho con ser solo un inversor, comienza a construir infraestructura por su cuenta. Detrás de esta acción, un fondo de cifrado de primer nivel está redefiniendo sus límites mediante la incubación de proyectos: desde Ithaca hasta Tempo y ahora la terminal de mercados de predicción, Paradigm se parece cada vez más a una empresa de productos.

Texto completo:

Una de las firmas de inversión más influyentes en el espacio cripto está buscando una porción mayor del pastel en rápido crecimiento de los mercados de predicción. Según fuentes informadas, la firma de capital de riesgo Paradigm está desarrollando una terminal de negociación para mercados de predicción dirigida a operadores profesionales y creadores de mercado. Las fuentes, que pidieron el anonimato para discutir este plan comercial no público, indicaron que el socio de Paradigm, Arjun Balaji, ha estado liderando este proyecto desde finales de 2025.

Balaji no respondió a las solicitudes de comentarios, y un portavoz de Paradigm también se negó a comentar al respecto.

El avance de este proyecto de terminal de negociación coincide con una carrera de instituciones financieras principales por establecerse en los mercados de predicción. Estos mercados permiten a los operadores especular sobre resultados de eventos deportivos, tendencias electorales e incluso el precio de Bitcoin, y han ganado popularidad constantemente en los últimos años.

Según dos fuentes informadas, Paradigm también está considerando si, además de desarrollar la terminal de negociación, establecer internamente un escritorio de creación de mercado para predicciones.

Además, una tercera fuente familiarizada con la situación de Paradigm indicó que esta firma de capital de riesgo está colaborando con investigadores para explorar la viabilidad de crear índices de mercados de predicción. La idea central es agrupar múltiples mercados de predicción en un producto negociable, similar a cómo el índice S&P 500 integra las acciones de 500 empresas en un solo índice. Actualmente, Paradigm ya ha comenzado a recopilar datos de mercados de predicción en un panel público.

Kalshi y Polymarket

Paradigm es un importante inversor en Kalshi, una de las dos principales plataformas de mercados de predicción. En 2025, esta firma de capital de riesgo participó en tres rondas de financiación consecutivas de Kalshi y lideró la ronda de diciembre que valoró a Kalshi en 11 mil millones de dólares. Actualmente, Kalshi ha completado una nueva ronda de financiación de al menos 1 mil millones de dólares, elevando su valoración a 22 mil millones de dólares.

El cofundador y socio gerente de Paradigm, Matt Huang, es miembro de la junta directiva de Kalshi. Según una fuente informada, el desarrollo de la terminal de negociación para mercados de predicción por parte de Paradigm no compite con el negocio de la plataforma de Kalshi.

El competidor Polymarket también se está expandiendo rápidamente. Según The Wall Street Journal, la plataforma está negociando una nueva ronda de financiación con una valoración de aproximadamente 20 mil millones de dólares. Simultáneamente, se ha establecido una nueva firma de capital de riesgo centrada en mercados de predicción, respaldada conjuntamente por los CEOs de las dos principales plataformas.

La apuesta de Paradigm por los mercados de predicción también ocurre en el contexto de la expansión continua de los límites de su negocio, pasando de su enfoque tradicional en activos digitales a extenderse gradualmente a sectores tecnológicos más amplios. Según The Wall Street Journal, Paradigm está recaudando fondos para un nuevo fondo de hasta 1.5 mil millones de dólares, cuya dirección de inversión no se limitará a lo cripto, sino que también incluirá IA y robótica.

Paradigm tiene tradición de incubar sus propios proyectos. En 2024, el director de tecnología de Paradigm, Georgios Konstantopoulos, fundó la empresa de desarrollo de software cripto Ithaca y se desempeña como CEO. Recientemente, Paradigm colaboró con el gigante fintech Stripe para crear conjuntamente Tempo, una blockchain de alta velocidad diseñada para stablecoins. El socio gerente Huang está liderando este proyecto. Según una fuente informada, Tempo contaba con aproximadamente 70 empleados a principios de marzo.

Preguntas relacionadas

Q¿Qué está desarrollando actualmente la firma de capital de riesgo Paradigm según el artículo?

AParadigm está desarrollando un terminal de negociación para mercados de predicción dirigido a operadores profesionales y creadores de mercado.

Q¿Quién es el socio de Paradigm que lidera el proyecto del terminal de negociación para mercados de predicción?

AEl socio de Paradigm, Arjun Balaji, está liderando el proyecto del terminal de negociación para mercados de predicción desde finales de 2025.

QAdemás del terminal de negociación, ¿qué otras dos iniciativas relacionadas con los mercados de predicción está considerando Paradigm?

AParadigm está considerando establecer una mesa de market making interna para mercados de predicción y también está explorando la viabilidad de crear un índice de mercados de predicción.

Q¿Cuál es una de las principales plataformas de mercados de predicción en las que Paradigm es un importante inversor, según el texto?

AParadigm es un importante inversor en Kalshi, una de las principales plataformas de mercados de predicción, y participó en varias de sus rondas de financiación.

Q¿Cómo está expandiendo Paradigm sus límites comerciales más allá de los mercados de predicción y los activos digitales?

AParadigm está expandiendo sus límites comerciales al recaudar fondos para una nueva cartera de hasta $1.5 mil millones que invertirá en IA y robótica, además de criptoactivos.

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 45 min(s)

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

marsbitHace 45 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 47 min(s)

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

bitcoinistHace 47 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 51 min(s)

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

marsbitHace 51 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 1 hora(s)

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

marsbitHace 1 hora(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 2 hora(s)

OpenAI ya no depende del modelo más caro para ganar dinero

marsbitHace 2 hora(s)

Trading

Spot
活动图片

Categorías popularesright-arrow

Etiquetas Popularesright-arrow