Stablecoins not a ‘systemic risk’: Coinbase pushes back on GENIUS Act critics

ambcryptoPublicado a 2026-02-04Actualizado a 2026-02-04

Resumen

The debate over stablecoin regulation continues between the crypto industry and traditional banks. Coinbase strongly opposes claims that stablecoins pose a "systemic risk" to the U.S. financial system. Chief Policy Officer Faryar Shirzad argues that stablecoins follow a secure government-backed model, unlike the risky money market funds that contributed to past financial crises. Chief Legal Officer Paul Grewal emphasizes that stablecoin reserves are backed dollar-for-dollar by short-term instruments like U.S. Treasuries and are not relent like traditional bank deposits. However, the proposed GENIUS Act allows stablecoin reserves to include riskier assets such as uninsured deposits and money market fund shares. Critics, including Better Markets and the Bank Policy Institute, warn this could make stablecoins vulnerable to bank-like runs. Despite ongoing discussions and a planned meeting among Senate Democrats, the future of stablecoin legislation remains uncertain, with no clear timeline for the bill's advancement.

The debate over stablecoin yields shows no signs of ending soon. At the center of the issue are two opposing sides, the crypto industry and traditional banks, both pushing for a compromise but remaining firmly divided.

Meanwhile, Coinbase has taken a strong position. The exchange has consistently pushed back against claims that stablecoins pose a “systemic risk” to the broader U.S. financial system.

Stablecoins are way safer, says Coinbase

In a recent statement, Faryar Shirzad, Coinbase’s Chief Policy Officer, dismissed claims that stablecoins mirror money market funds (MMFs), which triggered past financial crises.

Shirzad said that it was a misconception to equate risky prime MMFs that triggered the 2008 financial crisis with safer government-backed MMFs. According to Shirzad, stablecoins follow the ‘secure’ government model and will be “future safe haven.”

“But it is just the opposite (of projected financial crisis)– stablecoins will be the future safe haven.”

Another Coinbase official, Paul Grewal, the firm’s chief legal officer (CLO), echoed the same in a recent CNBC interview.

“Stablecoin issuer deposits (reserves) are not re-lent out like the fractionalized reserve system used by banks. They’re backed dollar-for-dollar in short-term instruments, principally U.S. Treasuries. They are much safer than the banks.”

Crypto bill on the lifeline

But not all the issuers’ reserves are backed by short-term bonds. The stablecoin law, the GENIUS Act, allows for the reserves to include uninsured deposits, repurchase agreement loans, and shares of MMFs.

According to Better Markets, a financial reform nonprofit, this ‘risky’ reserve composition makes stablecoin vulnerable to bank-like runs seen in 2020 and 2008.

The same framing was applied by the Bank Policy Institute (BPI), a lobby group for banks, which called stablecoins a ‘less regulated cousin’ of money market funds.

In fact, these arguments by Better Markets and BPI were the ones Shirzad addressed. The ongoing discussion is part of the larger push for compromise on stablecoin yield that has stalled the market structure bill.

Meanwhile, reports indicate that Democrats have planned a meeting to discuss the bill. This follows White House meeting held on the 2nd of February, to broker a stablecoin yield deal between banks and the crypto industry by the end of the month.

It remains unclear whether the bill will progress out of the Senate Banking Committee by Q1 2026.


Final Thoughts

  • Coinbase officials have maintained that stablecoins are much safer and carry less risk than banks.
  • Senate Democrats planned a meeting on the crypto bill, but uncertainty remains on the legislation’s momentum.

Preguntas relacionadas

QWhat is the main argument Coinbase makes against claims that stablecoins pose a systemic risk?

ACoinbase argues that stablecoins are much safer than banks and money market funds (MMFs) because their reserves are backed dollar-for-dollar in short-term instruments like U.S. Treasuries and are not re-lent out like in the fractionalized reserve banking system.

QAccording to the article, what does the GENIUS Act allow stablecoin reserves to include?

AThe GENIUS Act allows stablecoin reserves to include uninsured deposits, repurchase agreement loans, and shares of money market funds (MMFs).

QWhich two groups are mentioned as being opposed to the crypto industry's view on stablecoins?

AThe two groups opposed to the crypto industry's view are traditional banks, represented by the Bank Policy Institute (BPI), and the financial reform nonprofit Better Markets.

QWhat specific event from the past do critics cite when warning about the risks of stablecoins?

ACritics cite the bank-like runs seen in the 2008 financial crisis and in 2020 as a risk for stablecoins, comparing their reserve composition to that of risky prime money market funds (MMFs).

QWhat is the current status of the stablecoin market structure bill according to the article?

AThe bill's progress is uncertain, and it remains unclear whether it will advance out of the Senate Banking Committee by the first quarter of 2026, despite planned meetings among Democrats to discuss it.

Lecturas Relacionadas

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

En la actualidad, el mercado de inversión está obsesionado con los "Modelos del Mundo". Sin embargo, Pete Florence, ex científico de DeepMind y co-creador de la arquitectura Vision-Language-Action (VLA), fundó Generalist AI y rechaza esta etiqueta. Para él, el objetivo concreto es más importante: crear robots que realicen cualquier tarea con alta tasa de éxito sin datos específicos. Recientemente, Generalist AI recaudó 400 millones de dólares (unos 2.700 millones de RMB) en una ronda de financiación, alcanzando una valoración de 2.000 millones de dólares. Inversores incluyen NVentures de Nvidia, Bezos Expeditions, NFDG, y figuras como el cofundador de Xiaomi Lin Bin, el fundador de Zoom Eric Yuan, y la renombrada científica Fei-Fei Li. Florence, influenciado por su mentor en el MIT Russ Tedrake, prioriza comprender el mundo físico. Su enfoque comienza estableciendo una meta clara, luego diseña la ruta técnica. Tras dejar Google, lanzó Generalist AI en 2025. La compañía presentó su primer modelo de IA incorporada, GEN-0, en noviembre de 2025, demostrando que las leyes de escalado de los LLMs también se aplican al movimiento físico. En abril de 2026, presentaron GEN-1, entrenado con más de 50.000 horas de datos de interacción física recogidos por un dispositivo portátil. GEN-1 logra un 99% de éxito en tareas como plegar cajas y empaquetar teléfonos, siendo tres veces más rápido que GEN-0. Este avance acerca el modelo a un punto de inflexión similar al GPT-3, mostrando un rendimiento apto para despliegues comerciales en ciertas tareas. La inversión récord respalda la visión de Florence: robots universales que sean lo suficientemente expertos en tareas reales como para ser útiles, avanzando hacia la reducción del coste marginal del trabajo físico a cero. La etiqueta "Modelo del Mundo" queda así en segundo plano frente a los resultados tangibles.

marsbitHace 3 min(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

marsbitHace 3 min(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

En solo tres días, Google ha perdido a dos leyendas de la IA. El 18 de junio, Noam Shazeer, coautor del seminal trabajo "Attention is All You Need" y copresponsable de Gemini, anunció su salida para unirse a OpenAI. Dos días después, John Jumper, ganador del Nobel de Química 2024 y líder de AlphaFold, dejó Google DeepMind para incorporarse a Anthropic. Estas partidas no son incidentes aislados, sino parte de una tendencia clara de fuga de talento de Google hacia OpenAI y Anthropic, como lo confirma también la reciente incorporación a Anthropic del exmiembro fundador de OpenAI, Andrej Karpathy. El trasfondo de este éxodo es fundamentalmente una cuestión de misión y enfoque. El modelo de negocio central de Google, basado en la publicidad, impone una lógica orientada a productos y métricas comerciales que, en última instancia, restringe la investigación pura. En contraste, tanto OpenAI (con su misión de AGI) como Anthropic (centrada en la seguridad y la ciencia) ofrecen un entorno de trabajo enfocado únicamente en empujar los límites de las capacidades de los modelos. A esto se suma la fuerte atracción financiera: OpenAI y Anthropic están en camino a una OPI, lo que promete una recompensa económica masiva a través de capital para sus empleados, algo que la ya gigantesca Google difícilmente puede igualar. La fusión de Google Brain y DeepMind en 2023, destinada a consolidar esfuerzos, ha generado en cambio tensiones culturales y ha hecho más evidente la presión por alinear la investigación con los objetivos de los equipos de productos. El resultado es una reorganización estructural del mapa del talento en IA. Google, a pesar de sus vastos recursos en computación y datos, está perdiendo a las personas que definen el futuro del campo. La verdadera ventaja competitiva en IA reside en retener a las mentes más brillantes, y Google está descubriendo que esa es quizás su batalla más difícil.

marsbitHace 2 hora(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

marsbitHace 2 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

Cada vez que se lanza un modelo de IA de vanguardia, la comunidad fija su atención en ciertas "hojas de resultados" familiares: MMLU-Pro, MMMU, MMMU-Pro. Estos puntos de referencia se han convertido en exámenes estándar para evaluar y comparar modelos como GPT, Claude, Gemini, Llama, Qwen y DeepSeek. Detrás de estas influyentes evaluaciones está el investigador chino Wenhu Chen, profesor asistente en la Universidad de Waterloo y fundador del TIGERLab (apodado "虎头帮"). Su trabajo surge de una necesidad crítica: a medida que los modelos avanzaban, las pruebas antiguas como MMLU se saturaban con puntuaciones casi perfectas, dejando de ser útiles para discernir diferencias reales. En 2024, Chen y su equipo presentaron MMLU-Pro, una renovación exhaustiva del original. Con 12,032 preguntas de 14 disciplinas, aumenta las opciones de respuesta de 4 a 10 para reducir las conjeturas e incorpora problemas más complejos que requieren razonamiento. El resultado fue una caída del 16% al 33% en la precisión de los modelos y una evaluación más estable y discriminatoria, rápidamente adoptada por la industria. Su contribución se extiende al ámbito multimodal con MMMU, un conjunto de 11,500 preguntas que combinan imágenes (gráficos, mapas, fórmulas) con conocimientos académicos para probar una comprensión integrada. Incluso los mejores modelos como GPT-4V inicialmente solo alcanzaron un 56% de precisión, revelando un largo camino por recorrer. Su sucesor, MMMU-Pro, cierra aún más las brechas, obligando a los modelos a utilizar la información visual y no solo el texto. La experiencia de Chen, que incluye investigación doctoral en preguntas complejas y una etapa en Google DeepMind trabajando en Gemini, le permite anticipar cómo los modelos pueden "aparentar" competencia. Su laboratorio no solo diseña evaluaciones, sino que también desarrolla modelos (como UniVideo para video o MoCha para avatares), asegurando que sus "exámenes" reflejen desafíos reales y los límites actuales de la tecnología. Actualmente, Chen continúa este trabajo en el laboratorio de superinteligencia de Meta, enfocado en datos y evaluación multimodal. Su historia destaca el papel fundamental, aunque a menudo menos visible, de los investigadores que construyen las herramientas para medir el verdadero progreso de la IA.

marsbitHace 2 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

marsbitHace 2 hora(s)

Selección Semanal del Editor Weekly Editor's Picks (0613-0619)

**【Resumen semanal de los editores (13-19 de junio)】** Esta selección semanal rescata análisis profundos del flujo de información, filtrando el ruido para ofrecer perspectivas clave. **Panorama macro:** Tras la reapertura del Estrecho de Ormuz, el mercado ajusta su foco desde el "impacto bélico" hacia la "recuperación de la oferta". Se observan movimientos en petróleo, bonos, inflación y cadenas de valor como LNG y fertilizantes. **Inversión y emprendimiento:** Ray Dalio advierte sobre la concentración del mercado en acciones de grandes tecnológicas de IA, recomendando diversificación. En cripto, se analizan ciclos a largo plazo, señales de posible fondo para BTC en Q4, y los desafíos regulatorios en mercados como Corea del Sur. El análisis de SpaceX tras su IPO destaca su elevada valoración, riesgos sistémicos potenciales y la importancia de próximos hitos como su inclusión en índices. **Web3 & IA:** Una advertencia señala exposiciones de billones de dólares fuera de balance en la nube/IA, un riesgo latente si la comercialización falla. Se exploran las predicciones de IA para el Mundial y la estructura de costos de una suscripción a IA como Claude. **Mercados de predicción:** Robinhood desarrolla su propia plataforma (Rothera), iniciando una "guerra de canales" en la industria y posicionándose como competidor directo de Kalshi. **CeFi & DeFi:** Se analizan mecanismos de perpetuales para pre-IPO (ej. SpaceX) y los desafíos técnicos pendientes. La desviación del precio de STRC (vinculado a Strategy) refleja preocupaciones sobre su modelo de negocio. Se presenta el nuevo ETF de Bitcoin con rendimiento de BlackRock (BITA). **Ethereum y escalabilidad:** Se destaca la ventaja clave de Ethereum: su vasto ecosistema de desarrolladores y estándares, consolidándolo como sistema operativo para las finanzas descentralizadas. **Otros titulares de la semana:** Acuerdo EEUU-Irán, decisión de la Fed, movimientos en SpaceX y Anthropic, y opiniones destacadas sobre mercados.

marsbitHace 2 hora(s)

Selección Semanal del Editor Weekly Editor's Picks (0613-0619)

marsbitHace 2 hora(s)

Trading

Spot
Futuros
活动图片