GPrecio de Gravity

El precio de Solana (SOL) cayó por debajo de los $65, alcanzando alrededor de $60 el 5 de junio, su nivel más bajo desde finales de 2023. La presión bajista general del mercado llevó a esta caída. Según un análisis on-chain del experto Ali Martínez, SOL perdió un soporte clave en $77. El siguiente nivel de soporte crucial se identifica en $53, con poca zona de amortiguación hasta ahí. Si se pierde ese nivel, los siguientes puntos críticos a observar serían $35 y $24. Para cualquier recuperación, sería necesario un retorno de la demanda en el mercado spot. Al momento del análisis, SOL cotiza cerca de $63.23, con una caída de casi 8% en 24 horas.

Un trabajo sobre ingeniería de prompts titulado "Verbalized Sampling" ha sido aceptado en ICML 2026, generando un intenso debate. El método propuesto busca resolver el problema del "colapso modal" en LLMs (modelos de lenguaje grandes), donde las respuestas tienden a ser repetitivas y poco diversas. En lugar de modificar algoritmos o reentrenar modelos, los autores introducen un sencillo cambio en el prompt: piden al modelo que genere múltiples respuestas *y* asigne a cada una un valor de probabilidad estimado. El estudio argumenta que la raíz del problema está en el "sesgo de tipicalidad" presente en los datos de preferencias humanas utilizados para el alineamiento, que favorece respuestas convencionales. Su solución, la "Muestreo Verbalizado" (VS), recuperaría la distribución diversa aprendida durante el pre-entrenamiento. Los experimentos muestran que, en tareas de escritura creativa, la diversidad aumenta entre 1.6 y 2.1 veces sin comprometer la precisión factual o la seguridad. La comunidad en Reddit está dividida. Algunos critican la innovación como mínima, señalando la aparente simplicidad del truco de prompt y cuestionando su generalización. Otros la defienden, comparándola con hitos como el "pensamiento paso a paso" (CoT), y destacan su rigor teórico, experimentación exhaustiva y la valiosa contribución al diagnosticar la causa del colapso modal. El debate refleja una discusión más amplia sobre qué constituye una investigación legítima en el aprendizaje automático actual.

Andrej Karpathy, investigador de IA, ha propuesto un nuevo benchmark para evaluar modelos de lenguaje grandes: que generen una escena 3D interactiva a partir de la descripción textual del inicio de "El Señor de los Anillos". Este "benchmark del Señor de los Anillos" busca sustituir la popular prueba anterior de "un pelícano montando en bicicleta" en SVG, considerada ahora demasiado simple. El experimento usó el modelo Opus 5 de Anthropic y la biblioteca Three.js para JavaScript. Con la simple indicación del primer párrafo del libro, el modelo generó en aproximadamente 2 horas, usando 1 millón de tokens y 5500 líneas de código, un mundo 3D básico y funcione de la Comarca. Aunque el resultado visual es tosco y presenta errores como modelos flotantes, demuestra un avance significativo: la capacidad del modelo para planificar y ejecutar un proyecto complejo de código, comprendiendo relaciones espaciales y narrativas. Karpathy señala que esto expone una limitación actual: los modelos pueden generar mundos, pero aún no pueden "entrar" en ellos para comprenderlos visualmente o interactuar como un jugador. La comunidad ha respondido con creatividad, generando desde réplicas 3D de ciudades hasta conciertos virtuales, mostrando el potencial para reducir drásticamente la barrera de creación de prototipos 3D y juegos. El debate surge sobre si este método es un benchmark costoso pero revelador de la comprensión espacial y de planificación, o solo refleja un buen entrenamiento en Three.js. En cualquier caso, marca una evolución hacia evaluar la capacidad de los modelos para traducir comprensión abstracta en estructuras ejecutables complejas, más allá de generar una sola imagen o texto.

Hace un año, Trump Media & Technology Group (DJT) y el intercambio de criptomonedas Crypto.com anunciaron una ambiciosa colaboración para crear una empresa pública que acumularía miles de millones de dólares en tokens CRO. Sin embargo, este plan de 6.400 millones de dólares se ha cancelado oficialmente, junto con otros proyectos relacionados como un mercado de predicciones y servicios de custodia para ETF. El núcleo del acuerdo era la creación de "Trump Media Group CRO Strategy", que pretendía adquirir unos 63.130 millones de CRO. Aunque se firmó un acuerdo marco en agosto de 2025, la empresa nunca se materializó, ya que requería la aprobación de la SEC. La única transacción que se completó fue la compra de CRO por valor de 105 millones de dólares por parte de DJT y la adquisición de acciones de DJT por 50 millones por parte de Crypto.com. La colaboración se basó en una creciente alineación política, ya que Crypto.com hizo importantes donaciones a causas afines a Trump antes de que la SEC cerrara una investigación sobre la empresa. Sin embargo, la caída del mercado ha hecho inviable el proyecto. El precio de CRO ha bajado un 70% en un año, y Bitcoin ha perdido casi la mitad de su valor desde sus máximos, enfriando el interés por las empresas que acumulan criptomonedas. Ante este fracaso, Trump Media está virando su estrategia hacia la energía limpia. En diciembre de 2025 anunció una fusión con la empresa de fusión nuclear TAE Technologies, con una valoración superior a los 6.000 millones de dólares, marcando un alejamiento de sus anteriores apuestas por las criptomonedas y las redes sociales.

Del juego de apuestas a la gestión de riesgos: los mercados de predicción están cubriendo los vacíos del seguro comercial Herramientas como Blanket están transformando los mercados de predicción en instrumentos de cobertura asequibles para empresas, especialmente para riesgos no cubiertos por los seguros tradicionales (como un verano fresco para una heladería). Su mecanismo es simple: se compran contratos sobre eventos específicos (clima, política, etc.); si el evento ocurre, se recibe una compensación que mitiga las pérdidas operativas. El análisis de datos del mercado climático de Kalshi (agosto 2025 - agosto 2026) muestra comportamientos distintos al de los mercados deportivos puramente especulativos: una rotación diaria más baja (0,210 vs. 0,315), una proporción mucho mayor de posiciones mantenidas hasta el vencimiento (más de 0,5 vs. ~0,02) y la construcción de posiciones mucho más temprano. Estos patrones se asemejan más a los mercados de cobertura tradicionales (como los futuros de maíz). La conclusión es que la demanda de cobertura es real y está surgiendo. Sin embargo, los especuladores siguen siendo cruciales, ya que proporcionan la liquidez y el descubrimiento de precios que hacen posible la función de cobertura. El futuro de estos mercados dependerá de su capacidad para añadir utilidad práctica para las empresas sobre esta base de liquidez existente.