Moonwell Artemis (WELL) Caída

Resumen: En 2025, la mayoría de los tokens recién lanzados (TGE) experimentaron una caída de precio tras su estreno. Sin embargo, algunos como ASTER, FOLKS, AVICI y SENTIS mostraron un rendimiento sólido y sostenido. Estos proyectos exitosos compartieron características clave: una distribución de tokens justa (menos tokens internos, más para la comunidad), una valoración inicial razonable, utilidad demostrable o adopción real (volúmenes de trading, préstamos, gastos con tarjeta), estructuras de desbloqueo lineales y predecibles, y listados en exchanges que actuaron como aceleradores, no como salvavidas. La conclusión principal es que el mercado ahora premia la estructura sólida y la utilidad real sobre la mera narrativa o el potencial futuro.

Resumen del ataque a PGNLZ (26 de enero de 2026): Un atacante explotó un error en el modelo económico deflacionario del token PGNLZ en BNB Smart Chain, causando pérdidas de aproximadamente 100.000 USD. Tras obtener un flash loan de 1.059 BTCB y 30 millones de USDT, el atacante intercambió 23,3 millones de USDT por 982.506 PGNLZ en PancakeSwap y luego los quemó, alterando drásticamente el ratio del pool. Mediante la función de quema automática en las transacciones (_executeBurnFromLP), se eliminaron grandes cantidades de PGNLZ del pool de liquidez, inflando artificialmente el precio del token en 40 mil millones de veces. Finalmente, el atacante vació el pool, pagó el préstamo y obtuvo ganancias. La vulnerabilidad radicó en la falta de validación durante las operaciones de quema y comisiones. Se recomienda a los proyectos validar exhaustivamente los modelos económicos y realizar auditorías múltiples.

Nadie te enseña realmente a investigar. Te dan un escritorio, un problema elegido por otros y una vaga instrucción de "crear algo nuevo". Así, muchos aprenden a "parecer" investigadores en lugar de "serlo", imitando lo que ven. Las verdaderas habilidades de investigación se construyen mediante práctica deliberada. **Elige tu propio problema.** Evita absorber preguntas de moda; en su lugar, define un resultado que genuinamente desees lograr y diseña experimentos desde ahí. Esto te lleva a territorios originales. La "buena intuición" es como un músculo: ejercítala prediciendo resultados antes de cada experimento y evaluando qué avances seguirán siendo relevantes. **Mejora tus fuentes.** Si solo lees lo popular, tendrás las mismas ideas que todos. Busca conocimiento en materiales antiguos (como MoE de 1991 o la retropropagación de 1986) y en campos adyacentes (neurociencia, diseño de mecanismos, estadística). Lee los artículos completos, especialmente los apéndices y las limitaciones. **Escribe todo.** Al plasmar una idea en texto, descubres inconsistencias y suposiciones no verificadas. Lleva un registro diario: hipótesis, configuración, expectativas, resultados y aprendizajes. Releerlo te dará una humildad más valiosa que cualquier revisión por pares.

Un desarrollador surcoreano, remy_notes, reportó haber recibido dos facturas de Anthropic por 166,9 millones y 1662 millones de dólares en menos de 24 horas, sin haber usado su API. Sus tarjetas bloquearon los cobros. Su cuenta, de plan gratuito, mostraba uso cero. La startup de auditoría Vaudit, al revisar facturas de AI por 34 millones de dólares, encontró sobrecargos de ~1,7 millones, principalmente relacionados con Claude Code. Los patrones incluyen cobrar por modelos más nuevos/caros no usados, o por solicitudes fallidas/reintentos automáticos. Aunque Anthropic niega que sea un problema general, los proveedores han reembolsado gran parte de los cargos disputados. Este caso refleja una creciente desconfianza en la facturación de AI. Otros incidentes incluyen el "bug HERMES.md", que redirigía solicitudes de suscripciones planas a cargos por uso, y una demanda colectiva por opacidad en el cálculo del uso de los planes "Max". La reciente y compleja política de precios del modelo Fable 5 agravó la situación. Anthropic, conocido por su narrativa de "seguridad en IA", enfrenta ahora una demanda de transparencia financiera. La complejidad de las estructuras de precios en IA (modelos, tokens, reintentos, capas de plataformas en la nube) crea un sistema opaco para los usuarios. Esto ha impulsado el surgimiento de servicios de auditoría como Vaudit y está llevando a competidores como Microsoft y OpenAI a centrarse en precios más claros y competitivos. La transparencia en la facturación se está convirtiendo en un factor clave para ganar la confianza del usuario.