SEC Crypto Task Force Meets with Deutsche Bank amid Crypto Week

TheCryptoTimesPublicado a 2025-07-16Actualizado a 2025-07-17

The U.S. Securities and Exchange Commission’s (SEC) Crypto Task Force met with one of the world’s leading banks and financial services firms to discuss the regulation of crypto assets. The meeting happened during the highly anticipated Crypto Week, raising speculations regarding the primary agenda of the meeting.

According to a memo, three members of Deutsche Bank USA Corp. met with the regulator to talk about considering cross-border digital asset regulation and harmonizing with international regulatory frameworks.

The bank also stressed upon exploring current European and UK frameworks for digital asset regulation, such as the European Union’s Markets in Crypto-Assets (MiCA) regulation. It highlighted the latest research on digital asset markets by French economist Marion Laboure.

Deutsche Bank continues to expand deeper into the crypto industry, realizing the opportunities in the emerging class of digital assets. The bank plans to launch its crypto custody platform in 2026.

Recently, Deutsche Bank confirmed exploring stablecoins and tokenized deposits for its payment infrastructure amid the GENIUS Act buzz. The bank is also considering issuing its own stablecoin and joining the industry-wide initiative.

Meanwhile, the U.S. House of Representatives debated three crucial bills amid the Crypto Week. These are the GENIUS Act, the CLARITY Act, and the Anti-CBDC Surveillance State Act. The bills move forward for another voting today after US President Donald Trump intervened, seeking support to pass the bills.

U.S. Representative French Hill believes there is “strong bipartisan support” for the crypto market structure bill, even after a surprising setback in the House of Representatives last day.

Also Read: Bitcoin is No Longer Volatile, Says Deutsche Bank

Follow The Crypto Times on Google News to Stay Updated!

Criptos en tendencia

CitreaCTR

wrapped stUSDTWSTUSDT

Velodrome FinanceVELODROME

BrevisBREV

ZRX（0X）ZRX

PancakeSwapCAKE

Lecturas Relacionadas

Anthropic Creates an AI Jailbreak 'Penal Code': Your Requests, Four Ways to Die

Anthropic has publicly detailed its security measures and a new "Cyber Jailbreak Severity" (CJS) framework following the controversial takedown of its Fable 5 model. The incident, triggered by simple user requests like counting letters or stating a profession, highlighted overzealous safety filters. Anthropic classifies cybersecurity-related prompts into four tiers: malicious activities (blocked), high-risk dual-use (like pentesting, with strict limits), low-risk dual-use (often blocked by "safety margin" errors), and harmless tasks (theoretically allowed but still frequently flagged). The company admits its classifiers are tuned for high sensitivity, leading to many false positives. The newly proposed CJS framework aims to objectively score the severity of AI "jailbreaks" (prompts that bypass safety rules) on a 0-10 scale across four dimensions: Capability Gain (does it grant new attack abilities?), Breadth (does it work across multiple attack types?), Weaponization Ease (how hard is it to turn into a real attack?), and Discoverability (how easy is it to find?). The score determines the response, from no action (CJS-0) to a potential model takedown (CJS-4). The score is context-dependent; for example, discovering a major unknown vulnerability today scores high, while asking about a well-known one scores low. The article raises concerns about Anthropic's dual role: it is both creating powerful models (like the restricted Mythos 5) and defining the rules (CJS) for judging their misuse, potentially giving it disproportionate influence. This is set against the backdrop of U.S. export controls, which for the first time directly restricted API access to a model (Fable 5), creating a "tiered" system where public models are heavily filtered and advanced ones are limited to vetted partners. The CJS framework is portrayed as potentially providing regulators with a metric to justify future API shutdowns. For users, the advice is to carefully phrase prompts, watch for signs of being downgraded to a weaker model, and wait indefinitely for promised filter improvements.

marsbitHace 26 min(s)

Anthropic Creates an AI Jailbreak 'Penal Code': Your Requests, Four Ways to Die

marsbitHace 26 min(s)

$100M Annual Revenue, Two Berkeley Roommates in Their 20s Build the Most Profitable AI Business

Arena, the AI model ranking platform, has become a $100 million annual revenue business just eight months after launching its commercial service. Originally a UC Berkeley open-source research project called Chatbot Arena, it created a "battle arena" where users blind-test and vote on anonymous AI model responses. This has generated a highly trusted, community-driven leaderboard based on over 10 million user evaluations and 82 million votes. Major AI companies like OpenAI, Google, and Anthropic submit their flagship models to be ranked. The core monetization strategy is its AI Evaluations service, where model developers and large enterprises pay for in-depth performance analysis from Arena's massive user community. This provides real-world feedback on model strengths, weaknesses, and hallucinations—a critical service as models become more complex. The company, spun out from Berkeley in early 2025, quickly raised $100 million in seed funding at a $600 million valuation and later secured a $150 million Series A at a $1.7 billion valuation. The founding team includes CEO Anastasios Angelopoulos, a mathematician focused on rigorous model evaluation; CTO Wei-Lin Chiang, creator of the popular Vicuna chatbot; and co-founder Ion Stoica, a renowned Berkeley professor. Arena is now expanding beyond chat benchmarks into "Agent Mode," evaluating AI agents on complex, multi-step tasks like coding and research. The company's success illustrates the growing value and cost of independent, real-world AI model evaluation as the industry intensifies.

marsbitHace 31 min(s)

$100M Annual Revenue, Two Berkeley Roommates in Their 20s Build the Most Profitable AI Business

marsbitHace 31 min(s)

Racking Up 24,000 Stars: With One Command, AI Can Now Find Its Own Skills

Vercel, known for its developer tools like Next.js, has launched 'skills', a package manager for AI coding agents, garnering 24,000 GitHub stars. It allows developers to add specialized capabilities, such as React best practices, to AI assistants like Claude Code or Cursor with a single command: `npx skills add <package>`. Skills are shareable, reusable modules that define an AI agent's behavior for specific tasks, moving beyond one-off prompt engineering towards standardized 'capability engineering'. A key innovation is the 'find-skills' skill, which acts as an internal search engine, allowing an agent to autonomously find and install the right skill for a user's request. This lowers the barrier for non-developers to leverage advanced AI coding assistance. However, this 'npm moment' for AI brings significant security risks. Security audits of thousands of skills on platforms like skills.sh and ClawHub found over 30% contained security flaws, with about 13% classified as severe. Threats include malicious scripts that can access local files and credentials, and prompt injection hidden within skill documentation. Unlike traditional code packages, skills blend instructions, code, and system access, posing a direct risk to user machines and data. Experts advise treating skills like code—reviewing them carefully before installation, especially their scripts, and being wary of excessive permissions. Ultimately, Vercel's initiative represents a major shift towards modular, reusable AI capabilities, but its rapid adoption requires developers to bring the same caution used in managing traditional software dependencies.

marsbitHace 32 min(s)

Racking Up 24,000 Stars: With One Command, AI Can Now Find Its Own Skills

marsbitHace 32 min(s)

Token Devours One-Third of Payroll, Silicon Valley's AI Bill is Spinning Out of Control

The article discusses the dual reality of AI token costs in Silicon Valley. While research firm SemiAnalysis reports spending 30% of its employee salary budget on internal LLM tokens—translating to massive productivity gains like converting complex Excel models in minutes—other giants are struggling with ballooning, uncontrolled AI bills. Uber exhausted its annual AI budget in months after rapid engineer adoption, and Microsoft is cutting third-party AI tools due to high costs. NVIDIA's CEO argues tokens are becoming "means of production" and plans substantial AI budgets per engineer. Despite current cost concerns, the analysis emphasizes that cost collapse is just beginning. Through software optimizations (like 14x throughput boosts) and next-gen hardware (e.g., GB300 NVL72 with 17-32x H100 performance), real token costs can fall far below list prices. Anthropic's gross margins reportedly soared as token prices dropped. Gartner predicts a >90% inference cost drop by 2030. The piece highlights a split: massive AI capex ($740B announced) contrasts with tech layoffs and minimal measured economic impact so far. The transition mirrors past infrastructure shifts—investment precedes widespread productivity. For early adopters like SemiAnalysis, tokens already deliver high leverage; for others, the choice is to adopt now or risk falling behind.

marsbitHace 36 min(s)

Token Devours One-Third of Payroll, Silicon Valley's AI Bill is Spinning Out of Control

marsbitHace 36 min(s)

Claude Engineer Finally Unveils Fable 5's Ultimate Strategy, Teaching You How to Bridge the Information Gap with AI Models

This article, titled "Claude Engineer Finally Releases Fable 5 'Skill-Burning' Guide, Teaching How to Bridge the Information Gap with Models," details a blog post by Claude Code engineer Thariq Shihipar. The core concept is the "information gap" or "unknowns"—the disconnect between a user's instructions (the "map") and the actual task requirements (the "territory"). The article argues that with powerful models like Claude Fable 5, work quality depends on the user's ability to identify and clarify these unknowns. Shihipar categorizes unknowns into four types: Known Knowns (explicit instructions), Known Unknowns (awareness of gaps), Unknown Knowns (implicit, unstated knowledge), and Unknown Unknowns (unforeseen issues). The blog provides a framework for addressing these gaps throughout the workflow: * **Before Implementation:** Techniques include "Blindspot Scanning" to uncover Unknown Unknowns, brainstorming/prototyping for visual or complex tasks, having Claude ask clarifying questions, using reference code/examples, and creating implementation plans. * **During Implementation:** Maintaining an "implementation notes" file for Claude to document deviations and decisions made due to encountered edge cases. * **After Implementation:** Creating summary documents for review and having Claude generate quizzes to ensure the user fully understands the completed changes. The article concludes that as models become more capable, the key to success is systematically discovering and defining these unknowns through low-cost methods like prototyping and planning, allowing for more effective collaboration.

marsbitHace 36 min(s)

Claude Engineer Finally Unveils Fable 5's Ultimate Strategy, Teaching You How to Bridge the Information Gap with AI Models

marsbitHace 36 min(s)

Trading

Spot

Artículos destacados

Qué es $BANK

Banco AI: Un Paso Revolucionario en el Futuro de la Banca Introducción En una era marcada por avances rápidos en tecnología, Banco AI se sitúa en la intersección de la inteligencia artificial (IA) y los servicios bancarios. Este proyecto innovador busca redefinir el panorama financiero, mejorando la eficiencia operativa, las medidas de seguridad y las experiencias del cliente a través del poder de la IA. Al embarcarnos en esta exploración de Banco AI, profundizaremos en lo que implica el proyecto, sus dinámicas operativas, su contexto histórico y hitos significativos. ¿Qué es Banco AI? En su esencia, Banco AI representa una iniciativa transformadora destinada a integrar la inteligencia artificial en varias operaciones bancarias. Este proyecto aprovecha las capacidades de la IA para automatizar procesos, mejorar los protocolos de gestión de riesgos y mejorar la interacción con los clientes a través de servicios personalizados. Los objetivos principales de Banco AI incluyen: Automatización de Funciones Bancarias: Al aprovechar las tecnologías de IA, Banco AI tiene como objetivo automatizar tareas rutinarias, reduciendo la carga sobre los recursos humanos y mejorando la eficiencia. Mejora en la Gestión de Riesgos: El proyecto utiliza algoritmos de IA para predecir e identificar riesgos, fortaleciendo así las medidas de seguridad contra fraudes y otras amenazas. Personalización de Servicios Bancarios: Banco AI se centra en ofrecer productos y servicios financieros a medida al analizar datos y comportamientos de los clientes. Mejoramiento de la Experiencia del Cliente: La implementación de soluciones impulsadas por IA, como chatbots y asistentes virtuales, tiene como objetivo proporcionar a los usuarios interacciones más humanas, revolucionando la forma en que los clientes se relacionan con los bancos. Con estos objetivos, Banco AI se posiciona como un jugador crucial para hacer que la banca sea más eficiente, segura y centrada en el usuario. ¿Quién es el Creador de Banco AI? Los detalles sobre el creador de Banco AI siguen siendo desconocidos. Como tal, no se ha identificado a ninguna persona u organización específica en la información disponible. El anonimato que rodea el inicio del proyecto plantea preguntas, pero no resta valor a su ambiciosa visión y objetivos. ¿Quiénes Son los Inversores de Banco AI? Al igual que con el creador del proyecto, no se ha divulgado información específica sobre los inversores u organizaciones que apoyan a Banco AI. Sin esta información, es un desafío delinear el respaldo financiero y el apoyo institucional que podrían estar impulsando el proyecto hacia adelante. No obstante, la importancia de contar con una sólida base de inversión es fundamental para sostener el desarrollo en un campo tan innovador. ¿Cómo Funciona Banco AI? Banco AI opera en múltiples frentes innovadores, centrándose en factores únicos que lo diferencian de los marcos bancarios tradicionales. A continuación, se presentan las características operativas clave: Automatización: Al aplicar algoritmos de aprendizaje automático, Banco AI automatiza varios procesos manuales dentro de los bancos. Esto resulta en la reducción de costos operativos y permite que los trabajadores humanos redirijan sus esfuerzos hacia actividades más estratégicas. Gestión Avanzada de Riesgos: La integración de la IA en las prácticas de gestión de riesgos equipa a los bancos con herramientas para predecir con precisión amenazas potenciales como el fraude, garantizando que la información y los activos de los clientes permanezcan seguros. Recomendaciones Financieras Personalizadas: A través del aprendizaje continuo a partir de las interacciones con los clientes, los sistemas de IA desarrollan una comprensión matizada de las necesidades del usuario, lo que les permite ofrecer consejos adaptados sobre decisiones financieras. Interacciones Mejoradas con los Clientes: Al utilizar chatbots y asistentes virtuales impulsados por IA, Banco AI permite una experiencia más atractiva para el cliente, permitiendo a los usuarios resolver sus consultas rápidamente, reduciendo así los tiempos de espera y mejorando los niveles de satisfacción. En conjunto, estas características operativas posicionan a Banco AI como un pionero en el sector bancario, estableciendo nuevos parámetros para la entrega de servicios y la excelencia operativa. Línea de Tiempo de Banco AI Entender la trayectoria de Banco AI requiere mirar su contexto histórico. A continuación, se presenta una línea de tiempo que destaca hitos y desarrollos importantes: Inicios de 2010: La conceptualización de la integración de la IA en los servicios bancarios comenzó a ganar atención a medida que las instituciones bancarias reconocieron los posibles beneficios. 2018: Se produjo un aumento notable en la implementación de tecnologías de IA cuando los bancos comenzaron a utilizar herramientas de IA como chatbots para el servicio al cliente básico y sistemas de gestión de riesgos para mejorar la seguridad. 2023: La sofisticación de la IA continuó avanzando, con la introducción de IA generativa para tareas más complejas como el procesamiento de documentos y análisis de inversiones en tiempo real. Este año marcó un salto significativo en las capacidades que la tecnología de IA otorgó a los bancos. 2024-Estatus Actual: A partir de este año, Banco AI se encuentra en una trayectoria ascendente, con investigaciones y desarrollos en curso que pronto mejorarán las capacidades en las operaciones bancarias. La continua exploración de las aplicaciones de IA sugiere emocionantes desarrollos aún por venir. Puntos Clave Sobre Banco AI Integración de la IA en la Banca: Banco AI se centra en adoptar inteligencia artificial para optimizar los procesos bancarios y mejorar la experiencia del usuario. Enfoque en Automatización y Gestión de Riesgos: El proyecto enfatiza fuertemente estas áreas, con el objetivo de desplazar la carga de tareas rutinarias mientras mejora los marcos de seguridad a través de análisis predictivos. Soluciones Bancarias Personalizadas: Al aprovechar los datos de los clientes, Banco AI permite servicios bancarios adaptados a las necesidades individuales de los usuarios. Compromiso con el Desarrollo: Banco AI se mantiene comprometido con esfuerzos de investigación y desarrollo continuos, asegurando su adaptabilidad y relevancia continua a medida que la tecnología sigue evolucionando. Conclusión En resumen, Banco AI ejemplifica un paso crucial hacia adelante en la industria bancaria, aprovechando la inteligencia artificial para redefinir los paradigmas operativos, mejorar la seguridad y promover la satisfacción del cliente. A pesar de las lagunas en la información sobre el creador y los inversores, los objetivos claros y los mecanismos funcionales de Banco AI proporcionan una sólida base para su evolución continua. A medida que la tecnología de IA sigue avanzando y fusionándose con el sector bancario, Banco AI está bien posicionado para impactar significativamente el futuro de los servicios financieros, mejorando la forma en que entendemos e interactuamos con la banca.

169 Vistas totalesPublicado en 2024.04.06Actualizado en 2024.12.03

Cómo comprar BANK

¡Bienvenido a HTX.com! Hemos hecho que comprar Lorenzo Protocol (BANK) sea simple y conveniente. Sigue nuestra guía paso a paso para iniciar tu viaje de criptos.Paso 1: crea tu cuenta HTXUtiliza tu correo electrónico o número de teléfono para registrarte y obtener una cuenta gratuita en HTX. Experimenta un proceso de registro sin complicaciones y desbloquea todas las funciones.Obtener mi cuentaPaso 2: ve a Comprar cripto y elige tu método de pagoTarjeta de crédito/débito: usa tu Visa o Mastercard para comprar Lorenzo Protocol (BANK) al instante.Saldo: utiliza fondos del saldo de tu cuenta HTX para tradear sin problemas.Terceros: hemos agregado métodos de pago populares como Google Pay y Apple Pay para mejorar la comodidad.P2P: tradear directamente con otros usuarios en HTX.Over-the-Counter (OTC): ofrecemos servicios personalizados y tipos de cambio competitivos para los traders.Paso 3: guarda tu Lorenzo Protocol (BANK)Después de comprar tu Lorenzo Protocol (BANK), guárdalo en tu cuenta HTX. Alternativamente, puedes enviarlo a otro lugar mediante transferencia blockchain o utilizarlo para tradear otras criptomonedas.Paso 4: tradear Lorenzo Protocol (BANK)Tradear fácilmente con Lorenzo Protocol (BANK) en HTX's mercado spot. Simplemente accede a tu cuenta, selecciona tu par de trading, ejecuta tus trades y monitorea en tiempo real. Ofrecemos una experiencia fácil de usar tanto para principiantes como para traders experimentados.

802 Vistas totalesPublicado en 2025.05.09Actualizado en 2026.06.02

Discusiones

Bienvenido a la comunidad de HTX. Aquí puedes mantenerte informado sobre los últimos desarrollos de la plataforma y acceder a análisis profesionales del mercado. A continuación se presentan las opiniones de los usuarios sobre el precio de BANK (BANK).