Vừa ra mắt, tác phẩm kinh điển của DeepMind lại lên ngôi, giải thưởng ICML 2026 công bố

marsbitPublicado a 2026-07-06Actualizado a 2026-07-06

Resumen

Hội nghị ICML 2026 đã công bố các giải thưởng danh giá. Hai bài báo về mô hình khuếch tán (diffusion model) đã cùng đoạt giải Bài báo Xuất sắc, cho thấy sự tập trung nghiên cứu mạnh mẽ vào hướng này. Một bài chỉ ra "cái bẫy linh hoạt" trong mô hình ngôn ngữ khuếch tán, chất vấn lợi ích thực tế của việc sinh văn bản theo thứ tự bất kỳ. Bài còn lại đề xuất phương pháp lấy mẫu độ chính xác cao, thúc đẩy nền tảng kỹ thuật. Giải Bài báo Lập trường Xuất sắc thuộc về một nghiên cứu chỉ trích sắc bén: cộng đồng nghiên cứu an toàn AI đang vô tình xây dựng "bộ công cụ kiểm duyệt". Công trình này cảnh báo về việc các kỹ thuật điều chỉnh AI (như RLHF) có thể bị lạm dụng cho mục đích kiểm soát nội dung. Năm bài báo nhận được đề cử danh dự bao phủ nhiều chủ đề nóng: xác định vị trí tính trung thực nảy sinh trong mô hình, quy kết chuyển động trong tạo video, giới hạn ghi nhớ của mô hình ngôn ngữ lớn, tính nhất quán của mô hình khuếch tán dưới góc độ lý thuyết ma trận ngẫu nhiên, và hiện tượng "thấu hiểu đột ngột" (grokking) được chứng minh chặt chẽ trong hồi quy ridge. Giải Thử thách Thời gian được trao cho công trình kinh điển "Phương pháp không đồng bộ cho Học tăng cường Sâu" của DeepMind (2016), ghi nhận ảnh hưởng lâu dài của thuật toán A3C. Danh sách giải thưởng ICML 2026 phản ánh xu hướng chuyển từ mở rộng nhanh sang đào sâu nghiên cứu, nhấn mạnh vào việc xem xét lại các giả định cốt lõi và xây dựng nền tảng vững chắc hơn cho các lĩnh vực trọng tâm như mô hình khuếch tán và an toàn...

Giải thưởng Bài báo Xuất sắc (Outstanding Paper Award) của ICML 2026 chính thức công bố, hai bài báo về mô hình khuếch tán (diffusion) đồng thời đứng đầu, và trong danh sách tác giả có không ít người gốc Hoa.

Thông báo giải thưởng lớn của ICML 2026 đã đến!

Giải thưởng Bài báo Xuất sắc Hàng năm và Giải thưởng Kiểm chứng Thời gian (Test of Time Award) của ICML đã chính thức được công bố.

Trong đó, có 9 bài báo lọt vào vòng chung kết Giải Xuất sắc, bao gồm 7 bài nghiên cứu và 2 bài luận lập trường (position paper), cuối cùng là 3 giải thưởng Chiến thắng và 6 đề cử Danh dự; Giải Kiểm chứng Thời gian của ICML thuộc về lĩnh vực học tăng cường (reinforcement learning), tác phẩm kinh điển của DeepMind một lần nữa được tôn vinh.

Danh sách đầy đủ các giải thưởng:

https://blog.icml.cc/2026/07/05/announcing-the-icml-2026-awards/

ICML, tên đầy đủ là Hội nghị Quốc tế về Học Máy (International Conference on Machine Learning), cùng với NeurIPS và ICLR được xếp vào ba hội nghị hàng đầu trong lĩnh vực AI, mỗi năm nhận hàng chục nghìn bài nộp, tỷ lệ chấp nhận dưới 30%.

Từ ngày 6 đến 11 tháng 7 năm 2026, ICML 2026 được tổ chức tại Trung tâm Hội nghị & Triển lãm COEX, Seoul, Hàn Quốc.

Giải thưởng Bài báo Xuất sắc chính là giải Oscar của lĩnh vực học máy.

Và giá trị của danh sách này không chỉ nằm ở việc tôn vinh đóng góp kỹ thuật, mà còn giống như một tín hiệu định hướng gửi đến toàn bộ lĩnh vực.

Mô hình khuếch tán trở thành người chiến thắng lớn nhất năm nay, hai bài báo liên quan giành giải Bài báo Xuất sắc:

Bẫy linh hoạt: Tư duy lại giá trị của thứ tự tùy ý trong mô hình ngôn ngữ khuếch tán. Tác phẩm xuất sắc này phân tích sâu cơ chế then chốt trong mô hình ngôn ngữ lớn khuếch tán.

Lấy mẫu độ chính xác cao cho mô hình khuếch tán và phân phối lõm logarit: Đạt được đột phá lớn về độ chính xác thuật toán.

Giải thưởng Bài báo Lập trường Xuất sắc, mô tả một hiện tượng kỳ lạ trong lĩnh vực an toàn AI: Cộng đồng căn chỉnh (alignment) đang vô tình xây dựng một bộ công cụ kiểm duyệt.

Năm bài nghiên cứu nhận được Đề cử Danh dự của Giải Bài báo Xuất sắc:

Bản đồ gây nhiễu: Ánh xạ vị trí xuất hiện tính trung thực trong RLVR thông qua đầu dò lừa dối
Quy kết chuyển động trong tạo video
Mô hình ngôn ngữ có thể ghi nhớ tối đa bao nhiêu?
Tính nhất quán của mô hình khuếch tán: Góc nhìn từ ma trận ngẫu nhiên
Hiểu Grokking: Grokking có thể chứng minh được trong hồi quy Ridge

Một bài luận lập trường nhận Đề cử Danh dự của Giải Bài báo Xuất sắc:

Lập trường: Nghiên cứu Deepfake AI/ML mâu thuẫn với hình ảnh thân mật không tự nguyện do AI tạo ra (AIG-NCII)

Cuối cùng, Giải Kiểm chứng Thời gian trao cho tác phẩm bùng nổ tuyệt đối năm đó:

Phương pháp bất đồng bộ cho học tăng cường sâu

Chúc mừng tất cả những người đoạt giải trên.

Mô hình khuếch tán bao trọn giải Bài báo Xuất sắc, sau hai giải nhất là sự đồng thuận mới

Hai tác phẩm đoạt giải Bài báo Xuất sắc đều xoay quanh mô hình khuếch tán.

Hai bài cùng một hướng nghiên cứu đồng thời đoạt giải, việc này trong lịch sử ICML hiếm khi xảy ra. Sự trùng hợp ngẫu nhiên này giống như một phán quyết tập thể: mô hình khuếch tán đã bước vào giai đoạn cần "chỉnh sửa sai lệch" và "bổ sung cơ sở hạ tầng".

Bài thứ nhất đến từ nhóm của Hoàng Cao (Đại học Thanh Hoa) cùng Zanlin Ni và những người khác, tựa đề rất "sát khí": "Bẫy linh hoạt: Tư duy lại giá trị của thứ tự tùy ý trong mô hình ngôn ngữ khuếch tán". Chỉ nhìn tiêu đề đã biết, là để "đập bàn".

Tiêu đề: The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models

ICML: https://icml.cc/virtual/2026/oral/71086

Trang dự án: https://nzl-thu.github.io/the-flexibility-trap/

Trước tiên giải thích bối cảnh.

Mô hình ngôn ngữ lớn khuếch tán là một trong những hướng nghiên cứu nóng nhất hiện nay, khác với các mô hình tự hồi quy (autoregressive) như GPT, Claude, mô hình ngôn ngữ khuếch tán không tạo ra từng Token một từ trái sang phải, mà giống như vẽ tranh, từ một đám nhiễu dần dần "khử nhiễu" ra văn bản hoàn chỉnh.

Về lý thuyết, kiến trúc này có một ưu điểm lớn: thứ tự sinh có thể tùy ý. Viết phần giữa trước rồi viết phần mở đầu, xác định kết luận trước rồi bổ sung luận cứ, làm thế nào cũng được.

Nghe có vẻ rất đẹp. Nhưng bài báo của Ni và những người khác đã hắt một gáo nước lạnh.

Họ sử dụng nhiều thí nghiệm để chứng minh rằng, cái gọi là "sinh theo thứ tự tùy ý" trong quá trình huấn luyện thực tế không những không mang lại lợi ích như mong đợi, mà ngược lại còn trở thành cái bẫy.

Tính linh hoạt tự thân nó đã là cái giá phải trả. Để hỗ trợ tất cả các thứ tự sinh có thể, mô hình lại làm kém hơn trên mỗi thứ tự cụ thể.

Sức sát thương của kết luận này nằm ở chỗ: nó lung lay điểm bán hàng cốt lõi nhất của mô hình ngôn ngữ khuếch tán.

Hai năm qua, nhiều bài báo lấy "thứ tự tùy ý" làm luận cứ then chốt để cho rằng mô hình LLM khuếch tán vượt trội hơn LLM tự hồi quy, không ít nhóm đã đầu tư nhiều năng lực tính toán xung quanh giả thuyết này để làm thí nghiệm. Giờ đây ICML chính thức đóng dấu: luận cứ này không đứng vững.

Bài báo đoạt giải thứ hai đến từ Fan Chen và những người khác, tập trung vào độ chính xác lấy mẫu của mô hình khuếch tán.

Tiêu đề: High-accuracy sampling for diffusion models and log-concave distributions

ICML: https://icml.cc/virtual/2026/oral/71132

Bản in trước: https://arxiv.org/abs/2602.01338

Họ đề xuất phương pháp lấy mẫu có độ chính xác cao hơn cho mô hình khuếch tán và phân phối lõm logarit.

Nó giải quyết nút thắt cơ bản về "chất lượng sinh có giới hạn trên lý thuyết" của mô hình khuếch tán khi triển khai thực tế.

Hai bài báo, một bài tháo dỡ giả thuyết cốt lõi, một bài nâng cao trần kỹ thuật.

ICML đồng thời khen thưởng cả phá và lập, tín hiệu rất rõ ràng: mô hình khuếch tán đang chuyển từ "xác minh khái niệm" sang "vùng nước sâu", không cần thêm nhiều hoa văn nữa, mà cần sự xem xét tỉnh táo hơn và cơ sở hạ tầng vững chắc hơn.

Giải thưởng gây sốc nhất được trao cho lời phê phán sắc bén nhất

Quay lại với bài báo khiến cả hội trường im lặng.

Bài "Lập trường: Cộng đồng căn chỉnh đang vô tình xây dựng một bộ công cụ kiểm duyệt" của Sarah Ball và Phil Hackemann đã giành Giải thưởng Bài báo Lập trường Xuất sắc.

Tiêu đề: Position: The Alignment Community is Unintentionally Building a Censor’s Toolkit

ICML: https://icml.cc/virtual/2026/oral/71119

Bài báo: https://openreview.net/pdf?id=dy2HwmOvFX

Giải thưởng Bài báo Lập trường của ICML đặc biệt trao cho những bài viết không làm thí nghiệm, không chạy dữ liệu, nhưng đặt ra những chất vấn căn bản về hướng đi của lĩnh vực.

Luận điểm cốt lõi của bài báo này thẳng thắn đến mức chói tai: những nhà nghiên cứu trong lĩnh vực an toàn và căn chỉnh AI hiện nay, xuất phát điểm là để làm cho AI an toàn hơn, kiểm soát được hơn, nhưng những công cụ kỹ thuật họ phát triển ra, như RLHF, Constitutional AI, khung giá trị căn chỉnh, đang bị chuyển dụng một cách có hệ thống thành cơ sở hạ tầng kiểm duyệt nội dung.

Những người làm căn chỉnh tưởng mình đang chế tạo khóa an toàn. Nhưng bản thiết kế của chiếc khóa này, cũng có thể dùng để chế tạo nhà tù.

Nhận định này không phải không có căn cứ. Một năm qua, tranh cãi xung quanh kiểm duyệt nội dung AI tiếp tục nóng lên. Từ chiến lược từ chối trả lời của Claude đến cơ chế lọc nội dung của ChatGPT, "căn chỉnh quá mức" đã trở thành từ được người dùng phàn nàn nhiều.

Cứ vài tuần lại thấy có người đăng ảnh chụp màn hình lên mạng xã hội: rõ ràng là nhu cầu thảo luận học thuật hoặc sáng tạo bình thường, nhưng AI lại từ chối trả lời với lý do "an toàn".

Ball và Hackemann đã kéo sự bất bình ở cấp độ người dùng lên cấp độ học thuật: đây là rủi ro cấu trúc tiềm ẩn trong chính mô hình nghiên cứu.

Việc ICML trao giải Bài báo Lập trường Xuất sắc nhất cho bài viết này, bản thân nó đã là một thái độ. Hội nghị đỉnh cao đang nói với toàn bộ cộng đồng căn chỉnh: các bạn cần dừng lại và suy nghĩ xem, công cụ trong tay cuối cùng đang được ai sử dụng và sử dụng như thế nào.

Nhân tiện, Đề cử Danh dự của Giải Bài báo Lập trường Xuất sắc cũng rất sắc bén.

Bài báo của Lý Kỳ Vỹ (Li Qiwei) và những người khác chỉ ra rằng, nghiên cứu Deepfake trong lĩnh vực AI/ML có sự tách biệt nghiêm trọng với hình ảnh thân mật không tự nguyện do AI tạo ra.

Nhà nghiên cứu bận rộn phát hiện video đổi mặt nhân vật chính trị, nhưng lại bỏ qua kịch bản lạm dụng gây tổn thương lớn nhất cho người bình thường.

Lướt qua các Đề cử Danh dự

5 bài Đề cử Danh dự của Giải Bài báo Xuất sắc bao phủ hầu hết tất cả các hướng nóng, mỗi bài đều mở ra một lối đi riêng trong lĩnh vực của mình.

Mohammad Taufeeque và những người khác sử dụng "đầu dò lừa dối" để ánh xạ vị trí xuất hiện tính trung thực trong quá trình huấn luyện RLVR.

Tiêu đề: The Obfuscation Atlas: Mapping Where Honesty Emerges in RLVR with Deception Probes

ICML:https://icml.cc/virtual/2026/oral/71065

Bản in trước: https://arxiv.org/abs/2602.15515

Nói đơn giản là: mô hình học nói dối ở tầng nào?

Câu hỏi này còn đáng giá hơn chính câu trả lời. Nếu có thể xác định chính xác tầng mà tính trung thực xuất hiện trong mô hình, công việc căn chỉnh trong tương lai sẽ không cần phải điều chỉnh kiểu mò kim đáy bể nữa.

Xindi Wu và những người khác thực hiện quy kết chuyển động trong tạo video.

Tiêu đề: Motion Attribution for Video Generation

ICML: https://icml.cc/virtual/2026/oral/71049

Bản in trước: https://arxiv.org/abs/2601.08828

Trong video, một vật thể chuyển động, rốt cuộc là do mô hình "hiểu" quy luật chuyển động, hay chỉ đơn thuần sao chép hoa văn ở cấp độ pixel? Câu hỏi này rất quan trọng đối với khả năng giải thích được của các mô hình tạo video như Sora.

John Xavier Morris và những người khác truy vấn "Mô hình ngôn ngữ lớn cuối cùng có thể ghi nhớ bao nhiêu nội dung", trực tiếp chỉ ra căn nguyên kỹ thuật của tranh cãi về quyền riêng tư và bản quyền.

Tiêu đề: How much can language models memorize?

ICML: https://icml.cc/virtual/2026/oral/71168

Bản in trước: https://arxiv.org/abs/2505.24832

Mô hình ghi nhớ dữ liệu của bạn, cuối cùng là tính học tập hay tính đạo văn? Câu trả lời cho câu hỏi này có thể quan trọng hơn bất kỳ vụ kiện bản quyền nào.

Còn có Binxu Wang và những người khác xem xét lại tính nhất quán của mô hình khuếch tán từ góc độ lý thuyết ma trận ngẫu nhiên.

Tiêu đề: A Random Matrix Perspective on the Consistency of Diffusion Models

ICML: https://icml.cc/virtual/2026/oral/71191

Bản in trước: https://arxiv.org/abs/2602.02908

Khi các mô hình khuếch tán được huấn luyện trên các tập con dữ liệu khác nhau, không trùng lặp nhau, nếu được cung cấp cùng một hạt giống nhiễu, thường sẽ tạo ra đầu ra giống nhau đến kinh ngạc. Tính nhất quán này không phải do mô hình ghi nhớ cùng một dữ liệu, mà có nguyên nhân sâu xa hơn.

Tính nhất quán này có thể truy nguyên về một hiệu ứng tuyến tính đơn giản: thống kê Gauss được chia sẻ giữa các phân chia dữ liệu khác nhau bản thân nó đã có thể dự đoán phần lớn nội dung của hình ảnh được tạo ra.

Ấn tượng nhất là công trình của Mingyue Xu và những người khác.

Tiêu đề: To Grok Grokking: Provable Grokking in Ridge Regression

ICML: https://icml.cc/virtual/2026/oral/71134

Bản in trước: https://arxiv.org/abs/2601.19791

Trên mô hình hồi quy Ridge cổ điển đến mức không thể cổ điển hơn, họ đã đưa ra chứng minh toán học nghiêm ngặt cho hiện tượng "bừng tỉnh" (grokking).

Cái gọi là bừng tỉnh, tức là mô hình sau khi tổn thất huấn luyện đã hội tụ từ lâu, đột nhiên tại một thời điểm nào đó có được khả năng khái quát hóa. Giống như một học sinh học thuộc công thức nửa năm, một buổi sáng thức dậy đột nhiên thực sự hiểu ra.

Hiện tượng này đã được quan sát thấy nhiều lần trong học sâu, nhưng đưa ra chứng minh nghiêm ngặt trên một mô hình đơn giản, đây là lần đầu tiên.

Bài báo cách đây mười năm của DeepMind, cuối cùng cũng đợi được Giải Kiểm chứng Thời gian

Giải Kiểm chứng Thời gian được trao cho bài "Phương pháp bất đồng bộ cho học tăng cường sâu" của các thành viên nhóm DeepMind Volodymyr Mnih, David Silver và những người khác.

Tiêu đề: Asynchronous Methods for Deep Reinforcement Learning

Ấn phẩm: https://proceedings.mlr.press/v48/mniha16.html

Thuật toán A3C (Asynchronous Advantage Actor-Critic) mà bài báo này đề xuất, khi công bố năm 2016 đã là tiêu chuẩn trong lĩnh vực học tăng cường.

Tư tưởng cốt lõi nói ra không phức tạp: Thay vì dùng một tiến trình siêu lớn huấn luyện từ từ, chi bằng mở một loạt tiến trình nhỏ cùng lúc khám phá các chiến lược khác nhau, tổng hợp gradient bất đồng bộ.

Đơn giản, thanh lịch, hiệu quả. Triết lý thiết kế "đại đạo chí giản" này, sau mười năm nhìn lại lại càng rõ ràng hơn so với năm đó.

Mười năm trôi qua, tư tưởng này thấm sâu vào khung xương của hầu hết tất cả các hệ thống RL hiện đại.

Từ AlphaGo đến RLHF, từ AI trò chơi đến điều khiển robot, DNA của A3C có mặt ở khắp nơi.

Tác phẩm bùng nổ tuyệt đối năm đó, giờ đây là tác phẩm kinh điển xứng đáng!

ICML 2026 phát ra tín hiệu gì

Nhìn vào danh sách giải thưởng năm nay, ba manh mối nổi lên.

Thứ nhất, mô hình khuếch tán là vùng có mật độ nghiên cứu học máy cao nhất hiện nay. Hai giải nhất Bài báo Xuất sắc cộng với nhiều đề cử danh dự, tỷ lệ xuất hiện áp đảo các hướng khác. Cuộc chiến kiến trúc của thế hệ mô hình ngôn ngữ tiếp theo, mô hình khuếch tán đã chính thức tham gia.

Thứ hai, nghiên cứu an toàn AI đang trải qua một cuộc xem xét nội bộ. Bài báo Lập trường Xuất sắc nhất chỉ ra thẳng công cụ của cộng đồng căn chỉnh bị chuyển dụng, đề cử danh dự truy vấn điểm mù của nghiên cứu Deepfake. Giới học thuật bắt đầu nghiêm túc đối mặt với một vấn đề: ranh giới giữa công cụ an toàn và công cụ kiểm duyệt, cuối cùng được vẽ ở đâu?

Những tín hiệu này chồng lên nhau, hướng đến một nhận định: nghiên cứu AI đang chuyển từ "bành trướng nhanh" sang "dọn dẹp sâu".

Danh sách giải thưởng ICML 2026, chính là báo cáo kiểm toán đầu tiên của cuộc dọn dẹp này

Tài liệu tham khảo:

https://blog.icml.cc/2026/07/05/announcing-the-icml-2026-awards/

Bài viết này đến từ tài khoản WeChat công cộng "Tân Trí Nguyên" (新智元), tác giả: ASI Khải Thị Lục (ASI启示录), biên tập: Đại Vệ (大卫)

Criptos en tendencia

CitreaCTR

wrapped stUSDTWSTUSDT

Velodrome FinanceVELODROME

BrevisBREV

PancakeSwapCAKE

Preguntas relacionadas

QGiải thưởng Bài báo Xuất sắc của ICML 2026 đã được trao cho những lĩnh vực nghiên cứu nổi bật nào?

AGiải thưởng Bài báo Xuất sắc của ICML 2026 được trao chủ yếu cho các nghiên cứu về mô hình khuếch tán (diffusion models). Hai bài báo cùng giành giải cao nhất đều thuộc lĩnh vực này, một bài phân tích cơ chế quan trọng trong mô hình ngôn ngữ lớn khuếch tán, và bài còn lại đột phá về độ chính xác thuật toán lấy mẫu. Điều này cho thấy mô hình khuếch tán đang là trung tâm của nghiên cứu máy học hiện tại.

QBài báo đoạt Giải thưởng Bài báo Lập trường Xuất sắc của ICML 2026 đã chỉ ra vấn đề gì trong cộng đồng nghiên cứu AI an toàn?

ABài báo đoạt giải với tiêu đề "Position: The Alignment Community is Unintentionally Building a Censor’s Toolkit" đã chỉ ra một vấn đề sâu sắc: Cộng đồng nghiên cứu về an toàn và điều chỉnh AI (AI Alignment) với mục đích ban đầu là tạo ra AI an toàn hơn, nhưng các công cụ kỹ thuật họ phát triển (như RLHF, Constitutional AI) đang vô tình bị chuyển hóa thành cơ sở hạ tầng cho việc kiểm duyệt nội dung. Nó cảnh báo về rủi ro cấu trúc khi ranh giới giữa công cụ an toàn và công cụ kiểm duyệt bị xóa mờ.

QGiải thưởng Thử nghiệm Thời gian (Test of Time Award) của ICML 2026 được trao cho công trình nào và ý nghĩa của nó là gì?

AGiải thưởng Thử nghiệm Thời gian được trao cho bài báo "Asynchronous Methods for Deep Reinforcement Learning" của nhóm DeepMind, công bố năm 2016. Nó đề xuất thuật toán A3C, một ý tưởng đơn giản nhưng hiệu quả: sử dụng nhiều tiến trình song song để khám phá chiến lược khác nhau thay vì một tiến trình lớn duy nhất. Giải thưởng này công nhận ảnh hưởng lâu dài và sâu rộng của công trình, vì tư tưởng này đã thấm nhuần vào hầu hết các hệ thống học tăng cường hiện đại, từ AlphaGo đến RLHF, chứng tỏ đây là một tác phẩm kinh điển thực sự.

QMột trong các bài báo được đề cử danh dự đã khám phá hiện tượng "Grokking" như thế nào?

ABài báo "To Grok Grokking: Provable Grokking in Ridge Regression" của Mingyue Xu và cộng sự là một trong những bài được đề cử danh dự. Nó cung cấp lần đầu tiên một chứng minh toán học nghiêm ngặt cho hiện tượng "Grokking" (đột nhiên thông suốt/ngộ ra) trong một mô hình cổ điển là Hồi quy Ridge. Hiện tượng này mô tả việc mô hình đột nhiên có được khả năng tổng quát hóa tốt sau khi hàm mất mát huấn luyện đã hội tụ từ lâu, giống như 'bừng tỉnh' nhận ra bản chất vấn đề. Nghiên cứu này giúp hiểu sâu hơn về cơ chế học ẩn trong các mô hình.

QDanh sách giải thưởng ICML 2026 phản ánh những xu hướng hoặc tín hiệu nào trong lĩnh vực nghiên cứu AI/ML?

ADanh sách giải thưởng ICML 2026 phản ánh ba tín hiệu chính: 1) Mô hình khuếch tán là khu vực nghiên cứu có mật độ cao nhất và đang bước vào giai đoạn 'vùng nước sâu', cần sự xem xét thận trọng và xây dựng nền tảng vững chắc hơn là nhiều ý tưởng mới. 2) Nghiên cứu an toàn AI đang trải qua sự xem xét nội bộ sâu sắc, đặt câu hỏi về tác động xã hội và đạo đức của chính các công cụ an toàn. 3) Nghiên cứu AI nói chung đang chuyển từ giai đoạn 'bùng nổ nhanh chóng' sang giai đoạn 'dọn dẹp sâu', tập trung vào việc kiểm tra, hiểu rõ và củng cố những nền tảng cơ bản thay vì chỉ theo đuổi sự mới lạ.

Lecturas Relacionadas

Reviewing 8 'Cash Cow' Projects in the Bear Market: The Leader Repurchased $283 Million Worth This Year

This article highlights eight cryptocurrency projects that have demonstrated strong cash-generating capabilities and implemented significant token buyback programs during the bear market of 2026. These projects, dubbed "cash cows," are repurchasing their own tokens, often reducing supply. According to data from Tokenomist, the projects with notable buyback activity from January 1st to June 30th are: Meteora (MET), Pump.fun (PUMP), GMX, Rollbit (RLB), Metaplex (MPLX), Hyperliquid (HYPE), Lighter (LIT), and Aave. Notably, MET's buybacks equaled 71% of its January token supply, while HYPE executed the largest buyback by value at $283 million. Key project summaries include: - **Hyperliquid (HYPE):** The leader by dollar value, its perpetual DEX protocol has repurchased and burned 44 million HYPE tokens (approx. 4.4% of supply) using a significant portion of trading fees, with total buybacks exceeding $1.1 billion since March 2025. - **Meteora (MET):** Its buyback of 336.2 million MET tokens had the greatest proportional impact on its circulating supply, equivalent to 71% of its supply at the start of the year. - **Pump.fun (PUMP):** The popular memecoin launchpad has cumulatively bought back over $400 million worth of PUMP since July 2025, using 50% of net revenue for buybacks and burns since April. - **Aave (AAVE):** Despite facing a major security incident earlier in the year, the lending protocol has continued its buyback program, repurchasing over 200,000 AAVE tokens. Its team is designing a new automated buyback mechanism. - **GMX, Lighter (LIT), Rollbit (RLB), and Metaplex (MPLX)** also have active buyback mechanisms funded by protocol fees or revenues. The article concludes that while token buybacks and burns do not guarantee price appreciation—as market conditions, news, and other factors play a role—these projects stand out for their ability to generate consistent cash flow in a challenging market environment.

marsbitHace 17 min(s)

Reviewing 8 'Cash Cow' Projects in the Bear Market: The Leader Repurchased $283 Million Worth This Year

marsbitHace 17 min(s)

Ethereum Sheds Its Load? What Ethereum Supporters Think About the Lean Ethereum Upgrade and the Future Market

Ethereum is back in focus with the announcement of the "Lean Ethereum" upgrade roadmap, described by Vitalik Buterin as Ethereum's third major update. This proposal aims to fundamentally redesign the consensus, data, and execution layers from first principles, striving to make Ethereum **simpler, more secure (quantum-resistant), more verifiable, and more scalable.** The announcement comes amidst a broader restructuring within the ecosystem, including a 20% staff reduction at the Ethereum Foundation and the emergence of new organizations like EthLabs. This has sparked a debate among Ethereum supporters ("E-bizens"). **Optimists** view Lean Ethereum as a critical refocusing on core protocol fundamentals: * **sassal.eth** calls it the ultimate bullish catalyst, envisioning a future where running a node is so lightweight it could be done on a smartwatch, greatly enhancing decentralization. * **Ryan Sean Adams** sees it as Ethereum moving from "narrative expansion" to "protocol hardening," addressing long-term foundational issues like security and scalability. * Analysts like **BITWU** and **蓝狐 (Blue Fox)** frame it as a third-phase evolution towards a "minimal, durable, and credible base layer" designed for the next decade. * **gigi发财猪** interprets the organizational changes as Ethereum "shedding old baggage and forming new teams" for a lighter, more agile approach. * **Xiyu** notes that the roadmap itself provides a much-needed new narrative for market sentiment recovery. **Cautious voices** acknowledge the vision but emphasize execution and market timing: * **Ignas** warns that while the roadmap addresses key community requests, it overlooks tokenomics, and competitors are gaining ground in areas like RWA. Timely delivery is crucial; delays could be bearish. * **Dankrad Feist**, a former Ethereum Foundation researcher, agrees on direction but criticizes the proposed 3-4 year timeline as too slow for the current market pace, especially with AI-aided development available. **In summary,** optimists believe Lean Ethereum reaffirms Ethereum's long-term value proposition as a decentralized world computer, while the cautious argue that its success hinges on faster delivery and tangible results to maintain market relevance. Despite ongoing criticism, the move signals Ethereum's effort to regroup and reclaim initiative at the protocol level.

marsbitHace 1 hora(s)

Ethereum Sheds Its Load? What Ethereum Supporters Think About the Lean Ethereum Upgrade and the Future Market

marsbitHace 1 hora(s)

Bitcoin miner stress returns to historic lows – Is a BTC recovery near?

Bitcoin mining stress has hit historic lows, comparable to past capitulation periods in 2015, 2018, 2020, 2022, and 2024. Despite two consecutive downward difficulty adjustments, mining profits remain low, forcing weaker miners to sell reserves. However, this process may reduce long-term selling pressure. Investor sentiment is also extremely pessimistic, with Bitcoin's Sharpe ratio hitting -20, reflecting one of the worst risk-adjusted return periods this cycle. Similar conditions in past cycles preceded extended accumulation phases where sellers exhausted their steam. The alignment of miner exhaustion and negative market sentiment could eventually fade downside pressures, potentially setting the stage for a broader market recovery if long-term holders continue absorbing supply and volatility subsides.

ambcryptoHace 1 hora(s)

Bitcoin miner stress returns to historic lows – Is a BTC recovery near?

ambcryptoHace 1 hora(s)

AI Folding: Fable 5 and GPT-5.6 Are Becoming the Privilege of a Few

【AI Accessibility Gap Widens: Elite Tools Like Fable 5 and GPT-5.6 Are Becoming Privileged】 We are witnessing a growing "AI divide." A stark reality is emerging: a tiny fraction of elites, primarily in tech, are using powerful next-generation models like Fable 5 or the upcoming GPT-5.6, while the vast majority of the public only has access to "toys" - free, limited models equivalent to ChatGPT's basic versions (8B to 30B parameters). This creates a massive experiential chasm and cognitive dissonance. Industry outsiders see AI as overhyped and ineffective, unable to grasp its transformative potential, while insiders leverage these advanced models for a decisive competitive edge. The gap isn't just about model quality but product functionality. Free users get a simple chatbot. Paying elites get integrated workflow systems—capable of creating specialized agents, processing complex data, and handling real-world tasks like management, coding, and planning. Demos showcasing AI planning weddings or building apps feel disconnected from everyday needs like managing bills, groceries, or health. The cost barrier is immense, with reports of engineers spending $1000 daily on Fable 5 inference. Elite users employ sophisticated multi-model workflows, combining different AIs for ideation, architecture, execution, and review, completing complex projects in minutes instead of weeks. This divide extends to critical areas like healthcare, where free models are dangerously unreliable for medical queries. However, some argue that for 90% of common business tasks, mid-tier models like GPT-5.5 are sufficient; the perceived limitation often stems from poor integration and lack of context, not model intelligence. Ultimately, unequal access to cutting-edge AI is creating a new form of social stratification, where the most powerful tools are becoming the exclusive privilege of a few.

marsbitHace 1 hora(s)

AI Folding: Fable 5 and GPT-5.6 Are Becoming the Privilege of a Few

marsbitHace 1 hora(s)

Cathie Wood's June $77M Investment: Are Crypto Stocks a True 'Substitute' for Bitcoin?

In June, Cathie Wood's ARK Invest purchased $77 million worth of publicly traded crypto-related stocks, including Coinbase, Circle, and Bullish, during Bitcoin's worst monthly performance in four years. This aligns with the investment thesis that such stocks offer a compliant way to gain exposure to the crypto cycle without directly holding Bitcoin. However, data analysis reveals significant drawbacks. A group of nine U.S.-listed crypto companies showed 30-day annualized realized volatility between 68% and 90%, nearly double Bitcoin's 37.6%. Over 90 days, Circle's volatility reached 103.6% versus Bitcoin's 37.8%. Drawdowns were also more severe for stocks like Circle (-51.4%) and MicroStrategy (-48.6%) compared to Bitcoin's -36.4% from its January high. Correlation analysis shows most stocks share only a moderate link to Bitcoin. For example, Circle, Robinhood, and Bullish have a 90-day correlation coefficient of just 0.55–0.58 with BTC, meaning only about one-third of their price movement is explained by Bitcoin's action. The rest stems from company-specific risks: earnings, competition, fundraising, and equity dilution. MicroStrategy (MSTR) is the notable exception, acting as a leveraged Bitcoin proxy with a beta of 1.59 and 0.85 correlation. Coinbase offers relatively balanced exposure. Circle exemplifies "crypto-wrapped" corporate risk, with its recent crash tied to stablecoin competition, not Bitcoin. Robinhood's diversified business insulates it from crypto downturns but also limits upside. Bitcoin miners like RIOT and MARA have posted significant gains year-to-date, driven primarily by their pivot to AI compute services, not Bitcoin's price. The article highlights that investing in crypto stocks often means accepting amplified volatility or layering on business-specific risks absent from direct Bitcoin ownership. For instance, MicroStrategy's recent challenges—its market value falling below its Bitcoin holdings (mNAV <1) and facing potential Bitcoin sales for liquidity—demonstrate equity-specific hazards like dilution and financing pressures not faced by a direct Bitcoin holder. ARK's buying spree represents a bet on a basket of different business models with varying crypto exposure, not a simple, lower-risk substitute for holding Bitcoin.

marsbitHace 1 hora(s)

Cathie Wood's June $77M Investment: Are Crypto Stocks a True 'Substitute' for Bitcoin?

marsbitHace 1 hora(s)

Trading

Spot

Artículos destacados

Qué es $S$

Entendiendo SPERO: Una Visión General Completa Introducción a SPERO A medida que el panorama de la innovación continúa evolucionando, la aparición de tecnologías web3 y proyectos de criptomonedas juega un papel fundamental en la configuración del futuro digital. Un proyecto que ha atraído la atención en este campo dinámico es SPERO, denotado como SPERO,$$s$. Este artículo tiene como objetivo reunir y presentar información detallada sobre SPERO, para ayudar a entusiastas e inversores a comprender sus fundamentos, objetivos e innovaciones dentro de los dominios web3 y cripto. ¿Qué es SPERO,$$s$? SPERO,$$s$ es un proyecto único dentro del espacio cripto que busca aprovechar los principios de descentralización y tecnología blockchain para crear un ecosistema que promueva la participación, la utilidad y la inclusión financiera. El proyecto está diseñado para facilitar interacciones de igual a igual de nuevas maneras, proporcionando a los usuarios soluciones y servicios financieros innovadores. En su esencia, SPERO,$$s$ tiene como objetivo empoderar a los individuos al proporcionar herramientas y plataformas que mejoren la experiencia del usuario en el espacio de las criptomonedas. Esto incluye habilitar métodos de transacción más flexibles, fomentar iniciativas impulsadas por la comunidad y crear caminos para oportunidades financieras a través de aplicaciones descentralizadas (dApps). La visión subyacente de SPERO,$$s$ gira en torno a la inclusividad, buscando cerrar brechas dentro de las finanzas tradicionales mientras aprovecha los beneficios de la tecnología blockchain. ¿Quién es el Creador de SPERO,$$s$? La identidad del creador de SPERO,$$s$ sigue siendo algo oscura, ya que hay recursos públicos limitados que proporcionan información de fondo detallada sobre su(s) fundador(es). Esta falta de transparencia puede derivarse del compromiso del proyecto con la descentralización, una ética que muchos proyectos web3 comparten, priorizando las contribuciones colectivas sobre el reconocimiento individual. Al centrar las discusiones en torno a la comunidad y sus objetivos colectivos, SPERO,$$s$ encarna la esencia del empoderamiento sin señalar a individuos específicos. Como tal, comprender la ética y la misión de SPERO sigue siendo más importante que identificar a un creador singular. ¿Quiénes son los Inversores de SPERO,$$s$? SPERO,$$s$ cuenta con el apoyo de una diversa gama de inversores que van desde capitalistas de riesgo hasta inversores ángeles dedicados a fomentar la innovación en el sector cripto. El enfoque de estos inversores generalmente se alinea con la misión de SPERO, priorizando proyectos que prometen avances tecnológicos sociales, inclusión financiera y gobernanza descentralizada. Estas fundaciones de inversores suelen estar interesadas en proyectos que no solo ofrecen productos innovadores, sino que también contribuyen positivamente a la comunidad blockchain y sus ecosistemas. El respaldo de estos inversores refuerza a SPERO,$$s$ como un contendiente notable en el dominio de proyectos cripto que evoluciona rápidamente. ¿Cómo Funciona SPERO,$$s$? SPERO,$$s$ emplea un marco multifacético que lo distingue de los proyectos de criptomonedas convencionales. Aquí hay algunas de las características clave que subrayan su singularidad e innovación: Gobernanza Descentralizada: SPERO,$$s$ integra modelos de gobernanza descentralizada, empoderando a los usuarios para participar activamente en los procesos de toma de decisiones sobre el futuro del proyecto. Este enfoque fomenta un sentido de propiedad y responsabilidad entre los miembros de la comunidad. Utilidad del Token: SPERO,$$s$ utiliza su propio token de criptomoneda, diseñado para servir diversas funciones dentro del ecosistema. Estos tokens permiten transacciones, recompensas y la facilitación de servicios ofrecidos en la plataforma, mejorando la participación y la utilidad general. Arquitectura en Capas: La arquitectura técnica de SPERO,$$s$ apoya la modularidad y escalabilidad, permitiendo la integración fluida de características y aplicaciones adicionales a medida que el proyecto evoluciona. Esta adaptabilidad es fundamental para mantener la relevancia en el cambiante paisaje cripto. Participación de la Comunidad: El proyecto enfatiza iniciativas impulsadas por la comunidad, empleando mecanismos que incentivan la colaboración y la retroalimentación. Al nutrir una comunidad sólida, SPERO,$$s$ puede abordar mejor las necesidades de los usuarios y adaptarse a las tendencias del mercado. Enfoque en la Inclusión: Al ofrecer tarifas de transacción bajas e interfaces amigables para el usuario, SPERO,$$s$ busca atraer a una base de usuarios diversa, incluyendo a individuos que anteriormente pueden no haber participado en el espacio cripto. Este compromiso con la inclusión se alinea con su misión general de empoderamiento a través de la accesibilidad. Cronología de SPERO,$$s$ Entender la historia de un proyecto proporciona información crucial sobre su trayectoria de desarrollo y hitos. A continuación se presenta una cronología sugerida que mapea eventos significativos en la evolución de SPERO,$$s$: Fase de Conceptualización e Ideación: Las ideas iniciales que forman la base de SPERO,$$s$ fueron concebidas, alineándose estrechamente con los principios de descentralización y enfoque comunitario dentro de la industria blockchain. Lanzamiento del Whitepaper del Proyecto: Tras la fase conceptual, se lanzó un whitepaper completo que detalla la visión, los objetivos y la infraestructura tecnológica de SPERO,$$s$ para generar interés y retroalimentación de la comunidad. Construcción de Comunidad y Primeras Interacciones: Se realizaron esfuerzos de divulgación activa para construir una comunidad de primeros adoptantes y posibles inversores, facilitando discusiones en torno a los objetivos del proyecto y obteniendo apoyo. Evento de Generación de Tokens: SPERO,$$s$ llevó a cabo un evento de generación de tokens (TGE) para distribuir sus tokens nativos a los primeros seguidores y establecer liquidez inicial dentro del ecosistema. Lanzamiento de la dApp Inicial: La primera aplicación descentralizada (dApp) asociada con SPERO,$$s$ se puso en marcha, permitiendo a los usuarios interactuar con las funcionalidades centrales de la plataforma. Desarrollo Continuo y Alianzas: Actualizaciones y mejoras continuas a las ofertas del proyecto, incluyendo alianzas estratégicas con otros actores en el espacio blockchain, han moldeado a SPERO,$$s$ en un jugador competitivo y en evolución en el mercado cripto. Conclusión SPERO,$$s$ se erige como un testimonio del potencial de web3 y las criptomonedas para revolucionar los sistemas financieros y empoderar a los individuos. Con un compromiso con la gobernanza descentralizada, la participación comunitaria y funcionalidades diseñadas de manera innovadora, allana el camino hacia un paisaje financiero más inclusivo. Como con cualquier inversión en el espacio cripto que evoluciona rápidamente, se anima a los posibles inversores y usuarios a investigar a fondo y participar de manera reflexiva con los desarrollos en curso dentro de SPERO,$$s$. El proyecto muestra el espíritu innovador de la industria cripto, invitando a una mayor exploración de sus innumerables posibilidades. Mientras el viaje de SPERO,$$s$ aún se desarrolla, sus principios fundamentales pueden, de hecho, influir en el futuro de cómo interactuamos con la tecnología, las finanzas y entre nosotros en ecosistemas digitales interconectados.

113 Vistas totalesPublicado en 2024.12.17Actualizado en 2024.12.17

Qué es AGENT S

Agent S: El Futuro de la Interacción Autónoma en Web3 Introducción En el paisaje en constante evolución de Web3 y las criptomonedas, las innovaciones están redefiniendo constantemente cómo los individuos interactúan con las plataformas digitales. Uno de estos proyectos pioneros, Agent S, promete revolucionar la interacción humano-computadora a través de su marco agente abierto. Al allanar el camino para interacciones autónomas, Agent S busca simplificar tareas complejas, ofreciendo aplicaciones transformadoras en inteligencia artificial (IA). Esta exploración detallada profundizará en las complejidades del proyecto, sus características únicas y las implicaciones para el dominio de las criptomonedas. ¿Qué es Agent S? Agent S se presenta como un marco agente abierto innovador, diseñado específicamente para abordar tres desafíos fundamentales en la automatización de tareas informáticas: Adquisición de Conocimiento Específico del Dominio: El marco aprende inteligentemente de diversas fuentes de conocimiento externas y experiencias internas. Este enfoque dual le permite construir un rico repositorio de conocimiento específico del dominio, mejorando su rendimiento en la ejecución de tareas. Planificación a Largo Plazo de Tareas: Agent S emplea planificación jerárquica aumentada por la experiencia, un enfoque estratégico que facilita la descomposición y ejecución eficiente de tareas complejas. Esta característica mejora significativamente su capacidad para gestionar múltiples subtareas de manera eficiente y efectiva. Manejo de Interfaces Dinámicas y No Uniformes: El proyecto introduce la Interfaz Agente-Computadora (ACI), una solución innovadora que mejora la interacción entre agentes y usuarios. Utilizando Modelos de Lenguaje Multimodal de Gran Escala (MLLMs), Agent S puede navegar y manipular diversas interfaces gráficas de usuario sin problemas. A través de estas características pioneras, Agent S proporciona un marco robusto que aborda las complejidades involucradas en la automatización de la interacción humana con las máquinas, preparando el terreno para una multitud de aplicaciones en IA y más allá. ¿Quién es el Creador de Agent S? Si bien el concepto de Agent S es fundamentalmente innovador, la información específica sobre su creador sigue siendo elusiva. El creador es actualmente desconocido, lo que resalta ya sea la etapa incipiente del proyecto o la elección estratégica de mantener a los miembros fundadores en el anonimato. Independientemente de la anonimidad, el enfoque sigue siendo en las capacidades y el potencial del marco. ¿Quiénes son los Inversores de Agent S? Dado que Agent S es relativamente nuevo en el ecosistema criptográfico, la información detallada sobre sus inversores y patrocinadores financieros no está documentada explícitamente. La falta de información disponible públicamente sobre las bases de inversión u organizaciones que apoyan el proyecto plantea preguntas sobre su estructura de financiamiento y hoja de ruta de desarrollo. Comprender el respaldo es crucial para evaluar la sostenibilidad del proyecto y su posible impacto en el mercado. ¿Cómo Funciona Agent S? En el núcleo de Agent S se encuentra una tecnología de vanguardia que le permite funcionar de manera efectiva en diversos entornos. Su modelo operativo se basa en varias características clave: Interacción Humano-Computadora Similar a la Humana: El marco ofrece planificación avanzada de IA, esforzándose por hacer que las interacciones con las computadoras sean más intuitivas. Al imitar el comportamiento humano en la ejecución de tareas, promete elevar las experiencias de los usuarios. Memoria Narrativa: Empleada para aprovechar experiencias de alto nivel, Agent S utiliza memoria narrativa para hacer un seguimiento de las historias de tareas, mejorando así sus procesos de toma de decisiones. Memoria Episódica: Esta característica proporciona a los usuarios una guía paso a paso, permitiendo que el marco ofrezca apoyo contextual a medida que se desarrollan las tareas. Soporte para OpenACI: Con la capacidad de ejecutarse localmente, Agent S permite a los usuarios mantener el control sobre sus interacciones y flujos de trabajo, alineándose con la ética descentralizada de Web3. Fácil Integración con APIs Externas: Su versatilidad y compatibilidad con varias plataformas de IA aseguran que Agent S pueda encajar sin problemas en ecosistemas tecnológicos existentes, convirtiéndolo en una opción atractiva para desarrolladores y organizaciones. Estas funcionalidades contribuyen colectivamente a la posición única de Agent S dentro del espacio cripto, ya que automatiza tareas complejas y de múltiples pasos con una intervención humana mínima. A medida que el proyecto evoluciona, sus posibles aplicaciones en Web3 podrían redefinir cómo se desarrollan las interacciones digitales. Cronología de Agent S El desarrollo y los hitos de Agent S pueden encapsularse en una cronología que resalta sus eventos significativos: 27 de septiembre de 2024: El concepto de Agent S fue lanzado en un documento de investigación integral titulado “Un Marco Agente Abierto que Usa Computadoras Como un Humano”, mostrando las bases del proyecto. 10 de octubre de 2024: El documento de investigación fue puesto a disposición del público en arXiv, ofreciendo una exploración profunda del marco y su evaluación de rendimiento basada en el benchmark OSWorld. 12 de octubre de 2024: Se lanzó una presentación en video, proporcionando una visión visual de las capacidades y características de Agent S, involucrando aún más a posibles usuarios e inversores. Estos marcadores en la cronología no solo ilustran el progreso de Agent S, sino que también indican su compromiso con la transparencia y la participación comunitaria. Puntos Clave Sobre Agent S A medida que el marco Agent S continúa evolucionando, varios atributos clave destacan, subrayando su naturaleza innovadora y potencial: Marco Innovador: Diseñado para proporcionar un uso intuitivo de las computadoras similar a la interacción humana, Agent S aporta un enfoque novedoso a la automatización de tareas. Interacción Autónoma: La capacidad de interactuar de manera autónoma con las computadoras a través de GUI significa un salto hacia soluciones informáticas más inteligentes y eficientes. Automatización de Tareas Complejas: Con su metodología robusta, puede automatizar tareas complejas y de múltiples pasos, haciendo que los procesos sean más rápidos y menos propensos a errores. Mejora Continua: Los mecanismos de aprendizaje permiten a Agent S mejorar a partir de experiencias pasadas, mejorando continuamente su rendimiento y eficacia. Versatilidad: Su adaptabilidad en diferentes entornos operativos como OSWorld y WindowsAgentArena asegura que pueda servir a una amplia gama de aplicaciones. A medida que Agent S se posiciona en el paisaje de Web3 y criptomonedas, su potencial para mejorar las capacidades de interacción y automatizar procesos significa un avance significativo en las tecnologías de IA. A través de su marco innovador, Agent S ejemplifica el futuro de las interacciones digitales, prometiendo una experiencia más fluida y eficiente para los usuarios en diversas industrias. Conclusión Agent S representa un audaz avance en la unión de la IA y Web3, con la capacidad de redefinir cómo interactuamos con la tecnología. Aunque aún se encuentra en sus primeras etapas, las posibilidades para su aplicación son vastas y atractivas. A través de su marco integral que aborda desafíos críticos, Agent S busca llevar las interacciones autónomas al primer plano de la experiencia digital. A medida que nos adentramos más en los reinos de las criptomonedas y la descentralización, proyectos como Agent S sin duda desempeñarán un papel crucial en la configuración del futuro de la tecnología y la colaboración humano-computadora.

517 Vistas totalesPublicado en 2025.01.14Actualizado en 2025.01.14

Cómo comprar S

¡Bienvenido a HTX.com! Hemos hecho que comprar Sonic (S) 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 Sonic (S) 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 Sonic (S)Después de comprar tu Sonic (S), guárdalo en tu cuenta HTX. Alternativamente, puedes enviarlo a otro lugar mediante transferencia blockchain o utilizarlo para tradear otras criptomonedas.Paso 4: tradear Sonic (S)Tradear fácilmente con Sonic (S) 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.

1.1k Vistas totalesPublicado en 2025.01.15Actualizado 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 S (S).