Superstate推出加密货币套利基金(USCC)

币界网Publié le 2024-07-22Dernière mise à jour le 2024-07-22

币界网报道:

数字资产管理公司Superstate公布了其加密货币套利基金(USCC),该基金通过代币化和传统簿记所有权提供加密货币策略的敞口。

USCC基金的目标是利用现货和期货市场之间发现的定价不一致,主要是比特币和以太币。该基金的策略在收益生成与风险考虑之间取得了平衡,包括对基差交易机会、质押回报和以联邦基金利率为基准的美国国债的投资。

USCC已作为以太坊区块链上的ERC-20代币发行,为合格投资者提供了进行点对点交易的途径。

“多年来,加密货币现金和套利交易一直是老练投资者的可扩展回报来源。在Superstate,我们很高兴将这一策略代币化,这样新一类投资者就可以在不管理基础设施和风险的情况下获得机会,”Superstate首席执行官Robert Leshner说。

USCC基金的一个关键特征是其费用结构——它收取0.75%的统一管理费,远低于传统对冲基金通常收取的费用。

该基金还提供每日流动性,这与传统对冲基金更有限的赎回时间表不同。在监管合规和投资者保护方面,USCC使用基于以太坊的Allowlist来监管经过验证的参与者之间的转账,并在特拉华州信托内构建,以在Superstate破产时保护投资者的资产。

这一最新产品是在Superstate于2024年2月推出代币化国债基金(USTB)之后推出的。

Lectures associées

Les grands modèles américains tendent vers le confinement, au nom de la sécurité

Le 27 juin, Anthropic a annoncé que le gouvernement américain avait autorisé le redéploiement de son modèle de cybersécurité Mythos 5 à plus de 100 organismes américains, mais la version publique Fable 5 reste suspendue sans calendrier de retour. Le même jour, OpenAI a lancé GPT-5.6, dont l'accès via API est restreint aux partenaires approuvés par le gouvernement. Ces décisions font suite à un ordre exécutif sur l'IA signé début juin et à une injonction du Département du commerce du 12 juin ordonnant la suspension de Fable 5, marquant un cycle complet d'"arrêt-négociation-autorisation conditionnelle" pour le contrôle des modèles d'IA de pointe par les autorités américaines en moins d'un mois. Les entreprises concernées contestent la base technique de ces mesures. OpenAI indique que son modèle Sol n'a pas franchi son propre cadre de sécurité, tandis qu'Anthropic a réfuté point par point les raisons avancées par le gouvernement. Dean W. Ball, ancien conseiller de la Maison Blanche, critique un processus de régulation manquant de transparence, de normes claires et d'expertise technique, créant une incertitude dommageable pour l'industrie. L'article établit un parallèle avec la "Guerre du Chiffrement" des années 1990, où le contrôle américain sur les technologies de cryptage a finalement échoué, nuisant à la compétitivité des entreprises nationales. Aujourd'hui, le risque est que ces restrictions étouffent l'innovation et la diffusion économique essentielle aux technologies génériques comme l'IA, d'autant plus que les modèles open-source, notamment chinois, progressent rapidement. Cet épisode pourrait marquer un tournant : l'insertion durable du gouvernement comme autorité d'approbation entre les modèles d'IA commerciaux et leurs utilisateurs. Si l'objectif affiché est la sécurité, la méthode opaque et arbitraire menace les investissements et risque de concentrer le pouvoir de l'IA de pointe entre les mains d'une minorité déjà puissante.

链捕手Il y a 9 mins

Les grands modèles américains tendent vers le confinement, au nom de la sécurité

链捕手Il y a 9 mins

Il y a quelques instants, DeepSeek V4 a mis à jour DSpark, augmentant la vitesse d'inférence de 80 %

DeepSeek a annoncé une mise à jour majeure de son modèle DeepSeek-V4-Pro avec le lancement de DSpark, un nouveau cadre de décodage spéculatif (Speculative Decoding) open source, accompagné de l'infrastructure complète DeepSpec. Cette mise à jour, axée sur l'ingénierie et non sur les capacités fondamentales du modèle, vise à accélérer considérablement l'inférence des LLM en production. Le cœur de DSpark est l'introduction d'une **génération semi-autorégressive**. Cela combine la génération parallèle à haut débit d'un modèle "brouillon" léger avec une modélisation des dépendances entre tokens pour améliorer le taux d'acceptation. De plus, un système de **vérification planifiée par confiance et conscient du matériel** (Confidence-Scheduled Verification) évalue dynamiquement la probabilité que chaque token généré soit accepté par le modèle cible. Il adapte ainsi la longueur de vérification en temps réel pour optimiser l'utilisation des ressources GPU, notamment en charge élevée. Les résultats sont significatifs : face aux méthodes de pointe comme Eagle3 et DFlash, DSpark augmente la longueur moyenne de tokens acceptés de 26.7% à 30.9% et de 16.3% à 18.4% respectivement sur les modèles Qwen3. En déploiement réel, par rapport à la génération token par token précédente (MTP-1), **DSpark améliore la vitesse de génération pour l'utilisateur de 60% à 85% pour le modèle Flash et de 57% à 78% pour le modèle Pro**, à débit total constant. Le projet open source **DeepSpec** fournit une stack complète pour entraîner et évaluer des modèles brouillons pour le décodage spéculatif, supportant actuellement les algorithmes DSpark, DFlash et Eagle3, ainsi que les familles de modèles cibles Qwen3 et Gemma.

marsbitIl y a 6 h

Il y a quelques instants, DeepSeek V4 a mis à jour DSpark, augmentant la vitesse d'inférence de 80 %

marsbitIl y a 6 h

Trading

Spot
活动图片