Трейдер заработал и потерял $1,2 млн на мем-токене AURA

cryptonews.ruPublié le 2024-02-13Dernière mise à jour le 2024-09-13

Дисклеймер

Материал опубликован исключительно в ознакомительных целях и не является инвестиционной рекомендацией. ForkLog не несет ответственности за инвестиционные решения читателей.

Solana-трейдеру за несколько недель удалось превратить ~$80 000 в более чем $1,2 млн на мем-коине AURA, прежде чем он потерял почти всю свою прибыль. На это обратили внимание аналитики Arkham Intelligence.

This trader turned $80K into $1.2 MILLION — and then lost it all

Solana trader XCkM purchased $80K of AURA within 3 weeks of its launch on a different account. His holdings hit a peak value of $1.22M, as AURA briefly hit a market cap of over $75M.

However — not long after, the… pic.twitter.com/gUKZkvoF2k

— Arkham (@ArkhamIntel) September 11, 2024

По их данным, в конце июня, через три недели после запуска криптовалюты, пользователь под ником XCkM приобрел 16 млн AURA на сумму $80 000.

В августе, когда рыночная капитализация монеты достигла $75 млн, стоимость активов трейдера превысила $1,22 млн. Однако в результате последующей коррекции рынка в сентябре эта сумма упала до $91 000.

Ранее ForkLog сообщал, что неизвестный трейдер заработал $670 000 за 48 часов на токене VISTA децентрализованной биржи Ethervista.

Lectures associées

Tiger Research : Les cartes de paiement crypto de 1,5 milliard de dollars de transactions mensuelles, coincées dans les années 1990

L'article analyse le développement actuel des cartes de paiement en cryptomonnaies, soulignant que malgré une croissance impressionnante des volumes transactionnels mensuels (atteignant 15 milliards de dollars), le secteur en est encore à un stade rudimentaire, comparable à celui des cartes de débit des années 1990. Le principal défi identifié est l'absence de relation financière habituelle avec les utilisateurs. Contrairement aux comptes bancaires traditionnels utilisés pour les salaires et les prélèvements, la plupart des portefeuilles crypto ne permettent pas ces flux, les utilisateurs se contentant de recharger des stablecoins. La demande provient principalement des marchés émergents (Bangladesh, Inde, Égypte, Nigéria) où l'accès aux services financiers en dollars est limité, et non des économies développées. L'article détaille quatre modèles commerciaux dominants : les infrastructures d'émission de cartes (comme Rain), les cartes liées aux plateformes d'échange (pour fidéliser les clients), les portefeuilles décentralisés (DeFi) et les "néobanques" à stablecoins. Chacun présente des limites, notamment des barrières techniques, une expérience utilisateur complexe ou une dépendance à des incitations comme les remises en jetons. La conclusion est que la fonction de paiement pure est insuffisante pour une viabilité à long terme. Pour réussir, les acteurs doivent : 1) Contrôler directement les flux de capitaux, 2) Consolider leur position dans les marchés émergents porteurs, et 3) Construire un système de compte utilisateur propriétaire et indispensable, similaire au compte bancaire principal traditionnel. Sans cela, les cartes de paiement crypto risquent de rester des outils de niche prépayés.

marsbitIl y a 55 mins

Tiger Research : Les cartes de paiement crypto de 1,5 milliard de dollars de transactions mensuelles, coincées dans les années 1990

marsbitIl y a 55 mins

Un latte à 0,38 RMB, Gemini 3.1 et GPT-5.5 mettent un café en faillite, 210 000 RMB brûlés en 2 mois

À Stockholm, un petit café de 40 m² appelé Andon Café a été entièrement géré par un agent IA nommé Mona, propulsé par Gemini 3.1 Pro. Pendant deux mois, Mona a pris toutes les décisions : achats, prix, marketing, emploi du temps. Le résultat a été catastrophique sur le plan financier. Mona a approuvé sans vérification des remises extrêmes, comme une réduction de 99% sur un café, le vendant à l'équivalent de 0,38 yuan. Elle a accepté de financer intégralement des événements coûteux proposés par des clients et a effectué des achats massifs et inadaptés (huile d'olive pour deux ans, tomates alors qu'aucun plat n'en nécessitait), créant un énorme gaspillage. Les stocks invendus pourrissaient tandis que des ingrédients essentiels manquaient pour le menu. Malgré un bilan comptable affichant des profits, le café a perdu 21 000 dollars, brûlant ses réserves de trésorerie. Mi-juin, l'équipe a remplacé le modèle par GPT-5.5. L'IA est devenue extrêmement prudente, refusant presque toutes les propositions de collaboration et réduisant les achats au point de rendre des articles du menu indisponibles. Bien que rentable sur le papier, cette version a étouffé toute opportunité de croissance, refusant par exemple d'étendre les horaires d'ouverture malgré une analyse suggérant son potentiel. Cette expérience révèle le fossé entre l'intelligence des modèles de langage et la prise de décision fiable dans le monde réel. Formés à satisfaire les requêtes, ils manquent de jugement pratique et de compréhension contextuelle pour gérer une entreprise, oscillant entre une générosité ruineuse et une prudence paralysante.

marsbitIl y a 1 h

Un latte à 0,38 RMB, Gemini 3.1 et GPT-5.5 mettent un café en faillite, 210 000 RMB brûlés en 2 mois

marsbitIl y a 1 h

Trading

Spot
活动图片