链上 Meta 的短暂一生:从“野蛮生长”到“优雅退场” 7 个关键阶段

链捕手Publié le 2024-10-28Dernière mise à jour le 2024-10-28

作者:Game

编译:深潮TechFlow

 

1.Meta 的诞生

  • 一个崭新的“Meta”出现,伴随着基础的“背景故事”,可能是新技术、新参与者、巧妙的营销策略或它们的结合。

  • 需要具备一种能够迅速通过社交网络传播的病毒式元素。

  • 这通常在早期阶段对大多数参与者来说是难以察觉的,可能只有对该领域非常了解的人才能意识到。

2.早期行动者与叙事的形成

  • 早期敏锐的链上玩家识别出这种局势并抢占先机。这些早期行动者虽然尚未被广泛关注,但逐渐成为新 Meta 的关键意见领袖 (KOL)。

  • 对他们来说,收益潜力巨大:资产价值可能增长 100 倍,并且社交关注度也会增加。由于粉丝较少且对价格波动影响小,即使在低流动性情况下,风险也较低。

  • 随着他们开始发布内容,其他人也逐渐关注。价格上涨,参与度激增,叙事逐渐成型。

  • Meta 的初期赢家浮现,确立自己在这一周期中的主要地位。

3.新的 Beta 涌入

  • 随着强劲的资金流入,新的 betas(次要玩法)涌现——有些是原创的,有些则是模仿的。

  • 这些玩法仍然有利可图,因为目前还没有人能确定“真正”的次要赢家会是什么样子。只要你行动够早,使用简单思维仍然是安全的。

4.首批 KOL 阶段和第三梯队交易所上市

  • 大型账户开始入场,支持特定的代码并制造 FOMO(害怕错过)。后来的参与者往往在 KOL 推崇的项目上投入过多。

  • 第三梯队交易所会列出早期的赢家,为这些项目增加了可信度并吸引了更多参与者,从而进一步扩大社交影响力。

  • 这是一个从 KOL 推广的代码中获利的明智时机(尤其是当涉及到可疑的 KOL 时),除非该代码已被证明是明确的赢家或先行者。此时并不是预测市场顶部的时机,但可以开始更加理性地操作。

5.中等程度的宣传浪潮

  • 如果叙事依然强劲,它将吸引中等程度的宣传,激发新的兴趣并塑造即将到来的“公众”资金流入的故事。即使没有新的资金流入,现有买家的期待仍能推动价格上涨。

  • 已经确立的赢家可能会在一级和二级交易所上市,通常是永续合约,为使用杠杆交易提供了空间。

6.PvP 阶段

  • 晚期 KOL 骗局出现:拉高出货、可疑的预售、内部发行。资本从后期的 FOMO 买家转移到投机者手中。

  • 有经验的早期玩家识别出这种 PvP 模式,转向更短期的持有和更高风险的操作以快速获利,导致代币在数小时内剧烈波动。许多人在此阶段开始亏损,这不再是简单模式。

  • 早期玩家可能因全天候的紧张操作而疲惫,或者因失去早期收益而感到挫败,因此选择锁定早期阶段的利润以避免损失。

  • 一些人开始利用之前顶级交易所的上市机会进行做空。

7.冷却与整合阶段

  • 群组聊天和社交媒体动态逐渐变得安静,退出和获利了结的信号增多。

  • 价格下跌,市场叙事开始放缓并逐渐消退。

  • 次要项目(Betas)和代理项目受到最严重的冲击,跌幅和之前的涨幅一样迅速。初期的赢家则在此时进行整合。

  • 剩余的讨论主要由超级早期的持有者或在这一周期中形成的忠实追随者进行。

  • 交易者开始寻找其他市场的新 Meta,将他们的资金流动转移到其他领域。

  • 这个 Meta 在创造了大量财富并深深植入人们心中后可能会继续存在,但市场的总体冷却是必要且健康的,尤其是对于一个自主交易很少的市场。

随着周期的发展,你应该逐步减少风险;在初期要积极进取,而在后期则应更为谨慎和理性。

Lectures associées

Derrière le triplement d'ANSEM en une semaine : la renaissance et les pièges des Meme sur Solana

L'article examine la résurgence des memecoins sur Solana, menée par ANSEM dont le prix a explosé de près de 300% en une semaine. Cette hausse a relancé l'activité sur les plateformes de lancement comme Pump.fun, avec des volumes hebdomadaires dépassant à nouveau 50 milliards de dollars et une part des memecoins dans le volume total de Solana remontant au-dessus de 20%. Cependant, cette reprise met en lumière les pièges structurels du secteur. L'environnement de trading ultra-rapide, avec une durée moyenne de détention de seulement 100 secondes, favorise massivement les robots et les gros portefeuilles. Des études citées révèlent que les bots achètent systématiquement les nouveaux jetons dans les premières secondes, que de nombreux projets présentent des signes de manipulation (faux trading, lavage de transactions) et que la majorité sont considérés comme à haut risque, entraînant des pertes importantes pour les petits investisseurs. La question centrale est de savoir si cette vague de chaleur, bien qu'excellente pour attirer de nouveaux utilisateurs sur le réseau Solana, peut échapper au cycle ancien où les retail investors servent finalement de liquidité aux initiés. L'avenir du segment dépendra de sa capacité à maintenir une dynamique de croissance organique avec des volumes durables, plutôt que de retomber dans un schéma de phénomène isolé et éphémère.

Foresight NewsIl y a 39 mins

Derrière le triplement d'ANSEM en une semaine : la renaissance et les pièges des Meme sur Solana

Foresight NewsIl y a 39 mins

Le nouveau blog de Weng Li propose que « l'auto-évolution commence par le Harnais », Cui Tianyi de DeepSeek relaie et approuve

L'ancienne vice-présidente de la sécurité d'OpenAI et cofondatrice du Thinking Machines Lab, Weng Li, propose dans un nouveau blog une voie réaliste pour l'auto-évolution de l'IA. Elle suggère que les progrès initiaux en matière d'amélioration récursive de soi (RSI) pourraient provenir non pas de la modification directe des poids du modèle, mais de l'optimisation du **Harness** – le système externe qui gère l'appel d'outils, la gestion du contexte, la planification des tâches et la validation des résultats pour un agent IA. Le chercheur de DeepSeek, Cui Tianyi, a soutenu cette vision, notant que l'auto-évolution du Harness est une direction de recherche très prometteuse, au même titre que l'auto-évolution du modèle lui-même. Weng Li décrit une progression claire des travaux récents : de l'ingénierie du contexte (comme ACE et MCE, qui structurent la mémoire de l'agent), à la conception de workflows (où l'agent optimise son propre processus de travail, comme dans AI Scientist ou ADAS), et enfin à l'**auto-amélioration du Harness**. Cette dernière couche permet à l'agent d'analyser ses échecs, de proposer des modifications incrémentielles et vérifiables à son propre système d'exécution, puis de les valider avant adoption. Des méthodes comme l'**Evolutionary Search** ou **DGM** (Darwin Gödel Machine) poussent ce concept plus loin en faisant évoluer le code du Harness lui-même par sélection, conduisant à des gains de performance significatifs sur des benchmarks de code, rivalisant avec des agents conçus manuellement. Cependant, Weng Li souligne plusieurs défis persistants : la faiblesse des évaluateurs pour les tâches subjectives ou à long terme, les risques de *reward hacking*, la perte de diversité dans les cycles d'évolution, et la difficulté à concilier succès à court terme et santé à long terme des systèmes. Elle conclut que le Harness et le modèle se renforceront mutuellement, et que le rôle humain évoluera vers une supervision à un niveau d'abstraction plus élevé, sans être exclu de la boucle. La compétitivité future des systèmes d'IA dépendra donc de plus en plus de la sophistication de leur Harness.

marsbitIl y a 1 h

Le nouveau blog de Weng Li propose que « l'auto-évolution commence par le Harnais », Cui Tianyi de DeepSeek relaie et approuve

marsbitIl y a 1 h

Trading

Spot
活动图片