Grayscale назвала топ-20 альткоинов с наибольшей доходностью в III квартале

cryptonews.ruPublié le 2025-09-25Dernière mise à jour le 2025-09-27

Grayscale в своем индексе показала, что альткоины принесли наибольшие доходы в третьем квартале 2025 года. Биткоин, напротив, не оправдал ожиданий, в то время как BNB Chain, Prometheus и Avalanche стали лидерами по доходности с учетом риска

Индекс в основном состоял из токенов, используемых для финансовых приложений и платформ смарт-контрактов. Темы, такие как принятие стейблкоинов, объемы торгов на биржах и казначейства цифровых активов (DATs), значительно способствовали их успеху.

Альткоины доминировали в III квартале

Третий квартал 2025 года стал временем укрепления на рынке цифровых активов. Согласно индексу Grayscale Research, некоторые токены показали лучшие результаты по доходности с учетом волатильности.

В рейтинге 20 лучших токенов по производительности BNB Chain занял первое место, обеспечив наилучшие доходы с относительной стабильностью. Следом за ним расположились Prometeus, Avalanche, Cronos, Beldex и Ethereum.

Топ-20 токенов по производительности. Источник: Grayscale Research.
Топ-20 токенов по производительности. Источник: Grayscale Research.

Grayscale делит рынок цифровых активов на шесть сегментов по функциям и применению: валюты, платформы смарт-контрактов, финансы, потребление и культура, утилиты и сервисы, искусственный интеллект.

Семь лучших токенов вошли в сегмент финансов, а пять — в платформы смарт-контрактов, что подчеркивает отход от валют. Особенно интересно, что биткоин вообще не попал в этот список.

Почему биткоин отстал

Хотя все шесть секторов показали рост, валюты отставали, что отражает скромный рост цены биткоина по сравнению с другими сегментами. При оценке с учетом риска биткоин не выделился.

Результаты криптосектора за 3 квартал 2025 года: Источник: Grayscale Research.
Результаты криптосектора за 3 квартал 2025 года: Источник: Grayscale Research.

Активы, попавшие в список, в основном были движимы новыми возможностями использования и ясностью регулирования. Эти тенденции сосредоточились на принятии стейблкоинов, объеме торгов на биржах и DAT-компаниях.

По данным Grayscale Research, рост объемов на централизованных биржах помог успеху таких токенов, как BNB и CRO. В то же время увеличение DAT-компаний и популярность стейблкоинов повысили спрос на платформы, такие как Ethereum, Solana и Avalanche.

Некоторые категории децентрализованных финансов (DeFi) также проявили себя, например, децентрализованные биржи бессрочных фьючерсов, такие как Hyperliquid и Drift, которые укрепили финансовый сектор.

Биткоин меньше зависел от этих факторов, так как он является одноранговой электронной наличностью и средством сохранения стоимости. Это позволило альткоинам, связанным с функциональными платформами и финансовыми услугами, значительно улучшить свои результаты с учетом риска.

Lectures associées

Claude est accusé d’être devenu bête sur tout le web, Anthropic lève le voile : ce n’est pas le modèle qui vous trahit

Le titre «Tout le monde accuse Claude d’être devenu bête, Anthropic révèle la vérité : ce n’est pas le modèle le problème» résume un malentendu répandu parmi les utilisateurs de Claude Code. Beaucoup pensent qu’un modèle plus grand signifie nécessairement une IA plus intelligente, ce qui les pousse à choisir des versions plus coûteuses comme Fable. Cependant, Anthropic a récemment clarifié cette confusion en expliquant la différence cruciale entre deux paramètres : le choix du modèle (Model) et le niveau d’effort (Effort). Le modèle détermine les capacités «gelées» de l’IA, basées sur des poids fixes acquis lors de l’entraînement. Il définit ce que l’IA sait ou ne sait pas faire. En revanche, le paramètre Effort contrôle l’«attitude» de Claude : à quel point il explore les fichiers, exécute des tests, vérifie ses réponses et persévère dans des tâches complexes. Un Effort élevé génère jusqu’à 7 fois plus de tokens qu’un Effort faible, car l’IA effectue plus de travail de fond. En mars, un changement par défaut du niveau d’Effort de «high» à «medium» a causé une impression généralisée que Claude était soudainement «devenu stupide», déclenchant des critiques sur GitHub. Anthropic a ensuite rétabli le paramètre par défaut et a souligné que, souvent, un modèle plus petit avec un Effort élevé peut surpasser un grand modèle avec un Effort faible. La clé est de diagnostiquer les erreurs : si Claude manque de persévérance (ne lit pas les fichiers, abandonne trop tôt), il faut augmenter l’Effort. S’il manque de connaissances malgré un contexte adéquat, il faut changer de modèle. Anthropic compare ainsi les modèles : Sonnet est un généraliste minutieux, Opus un expert rapide, et Fable un spécialiste pour les problèmes les plus complexes. Cet article marque un tournant : l’enjeu n’est plus seulement d’avoir le meilleur modèle, mais de savoir orchestrer intelligemment les agents IA. Bien paramétrer l’Effort et choisir judicieusement le modèle permet d’optimiser les performances et de réduire les coûts. Désormais, la compétence essentielle consiste à «donner du travail à l’IA» de manière efficace, pour exploiter pleinement son potentiel.

marsbitIl y a 1 h

Claude est accusé d’être devenu bête sur tout le web, Anthropic lève le voile : ce n’est pas le modèle qui vous trahit

marsbitIl y a 1 h

La Fondation Ethereum pourrait-elle devenir une "mascotte" ? Des organisations diversifiées se partagent désormais ses fonctions

La Fondation Ethereum (EF) est en pleine restructuration. L'équipe de support protocolaire a été dissoute et au moins huit cadres ont démissionné cette année, marquant la plus importante réduction d'effectifs de l'EF à ce jour. Ces départs coïncident avec l'émergence d'organisations indépendantes comme ETHLabs et Ethereum Institutional, qui reprennent des fonctions autrefois assumées par la Fondation. La réforme interne, initiée par le co-fondateur Vitalik Buterin, visait à restructurer l'organisation. Un récent communiqué a annoncé le licenciement de 54 employés, soit 20% du personnel, qualifiant ces postes de non essentiels. Parallèlement, d'anciens membres de l'EF créent de nouvelles entités : ETHLabs se concentre sur la recherche et le développement pour faire d'Ethereum une couche de règlement mondiale, tandis qu'Ethereum Institutional promeut l'adoption institutionnelle de la blockchain. Simultanément, l'EF innove techniquement. Son équipe de sécurité a testé avec succès l'utilisation d'agents IA pour auditer le réseau Ethereum, découvrant une vulnérabilité réelle. Si l'EF affirme que l'IA ne remplace pas les chercheurs, elle pourrait à terme impacter sa structure. Face à ces changements et aux critiques sur sa gouvernance, l'influence centrale de l'EF sur l'écosystème semble diminuer. Certains observateurs suggèrent qu'elle pourrait évoluer vers un rôle plus symbolique, laissant des organisations plus agiles piloter l'adoption à grande échelle et le développement futur d'Ethereum.

marsbitIl y a 1 h

La Fondation Ethereum pourrait-elle devenir une "mascotte" ? Des organisations diversifiées se partagent désormais ses fonctions

marsbitIl y a 1 h

Près d'une centaine de joueurs se ruent vers les données incarnées : 44,7 milliards levés en un an, qui peut vraiment gagner de l'argent en "vendant des données" ?

Près d'une centaine d'acteurs se ruent dans le secteur des données d'embodiment : 44,7 milliards de yuans levés en un an, mais qui peut vraiment gagner de l'argent en "vendant des données" ? Le secteur des données pour l'intelligence incarnée (embodiment) est en plein essor, avec 97 acteurs identifiés en Chine, dont 70 dans la collecte et 27 dans l'infrastructure. Sur un an, 15 prestataires de services indépendants spécialisés ont levé environ 44,7 milliards de yuans, un montant modeste comparé aux investissements totaux dans l'embodiment. La collecte s'organise autour de quatre approches principales : téléopération de robots physiques, collecte sans robot (via capteurs de mouvement), synthèse par simulation et distillation de vidéos internet. La plupart des acteurs combinent plusieurs méthodes. Les prestataires indépendants constituent le groupe le plus important (40%), devant les plateformes publiques (26%) et les fabricants de robots (25%). La capacité de production annuelle actuelle est estimée entre 1,6 et 1,8 million d'heures de données, avec un objectif de multiplication par 15 à 20 d'ici 1 à 3 ans. Des "usines à données" sont implantées dans 20 provinces, principalement dans les régions côtières développées. Le financement reste concentré sur des sociétés en phase précoce ; plus de la moitié des prestataires indépendants financés ont moins d'un an. La startup Lightwheel AI se distingue, ayant levé 31 milliards de yuans et atteint une valorisation de plus de 20 milliards de dollars. Cependant, les investisseurs restent prudents, aucun n'ayant effectué de pari massif sur le secteur. En résumé, le marché des données d'embodiment est devenu une piste indépendante et créatrice d'emplois, mais il en est encore à ses débuts. La viabilité commerciale d'un modèle basé sur la seule vente de données n'est pas encore démontrée. Les prochaines années seront cruciales pour vérifier si ces "vendeurs de pelles" peuvent réellement être rentables.

marsbitIl y a 4 h

Près d'une centaine de joueurs se ruent vers les données incarnées : 44,7 milliards levés en un an, qui peut vraiment gagner de l'argent en "vendant des données" ?

marsbitIl y a 4 h

Trading

Spot
活动图片