El director de la OCC promete publicar las normas definitivas sobre GENIUS para noviembre

cryptonews.ruPublié le 2026-08-19Dernière mise à jour le 2026-08-19

Résumé

El controlador de la moneda de EE.UU., Jonathan Gould, anunció que la OCC publicará las reglas finales para implementar la ley de stablecoins de pago ($GENIUS) en noviembre. La ley, firmada en julio de 2025, establece un marco regulatorio y requiere que varias agencias, incluida la OCC, el Tesoro, la FDIC y la Fed, desarrollen normas. Tras publicar un borrador de 376 páginas en febrero y recopilar comentarios del sector, la OCC tiene como objetivo finalizar las reglas antes de que la ley entre en vigor en enero de 2027. Gould espera que la agencia pueda comenzar a procesar solicitudes de emisores de stablecoins ese mismo año.

El Contralor de la Moneda de EE. UU., Jonathan Gould, declaró que su agencia publicará las normas definitivas para implementar la ley de stablecoins de pago para noviembre.

Hablando el miércoles en el Simposio de Blockchain de Wyoming, el regulador informó que después de que la Oficina del Contralor de la Moneda (OCC) publique el borrador de las normas para implementar la ley sobre las pautas y el establecimiento de innovaciones nacionales para los stablecoins de EE. UU. ($GENIUS), la OCC publicará las normas definitivas antes de que la ley entre en vigor en enero de 2027.

Gould afirmó que la OCC "publicará la norma definitiva para noviembre", ya que la agencia ha estado revisando los comentarios de la industria cripto después de publicar las normas propuestas en febrero. Añadió que, según sus expectativas, el regulador podrá comenzar a procesar solicitudes de emisores de stablecoins en 2027.

La ley $GENIUS, firmada en julio de 2025, tiene como objetivo establecer un marco regulatorio para los stablecoins de pago en EE. UU. y requiere que las agencias gubernamentales que supervisan estos productos, incluida la OCC, el Departamento del Tesoro, la Corporación Federal de Seguros de Depósitos (FDIC) y la Junta de Gobernadores de la Reserva Federal, desarrollen las normas correspondientes.

En febrero, la OCC publicó un borrador de normas de 376 páginas para implementar la ley $GENIUS. Las agencias gubernamentales tienen tiempo solo hasta el 18 de enero, cuando la ley entre en vigor, para completar el desarrollo de las regulaciones. Varios reguladores ya han publicado borradores y recopilado comentarios públicos sobre la implementación de la ley $GENIUS, pero no han publicado las normas definitivas para julio, lo que genera incertidumbre regulatoria para los emisores de stablecoins.

Relacionado: La OCC aprueba la empresa cripto de la familia Trump para obtener una licencia fiduciaria

Cryptos en tendance

CitreaCTR

wrapped stUSDTWSTUSDT

Questions liées

Q¿Cuándo prometió el jefe de la OCC publicar las reglas finales para la implementación de la ley GENIUS?

AEl controlador de la moneda de EE. UU., Jonathan Gould, prometió que la OCC publicaría las reglas finales para la implementación de la ley GENIUS en noviembre.

Q¿En qué evento hizo su anuncio el regulador Jonathan Gould?

AJonathan Gould hizo su anuncio durante el Simposio de Blockchain de Wyoming.

Q¿Cuándo, según lo planeado, empezará la OCC a procesar solicitudes de emisores de stablecoins bajo las nuevas reglas?

ASegún lo esperado por el regulador, la OCC podrá comenzar a procesar solicitudes de emisores de stablecoins en el año 2027.

Q¿Qué agencias gubernamentales, además de la OCC, están obligadas a elaborar reglas para stablecoins según la ley GENIUS?

ASegún la ley GENIUS, además de la OCC, deben desarrollar reglas el Departamento del Tesoro, la Corporación Federal de Seguros de Depósitos (FDIC) y la Junta de Gobernadores de la Reserva Federal.

Q¿Por qué la falta de reglas finales para julio genera incertidumbre para los emisores de stablecoins?

ALa falta de reglas finales para julio genera incertidumbre regulatoria para los emisores de stablecoins porque la ley entrará en vigor en enero de 2027 y las agencias tienen tiempo limitado para completar las regulaciones antes de esa fecha.

Lectures associées

La plus grande problématique de l'économie politique à l'ère de l'IA : Les robots deviennent de plus en plus compétents, comment l'humanité peut-elle partager la valeur ?

Dans un contexte où l'IA et la robotique progressent rapidement, un article de *The Economist* relance le débat sur un problème fondamental de l'ère numérique : comment les humains peuvent-ils partager la valeur créée par des machines de plus en plus compétentes ? Historiquement, les gains de productivité se traduisaient par une augmentation des salaires et de la consommation. Cependant, l'IA, en remplaçant non seulement le travail manuel mais aussi le travail cognitif, risque de rompre ce cycle. La croissance économique et les profits pourraient continuer tandis que le nombre d'humains participant directement à la création de valeur diminuerait, posant un défi crucial de répartition des richesses. La situation en Chine illustre cette tension : malgré des avancées significatives dans les nouvelles technologies, la consommation reste faible, révélant une difficulté à faire circuler les bénéfices de l'innovation vers les revenus des ménages. Ce phénomène est global : la valeur se concentre chez les géants technologiques, tandis que la part du travail dans le PIB recule. Face à ce défi, plusieurs voies sont envisagées : le modèle capitaliste traditionnel, une voie d'État-capitalisme, ou des mécanismes innovants comme des fonds souverains numériques, une actionnariat populaire ou un revenu de base. La capacité à construire un système de distribution équitable, permettant à tous de bénéficier des gains de productivité de l'IA, deviendra un facteur clé de compétitivité et de stabilité sociale au XXIe siècle. Pour la Chine, comme pour toutes les nations, résoudre cette équation sera essentiel pour façonner l'avenir.

marsbitIl y a 1 mins

La plus grande problématique de l'économie politique à l'ère de l'IA : Les robots deviennent de plus en plus compétents, comment l'humanité peut-elle partager la valeur ?

marsbitIl y a 1 mins

Sept trimestres consécutifs de gains : l'arbitrage sur les marchés émergents surpasse tout

Le carry trade sur les marchés émergents financé en dollars a généré des rendements positifs pendant sept trimestres consécutifs, soit la plus longue série depuis 2008, avec un gain cumulé d’environ 22 % depuis fin 2024. Cette stratégie, qui consiste à emprunter dans des devises à bas taux comme le dollar ou l’euro pour investir dans des actifs à haut rendement en monnaies émergentes (telles que la livre turque ou le peso colombien), a surperformé les obligations d’État américaines, les obligations souveraines et d’entreprise des marchés émergents. Les rendements ont été amplifiés par l’appréciation des devises émergentes face au dollar, notamment en Colombie où la combinaison du rendement obligataire et de la hausse du taux de change a rapporté 48 % sur un an. Malgré l’intervention historique conjointe des États-Unis et du Japon sur le marché des changes en août, qui a brièvement fait chuter le yen, le risque de liquidations désordonnées est jugé limité, les investisseurs ayant substitué l’euro et le franc suisse au yen comme monnaies de financement. Les risques principaux identifiés sont le calendrier de la politique monétaire de la Fed et la concentration excessive des capitaux sur cette stratégie, ce qui pourrait la rendre vulnérable à un retournement soudain. Les gestionnaires restent néanmoins confiants, citant les taux d’intérêt élevés dans des régions comme l’Amérique latine et l’Europe de l’Est, soutenus par des pressions inflationnistes persistantes et la géopolitique énergétique.

marsbitIl y a 18 mins

Sept trimestres consécutifs de gains : l'arbitrage sur les marchés émergents surpasse tout

marsbitIl y a 18 mins

Des mentors et disciples de Tsinghua et Wharton résolvent un cas non résolu depuis 40 ans, les mathématiques centrales sont entièrement rédigées par GPT, vous le pourriez aussi

L'algorithme d'apprentissage automatique fondamental, la descente de gradient, a été « condamné » par l'IA elle-même ? Une récente étude conjointe de l'Université Tsinghua et de la Wharton School de l'Université de Pennsylvanie apporte une conclusion attendue depuis 40 ans : pour atteindre une vitesse optimale, ajuster uniquement la taille des pas (le taux d'apprentissage) ne suffit pas. Historiquement, la descente de gradient standard a une vitesse de convergence en O(1/T). En 1983, Nesterov a introduit l'élan (momentum), atteignant O(1/T²). Une question persistante était de savoir si, sans modifier la structure de l'algorithme, un simple réglage minutieux de la séquence des pas pouvait égaler cette performance. En 2023, des chercheurs du MIT ont conçu la « silver stepsize », une séquence de pas fractale atteignant O(T^{-1.2716}). Les chercheurs Jianhao Ma (Tsinghua) et Yuxin Chen (Wharton) ont inversé la problématique : au lieu de chercher une meilleure séquence, ils ont prouvé qu'il existe une limite infranchissable. Le cœur de la preuve a été généré par GPT-5.6 Sol Pro. Guidés par le concept d'« oracle résistant », les chercheurs ont demandé à l'IA de construire une fonction convexe spécifique qui force la descente de gradient à suivre un chemin lent, quelle que soit la séquence de pas choisie. L'IA a proposé une construction géométrique dans un espace de haute dimension utilisant l'enveloppe de Moreau. Après plusieurs itérations de corrections, GPT-5.6 a établi une borne inférieure de convergence en Ω(T^{-1.9319}) pour toute séquence de pas prédéterminée. Cela signifie qu'il est mathématiquement impossible pour la descente de gradient pure (sans momentum) de dépasser cette vitesse, confirmant la nécessité de modifier la structure de l'algorithme pour une convergence optimale. La preuve a été formellement vérifiée sans aucune erreur par l'assistant de preuve Lean 4, garantissant sa solidité logique. Ce travail démontre le potentiel de l'IA en tant qu'assistant de recherche capable de résoudre des problèmes théoriques profonds, ouvrant la voie à de nouvelles collaborations homme-machine en science fondamentale.

marsbitIl y a 26 mins

Des mentors et disciples de Tsinghua et Wharton résolvent un cas non résolu depuis 40 ans, les mathématiques centrales sont entièrement rédigées par GPT, vous le pourriez aussi

marsbitIl y a 26 mins

Anthropic s’incline et reconnaît ses torts, la dégradation discrète de l’intelligence de Claude avérée

Le développeur argofowl a découvert que depuis la version 2.1.237 de Claude Code, le niveau de raisonnement « high » était interprété comme la valeur « 10 », autrefois associée au niveau « low ». Cette modification faisait partie d’une expérience A/B menée par Anthropic sur la compression de l’échelle des valeurs d’effort, sans notification aux utilisateurs, provoquant confusion et débats sur une éventuelle perte de performance. Parallèlement, des utilisateurs ont signalé une dégradation des capacités du modèle Opus 5, le décrivant comme négligent, répétitif et sujet à des erreurs. L’ingénieur Thariq Shihipar d’Anthropic a reconnu que ce modèle présentait une instabilité de performance, devenue une priorité pour l’équipe. Cet incident met en lumière un problème sectoriel : le décalage entre les scores élevés des benchmarks et l’expérience utilisateur perçue. Contrairement aux logiciels traditionnels, les mises à jour des modèles d’IA manquent souvent de transparence, avec des modifications en arrière-plan (tests A/B, ajustements) qui échappent aux utilisateurs, dont la « perception » devient le seul indicateur, bien que peu fiable. La stabilité est cruciale pour instaurer la confiance lorsque les modèles deviennent des infrastructures.

marsbitIl y a 28 mins

Anthropic s’incline et reconnaît ses torts, la dégradation discrète de l’intelligence de Claude avérée

marsbitIl y a 28 mins

Décrypter les vérités sur l'effet de levier, la liquidité et les risques liés au jetonnage d'actifs

La tokenisation des actifs du monde réel (RWA) ne se limite pas à créer un jeton représentant un actif. C’est un simple code-barres, non une chaîne d’approvisionnement financière complète. La vraie transformation vient de l’intégration à la DeFi, qui permet l’évaluation, le financement, la couverture et la liquidité. Les RWA fonctionnent sur plusieurs horloges temporelles : blockchain en temps réel, marchés traditionnels fermés la nuit/week-end, et processus de rachat lents. Ce décalage crée un risque de liquidation où la DeFi exige un règlement immédiat, mais le monde réel impose des délais. Ainsi, un jeton d’obligation d’État stable peut être plus risqué qu’un actif crypto volatil mais liquide 24h/24. La liquidité réelle ne se mesure pas par la TVL, mais par la capacité à sortir d’une position sous pression, dans un délai donné et sans décote excessive. Trois voies de sortie existent : vente sur le marché, rachat par l’émetteur, ou prêt garanti. Le levier est ce qui crée l’utilité économique, mais il accroît aussi la fragilité. Les paramètres de garantie (haircuts) doivent intégrer non seulement la volatilité, mais aussi l’exécutabilité légale, la fraîcheur des données, les délais de rachat et la concentration des holdings. Les risques des RWA forment un graphe de dépendances interconnectées (émetteur, gardien, oracle, marchés secondaires, protocoles de prêt). Une défaillance localisée peut se propager. Une surveillance proactive des files de rachat, de la profondeur du marché et du comportement des market makers est cruciale. Au-delà des obligations d’État, les actifs prometteurs sont la puissance de calcul (GPU) et l’énergie, avec leurs propres modèles de risque. Les actions tokenisées et les contrats perpétuels sur actions constituent un test majeur, combinant propriété et levier, mais nécessitent des garde-fous architecturaux pour éviter des spirales de liquidation. En somme, l’étape suivante n’est pas de tokeniser plus d’actifs, mais de construire la couche de marché qui transforme les jetons en infrastructures financières résilientes, capables de résister à un week-end de crise. Le jeton n’est que le code-barres ; le marché est la machine.

marsbitIl y a 41 mins

Décrypter les vérités sur l'effet de levier, la liquidité et les risques liés au jetonnage d'actifs

marsbitIl y a 41 mins

Trading

Spot

Articles tendance

Comment acheter GENIUS

Bienvenue sur HTX.com ! Nous vous permettons d'acheter Genius (GENIUS) de manière simple et pratique. Suivez notre guide étape par étape pour commencer votre parcours crypto.Étape 1 : Création de votre compte HTXUtilisez votre adresse e-mail ou votre numéro de téléphone pour ouvrir un compte sur HTX gratuitement. L'inscription se fait en toute simplicité et débloque toutes les fonctionnalités.Créer mon compteÉtape 2 : Choix du mode de paiement (rubrique Acheter des cryptosCarte de crédit/débit : utilisez votre carte Visa ou Mastercard pour acheter instantanément Genius (GENIUS).Solde ：utilisez les fonds du solde de votre compte HTX pour trader en toute simplicité.Prestataire tiers ：pour accroître la commodité d'utilisation, nous avons ajouté des modes de paiement populaires tels que Google Pay et Apple Pay.P2P ：tradez directement avec d'autres utilisateurs sur HTX.OTC (de gré à gré) : nous offrons des services personnalisés et des taux de change compétitifs aux traders.Étape 3 : stockage de vos Genius (GENIUS)Après avoir acheté vos Genius (GENIUS), stockez-les sur votre compte HTX. Vous pouvez également les envoyer ailleurs via un transfert sur la blockchain ou les utiliser pour trader d'autres cryptos.Étape 4 : tradez des Genius (GENIUS)Tradez facilement Genius (GENIUS) sur le marché Spot de HTX. Il vous suffit d'accéder à votre compte, de sélectionner la paire de trading, d'exécuter vos trades et de les suivre en temps réel. Nous offrons une expérience conviviale aux débutants comme aux traders chevronnés.

978 vues totalesPublié le 2026.04.29Mis à jour le 2026.06.02

Discussions

Bienvenue dans la Communauté HTX. Ici, vous pouvez vous tenir informé(e) des derniers développements de la plateforme et accéder à des analyses de marché professionnelles. Les opinions des utilisateurs sur le prix de GENIUS (GENIUS) sont présentées ci-dessous.