Крупные игроки провели серию значимых транзакций

cryptonews.ruDipublikasikan tanggal 2021-06-21Terakhir diperbarui pada 2024-08-21

В последние минуты на криптовалютном рынке зафиксировани значительные перемещения крупных объемов цифровых активов, что мгновенно привлекло внимание аналитиков и инвесторов. Исследователи Whale Alert отметили сразу несколько крупных транзакций, включая перевод 12 099 ETH на сумму около $31,9 млн с неизвестного кошелька на адрес компании Cumberland, известной своим участием в криптовалютных операциях.

По мнению аналитиков, это может указывать на подготовку к крупной сделке или реорганизацию активов, что заслуживает пристального внимания. Другие значимые транзакции включают перевод 13 745 ETH около $36,2 млн с биржи Kraken на неизвестный кошелек. Этот шаг может свидетельствовать о выводе средств для долгосрочного хранения или участие в внебиржевых сделках, что является распространенной практикой среди институциональных инвесторов, стремящихся минимизировать влияние на рынок.

Еще одна значительная операция — перевод $50 млн в USDT с казначейства Tether на неизвестный кошелек. Такие переводы часто указывают на предстоящие значительные покупки или поддержку ликвидности на биржах. Однако остается вопрос, будет ли этот капитал использован для приобретения криптоактивов или задействован в торговых стратегиях.

Стоит отметить и обратный перевод 12 115 ETH на сумму около $32 млн с кошелька Cumberland на неизвестный адрес, что может указывать на распределение активов между различными счетами для диверсификации рисков или проведения дальнейших операций.

Эти крупные движения средств подчеркивают текущую активность институциональных игроков на криптовалютном рынке, особенно в условиях повышенной волатильности и неопределенности. Инвесторам следует внимательно следить за дальнейшими перемещениями, так как они могут служить индикаторами будущих ценовых изменений или значительных перемен в стратегии крупных игроков.

Bacaan Terkait

Cache Hit Rate 99.93%, Harness yang Paling Cocok untuk DeepSeek Hadir, GitHub Raup 8.6 Juta Star

Proyek Pi, sebuah harness agen pemrograman open-source yang telah meraih sekitar 86,000 bintang di GitHub, diklaim sebagai harness "terbaik" untuk model AI DeepSeek. Kunci utamanya adalah efisiensi biaya yang sangat tinggi berkat mekanisme caching yang optimal. Ketika diintegrasikan dengan DeepSeek, Pi mencapai **tingkat hit cache sekitar 99.97%** (atau tingkat *cache miss* hanya 0.03%). Ini berarti sebagian besar token konteks yang berulang tidak perlu dihitung ulang oleh model, sehingga **secara drastis mengurangi biaya pemrosesan**. Sebagai contoh, biaya untuk memproses 1 miliar token bisa turun dari sekitar 900 yuan menjadi hanya 19 yuan. Sebuah tes perbandingan oleh tim Composio terhadap 8 harness agen utama yang menjalankan DeepSeek V4 Flash pada tugas nyata mengonfirmasi keunggulan Pi. **Pi mencatat biaya rata-rata terendah per tugas berhasil, yaitu sekitar $0.028**. Sebagai perbandingan, Claude Code, harness yang dibangun khusus untuk model Claude, mencatat biaya sekitar **$0.195 per tugas**, hampir 7 kali lebih mahal. Alasan Pi sangat cocok dengan DeepSeek adalah karena kesederhanaannya. Pi hanya menyediakan empat alat dasar (baca file, tulis file, ubah file, eksekusi perintah) secara default, memungkinkan sesi berkembang secara linier. Desain ini cocok dengan aturan antarmuka DeepSeek, meminimalkan perubahan pada prompt sistem dan sejarah percakapan sehingga caching awalan otomatis dapat bekerja dengan sangat efektif. Sementara itu, DeepSeek sendiri dikabarkan sedang mengembangkan harness resmi mereka yang ditargetkan untuk menyaingi Claude Code. Harness resmi ini diharapkan memberikan pengalaman "siap pakai" dan integrasi yang lebih dalam dengan model DeepSeek. Di sisi lain, Pi tetap akan relevan bagi pengembang yang lebih menyukai fleksibilitas untuk menyesuaikan alur kerja dan dengan mudah berganti model AI (mendukung Claude, OpenAI, Gemini, dll.). Pada akhirnya, meskipun Pi saat ini menjadi solusi pihak ketiga yang sangat efisien untuk DeepSeek, persaingan dengan harness resmi yang akan datang dinantikan oleh komunitas pengembang.

marsbit5m yang lalu

Cache Hit Rate 99.93%, Harness yang Paling Cocok untuk DeepSeek Hadir, GitHub Raup 8.6 Juta Star

marsbit5m yang lalu

Ketika Aliran Meme Bertemu RWA: Ambisi Finansial Hyperliquid dan Robinhood

**Ringkasan: Ketika Aliran Meme Bertemu RWA: Ambisi Finansial Hyperliquid dan Robinhood** Industri crypto sering dikritik sebagai dunia spekulasi murni, mirip kasino tanpa dasar fundamental. Namun, spekulasi sebenarnya bisa menjadi sinyal awal dan fondasi bagi evolusi pasar menuju bisnis yang matang dan sesuai regulasi. Artikel ini menelusuri jalan evolusi tersebut melalui contoh terkini: * **Hyperliquid**, sebuah platform perdagangan berjangka crypto, kini memperluas model perdagangan leveraged-nya ke aset dunia nyata (RWA) seperti emas, minyak, saham (Nvidia, Tesla), dan indeks. Volume perdagangan kontrak berjangka RWA-nya bahkan telah melampaui volume crypto, menciptakan lapisan penetapan harga baru yang dapat diakses 24/7. * **Robinhood Chain**, blockchain yang awalnya dibangun untuk perdagangan saham ter-tokenisasi, justru mendapatkan daya tarik masif setelah peluncuran platform penerbitan Meme coin **Pools** oleh Uniswap. Transaksi awal mencapai $150 juta untuk token seperti FRONG (berbasis video katak), mendorong aktivitas dan likuiditas di chain tersebut. CEO Vlad Tenev menyambut aliran ini, melihatnya sebagai modal awal untuk membangun basis pengguna bagi sistem perdagangan saham on-chain di masa depan. Sejarah pasar keuangan, seperti lahirnya pasar berjangka komoditas di Chicago abad ke-19, menunjukkan pola serupa: spekulasi menyediakan likuiditas dan pihak lawan (counterparty) yang diperlukan untuk pasar yang lebih fungsional (seperti lindung nilai bagi petani) bisa berkembang. Kunci transformasi ini terletak pada **aset dasar yang mendasari spekulasi**. Spekulasi yang terlepas dari aset bernilai cenderung cepat pecah (seperti banyak Meme coin). Namun, ketika spekulasi terikat pada aset dunia nyata atau kasus penggunaan yang berkelanjutan (seperti saham atau komoditas), ia dapat berkembang menjadi infrastruktur yang bertahan lama. Kesimpulannya, sifat spekulasi sendiri netral. Ia adalah ekspresi alami manusia untuk mempertaruhkan pandangan. Arah dan nilai akhir yang dibangun oleh spekulasi—apakah menjadi infrastruktur penetapan harga global seperti Hyperliquid atau gateway untuk perdagangan sekuritas on-chain seperti Robinhood—ditentukan oleh nilai yang dapat dibawa oleh aset dasar yang mendasarinya.

marsbit29m yang lalu

Ketika Aliran Meme Bertemu RWA: Ambisi Finansial Hyperliquid dan Robinhood

marsbit29m yang lalu

HBM Nvidia dalam Kekurangan, GPU Generasi Selanjutnya Terbatas, Tapi Hardisk Ini Malah Mencuri Perhatian

Era AI membawa evolusi bagi penyimpanan data. AI Agent, yang beroperasi secara kontinu, menghasilkan rantai data kompleks seperti memori, log eksekusi, dan konteks model. Hal ini menggeser peran penyimpanan dari sekadar tujuan akhir menjadi bagian integral dari siklus persepsi, memori, dan pengambilan keputusan Agent. Muncul konsep "Functional SSD" atau SSD Fungsional, yang mengintegrasikan kemampuan seperti enkripsi otomatis (dengan kebijakan granular), kompresi, pengindeksan, dan pemeliharaan memori di dekat media penyimpanan. Pendekatan ini bertujuan mengurangi pergerakan data, menghemat bandwidth memori (DRAM/HBM), dan menurunkan biaya Token. Di sisi perangkat (edge), SSD Fungsional dapat menjadi lapisan status jangka panjang untuk Agent pribadi, meningkatkan privasi dan kemampuan kerja offline. Di sisi cloud, SSD berkembang menjadi "Agent Storage Node" yang menyediakan layanan konteks bersama, memori, dan tata kelola untuk kluster GPU multi-tenant. Artikel ini menganalisis bahwa nilai batas antara berbagai hierarki memori—HBM, HBF (High Bandwidth Flash), DRAM/CXL, SSD Fungsional, dan penyimpanan bersama—akan ditata ulang. Masing-masing akan memiliki peran spesifik berdasarkan kecepatan, kapasitas, biaya, dan sifat data (panas/dingin, hanya-baca/sering diperbarui). Inovasi tidak terletak pada penggantian satu medium dengan lainnya, tetapi pada kolaborasi cerdas antar lapisan untuk mencapai biaya Token yang lebih rendah, kelangsungan Agent yang lebih baik, dan siklus hidup data yang terpercaya. Beberapa produk AI SSD awal, seperti dari Phison, Longsys, dan kolaborasi Yinpu-Maxio, telah menunjukkan arah ini dengan fokus pada perluasan kapasitas model, manajemen cache KV, dan pra-pengambilan data yang cerdas.

marsbit50m yang lalu

HBM Nvidia dalam Kekurangan, GPU Generasi Selanjutnya Terbatas, Tapi Hardisk Ini Malah Mencuri Perhatian

marsbit50m yang lalu

Berdasarkan: Claude Gagal Menantang 'Riemann Hypothesis', Namun Secara Tak Terduga Memecahkan Rekor Matematika 37 Tahun

Sebuah versi penelitian Claude dari Anthropic diberi tugas terbuka: mencoba menyerang Hipotesis Riemann, salah satu masalah matematika terbuka paling terkenal yang telah berusia 167 tahun. Meskipun tidak berhasil membuktikan hipotesis tersebut, selama proses eksplorasi intensif selama sekitar satu setengah hari, Claude—yang mengoordinasikan sekitar 60 sub-agen—menghasilkan terobosan tak terduga dalam teori bilangan analitik. Claude berhasil meningkatkan batas bawah proporsi nol nontrivial fungsi zeta Riemann yang terbukti terletak pada garis kritis, dari 41.6% menjadi **67.2%. Ini merupakan peningkatan sebesar 25.6 poin persentase.** Pencapaian ini dianggap sebagai kemajuan signifikan dalam beberapa dekade terakhir, mengingat dalam 37 tahun sebelumnya, batas bawah ini hanya ditingkatkan sekitar 0.8 poin persentase oleh para matematikawan. Metode Claude dibangun di atas karya para matematikawan sebelumnya, seperti Hugh Montgomery dan Enrico Bombieri, dengan pendekatan baru dalam menganalisis ruang fungsi dan bentuk kuadrat. Hasilnya telah diverifikasi oleh matematikawan internal Anthropic, dan Claude juga menghasilkan bukti formal yang dapat diperiksa mesin menggunakan Lean. Dua ahli eksternal, Brian Conrey dan Dan Goldston, telah meninjau makalah tersebut. Anthropic menekankan bahwa pendekatan ini kemungkinan tidak langsung mengarah pada pembuktian akhir Hipotesis Riemann. Namun, eksperimen ini menunjukkan kemampuan model AI mutakhir untuk terlibat dalam eksplorasi penelitian murni tanpa jawaban yang sudah diketahui, menghasilkan kemajuan yang berarti dalam masalah matematika tingkat tinggi.

marsbit1j yang lalu

Berdasarkan: Claude Gagal Menantang 'Riemann Hypothesis', Namun Secara Tak Terduga Memecahkan Rekor Matematika 37 Tahun

marsbit1j yang lalu

Trading

Spot
活动图片