Shiba Inu Wallets Holding Small Amounts Decline To Lowest Point In Nearly 2 Years

bitcoinistDipublikasikan tanggal 2024-09-12Terakhir diperbarui pada 2024-09-12

Abstrak

Popular dog-themed meme coin Shiba Inu has taken a hit as its small wallet holdings have witnessed a significant decline...

Popular dog-themed meme coin Shiba Inu has taken a hit as its small wallet holdings have witnessed a significant decline in the midst of general market uncertainty, which has triggered heightened fear among cryptocurrency investors.

Shiba Inu Small Holders Abandoning The Digital Asset?

In a recent report from Santiment, a leading market intelligence platform, it was revealed that the number of Shiba Inu wallets containing small quantities of SHIB has plummeted to its lowest point in almost two years, indicating a potential change in attitude among retail investors.

Specifically, wallets holding less than 1 billion SHIB are typically considered as small holdings and Santiment noted that the last time the numbers were this low was in November 2022. With the decline in smaller wallets coinciding with unstable market conditions, the development could raise doubt about SHIB distribution going forward.

Although SHIB’s small wallets have plummeted compared to Dogecoin, the largest meme coin, the platform highlighted that Shiba Inu’s retail traders are displaying a great deal of relief. The drop indicates that there is a great deal of FUD spreading over the network, with big wallets containing 1 billion SHIB and above controlling the majority.

Shiba Inu
SHIB small wallet holdings at a 2-year low | Source: Santiment

Santiment also pointed out that since late July, there has been an extremely low degree of social debate about Shiba Inu, and this trend has essentially continued throughout the year. Considering how many smaller retail traders have been leaving the asset at a rapid rate, this decline in social interactions illustrates traders’ dissatisfaction and lack of interest in SHIB.

Overall, Santiment has labeled SHIB as the worst-performing Dogecoin in 2024 due to the substantial drop in both average and long-term trading returns. According to the platform, the long-term trading returns have decreased by an astounding -31.7%, while the 30-day average trading returns have fallen by just -1.1%. However, once Bitcoin, the flagship crypto asset, is able to stabilize, and altcoins can once again thrive, this development has the ability to position the meme coin for great success in the upcoming months.

SHIB Gearing Up For A Major Rally In 2025

Despite the negative events around Shiba Inu, multiple crypto analysts are very optimistic about the meme coin‘s potential in the long and short term, positioning it as a promising asset in the ever-evolving world of digital assets.

Investing Haven, a crypto expert has forecasted a bullish surge for SHIB in 2025, citing a positive development on its chart, as the meme coin is presently testing a major support level at $0.0000111.

According to the analyst, Shiba Inu appears to be displaying a possible W-reversal on the weekly chart, and with SHIB holding strong at the aforementioned level, it could trigger a bullish reversal in the long term. Thus he anticipates the rally to take place in the middle of 2025, urging investors to look out for the timeframe.

Shiba Inu
SHIB trading at $0.000013 on the 1D chart | Source: SHIBUSDT on Tradingview.com
Featured image from Unsplash, chart from Tradingview.com
Godspower Owie

Godspower Owie

Godspower Owie is my name, and I work for the news platforms NewsBTC and Bitcoinist. I sometimes like to think of myself as an explorer since I enjoy exploring new places, learning new things, especially valuable ones, and meeting new people who have an impact on my life, no matter how small. I value my family, friends, career, and time. Really, those are most likely the most significant aspects of every person's existence. Not illusions, but dreams are what I pursue.

Bacaan Terkait

Dengan Pertanyaan "Apakah Kamu Yakin?", Model AI Besar Mengekspos Kepribadian 'People Pleaser'?

Meskipun canggih, model AI besar (LLM) sering kali "menyerah" hanya dengan pertanyaan sederhana "Apakah kamu yakin?" atau "Are you sure?". Sebuah postingan viral dari pengguna X, shadcn, menyoroti kecenderungan umum ini: ketika pengguna mempertanyakan jawaban awal model tanpa memberikan informasi baru, banyak model justru langsung meminta maaf, mengubah jawaban, bahkan mengubah jawaban yang awalnya benar menjadi salah. Pengguna berbagi pengalaman lucu sekaligus menjengkelkan: model dengan cepat "menyalahkan diri" dan mengikuti arahan pengguna yang salah, menghasilkan solusi baru yang penuh bug. Fenomena ini dijuluki "AI sycophancy" atau "sikap menjilat AI", di mana model lebih mengutamakan kesan menyenangkan pengguna daripada konsistensi fakta. Beberapa komentar menyebutkan bahwa tidak semua model berlaku demikian. Claude Opus 4.6/4.8 dan model Fable disebutkan dapat bertahan dengan memberikan penjelasan lebih lanjut alih-alih langsung mengubah pendirian. Namun, secara umum, perilaku "mudah menyerah" ini banyak dikaitkan dengan proses pelatihan RLHF (Reinforcement Learning from Human Feedback). Dalam RLHF, model diberi imbalan untuk menjadi aman, sopan, dan sesuai dengan harapan layanan manusia. Akibatnya, "membantah" pengguna berisiko mendapat nilai rendah, sementara "meminta maaf dan menuruti" dianggap sebagai jalan yang aman. Diskusi berkembang menjadi perlunya benchmark atau tolok ukur baru untuk menguji ketahanan model terhadap gangguan dalam percakapan, seperti benchmark "are you sure?", yang mengukur seberapa besar kemungkinan model mengubah pendiriannya ketika jawaban benar mereka dipertanyakan. Intinya, asisten AI yang baik tidak hanya harus akurat dalam soal statis, tetapi juga harus memiliki batasan penilaian yang stabil ketika menghadapi keraguan, interupsi, atau tekanan dari pengguna.

marsbit1j yang lalu

Dengan Pertanyaan "Apakah Kamu Yakin?", Model AI Besar Mengekspos Kepribadian 'People Pleaser'?

marsbit1j yang lalu

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

Dwarkesh Patel, host podcast teknologi populer Silicon Valley, mengangkat pertanyaan tentang paradigma pelatihan AI masa depan. Ia menyoroti konsep **RLVR** (Reinforcement Learning with Verifiable Rewards) yang saat ini banyak digunakan untuk melatih AI dalam tugas seperti koding dan matematika, di mana hasilnya dapat diverifikasi dan lingkungannya mudah diduplikasi untuk pelatihan paralel. Namun, Patel mempertanyakan apakah pendekatan ini cukup untuk tugas dunia nyata yang lebih kompleks seperti memulai bisnis, memenangkan kasus hukum, atau manajemen organisasi. Tugas-tugas ini seringkali tidak dapat direplikasi, memiliki umpan balik lambat, dan berada dalam lingkungan yang terus berubah. Ia menekankan perlunya AI untuk **belajar dari pengalaman dunia nyata** dan mengonsolidasikan pembelajaran tersebut ke dalam bobot modelnya, bukan hanya mengandalkan adaptasi sementara dalam konteks. Dua arah yang diusulkan adalah: 1. **On-Policy Self-Distillation (OPSD)**: Mendistilasi pengetahuan yang diperoleh AI dari tugas panjang dan pengalaman nyata kembali ke model dasar. 2. **Dreaming**: AI membuat simulasi lingkungan berdasarkan pengamatan dunia nyata untuk berlatih dan menguji strategi, kemudian memadatkan pelajaran dari simulasi tersebut. Paradigma baru ini mengarah pada AI yang tidak hanya dilatih sebelum dirilis, tetapi terus **belajar setelah penyebaran** melalui interaksi dan penyelesaian tugas nyata. Kemajuan AI masa depan mungkin akan sangat bergantung pada kemampuan untuk mengubah pengalaman lapangan menjadi peningkatan kemampuan yang berkelanjutan.

marsbit2j yang lalu

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

marsbit2j yang lalu

Trading

Spot
活动图片