Рынок криптовалют зафкисировал приток средств на сумму $76 млрд через стейблкоины

cryptonews.ruDipublikasikan tanggal 2025-08-13Terakhir diperbarui pada 2025-08-13

С ноября прошлого года рынок стабильных монет показал стремительный рост, что стало одним из главных индикаторов укрепления криптовалютного сектора. Общая капитализация Tether (USDT) увеличилась с $120 млрд до $164,5 млрд, а Circle (USDC) — с $34 млрд до $65,1 млрд. Совокупно это означает приток $76 млрд свежего фиатного капитала в цифровую экономику только через эти 2 инструмента.

Эксперты отмечают: столь значительные вливания происходят на фоне улучшения регуляторной определенности, что способствует укреплению доверия со стороны институциональных игроков. Это особенно важно для отрасли, где приток капитала напрямую влияет на ликвидность и возможности масштабирования.

Рост капитализации USDT, доминирующего на рынке, во многом обусловлен широким применением стейблкоина в международных расчетах и высокими объемами торгов на азиатских площадках. В то же время USDC усиливает позиции за счет интеграции в банковскую инфраструктуру и использования в регулируемых платежных системах.

Финансовые аналитики подчеркивают, что расширение рынка стабильных монет может стать катализатором для роста других сегментов криптоиндустрии, включая DeFi и токенизацию реальных активов. Стейблкоины выступают в роли «моста» между традиционными финансами и блокчейном, обеспечивая быстрые и безопасные переводы.

Приток капитала в сектор указывает на начальную стадию долгосрочного тренда, в рамках которого стейблкоины играют ключевую роль в интеграции криптовалют в глобальную финансовую систему. Несмотря на растущее внимание регуляторов, рынок продолжает демонстрировать устойчивый рост и высокую адаптацию. По мнению аналитиков, в ближайшие месяцы возможны новые рекорды капитализации.

Bacaan Terkait

Programmer di Seluruh Dunia Terus Memberikan Uang Gratis ke Anthropic, Akhirnya Perusahaan Resmi Tidak Tahan Lagi

Baru-baru ini, Anthropic menerbitkan panduan berisi enam tips utama untuk menghemat token saat menggunakan Claude Code: 1. **/clear setelah tugas selesai:** Hapus percakapan usai menyelesaikan satu tugas agar riwayat tidak membebani konteks berikutnya. 2. **Tetapkan model dan tingkat usaha (effort level) sejak awal:** Mengubahnya di tengah percakapan akan menghapus cache prompt, sehingga seluruh riwayat dihitung ulang dengan harga penuh. 3. **Gunakan @ untuk merujuk file, jangan ketik path secara manual:** Dengan melampirkan file langsung, Claude tidak perlu memanggil alat baca tambahan yang menambah token. 4. **Tambahkan parameter "quiet" pada perintah dengan output panjang:** Konfigurasi di CLAUDE.md (seperti `--reporter=dot`) mempersingkat output, mengurangi token konteks. 5. **Lakukan /compact sebelum istirahat:** Kompresi saat cache masih aktif hanya berbiaya 10% dibanding setelah cache kadaluarsa. 6. **Serahkan tugas output besar ke subagent:** Subagent berjalan di konteks terpisah, hanya mengembalikan kesimpulan, sehingga prosesnya tidak memenuhi percakapan utama. Token dihitung berdasarkan input (prefill) dan output (decode), dengan output 5x lebih mahal. Harga bervariasi menurut model (Opus, Sonnet, Haiku) dan tingkat usaha. **Cache prompt** adalah penghemat terbesar — jika prefix permintaan sama dengan sebelumnya, biaya input turun 90%. Namun, cache gagal jika ada perubahan model, effort level, mode cepat, /compact, waktu kadaluarsa, atau sesi lama yang dipulihkan. Percakapan dapat membengkak karena file dan output perintah yang menumpuk, meningkatkan biaya secara kuadrat. Tips seperti @file, quiet flag, subagent, dan /clear membantu menekan pertumbuhan ini. /rewind juga berguna untuk membatalkan percakapan yang melenceng tanpa merusak cache. Mengelola token kini menjadi keterampilan penting bagi developer di era AI, memungkinkan anggaran yang sama menghasilkan lebih banyak pekerjaan.

marsbit3m yang lalu

Programmer di Seluruh Dunia Terus Memberikan Uang Gratis ke Anthropic, Akhirnya Perusahaan Resmi Tidak Tahan Lagi

marsbit3m yang lalu

OpenAI Berakselerasi Gila-gilaan 16 Kali, GPT-5.6 Multi-Agent V2 Dirilis, 741 Putaran 'Monster' Dialog Terbuka dalam 1 Detik

OpenAI kembali mengeluarkan pembaruan besar untuk ChatGPT dan Codex, fokus pada peningkatan performa ekstrem dan sistem multi-agen otomatis. **1. ChatGPT Lebih Cepat & Ringan** OpenAI melakukan optimisasi besar-besaran pada front-end ChatGPT. Dengan menggunakan percakapan "monster" tes sepanjang 741 putaran (231 MB), hasilnya dramatis: * Kecepatan muat aplikasi melonjak **94%** (dari 27.62 detik jadi 1.66 detik). * Penggunaan memori turun **41.2%**. * Permintaan jaringan berkurang drastis **98.2%** (dari 894 jadi 16 kali). * Item percakapan yang dimuat menyusut **99.6%**. Optimisasi ini membuat percakapan panjang terasa sangat lancar dan mengurangi beban memori perangkat. **2. GPT-5.6 Multi-Agent v2: Sistem Delegasi Otomatis** Versi baru sistem multi-agen Codex (v2) kini telah diluncurkan penuh. Fitur utamanya adalah **delegasi tugas otomatis**: * **Agen Utama** secara otomatis membagi tugas kompleks dan mendelegasikannya ke model spesifik (seperti Sol, Terra, Luna, Daybreak) yang paling sesuai. * Setiap **Sub-Agen** dapat diatur kekuatan penalarannya secara independen. * Tujuannya: pengguna tidak perlu lagi memilih model secara manual. Sistem akan menggunakan model terkuat hanya untuk ~20% langkah kritis dan model yang lebih cepat/murah untuk sisanya, mengoptimalkan biaya dan kecepatan. **Kesimpulan: Menuju Platform Alur Kerja Otomatis** Dengan menggabungkan peningkatan performa front-end dan sistem multi-agen cerdas di backend, OpenAI mendorong ChatGPT dari sekadar "alat chat" menjadi **platform alur kerja otomatis** yang mulus. Pengguna dapat memberikan tugas kompleks, dan sistem akan menangani pemecahan, delegasi model, dan eksekusi dengan cepat dan efisien.

marsbit5m yang lalu

OpenAI Berakselerasi Gila-gilaan 16 Kali, GPT-5.6 Multi-Agent V2 Dirilis, 741 Putaran 'Monster' Dialog Terbuka dalam 1 Detik

marsbit5m yang lalu

Peneliti OpenAI: 100% Kode Diserahkan ke AI, Claude Menulis Ulang Perpustakaan Python

Seorang peneliti OpenAI menyatakan bahwa 100% kode mereka sekarang ditulis oleh GPT. Bapak Claude Code juga mengungkapkan bahwa dirinya tidak menulis kode secara manual selama lebih dari dua bulan, dan dapat menggabungkan 27 permintaan tarik (PR) dalam satu hari hanya dengan bantuan Claude. Baru-baru ini, DHH (David Heinemeier Hansson), pencipta Rails, menggunakan Claude Fable 5 untuk menulis ulang seluruh pustaka Python "TerminalTextEffects" ke dalam Rust dalam satu proses. Proyek besar ini menghabiskan 11 juta token dan berhasil diselesaikan. Hasilnya luar biasa: waktu mulai berkurang dari 87 milidetik menjadi hanya 2 milidetik, dan kecepatan rendering meningkat 9,6 kali lipat. DHH memprediksi bahwa dalam lima tahun ke depan, hampir tidak akan ada lagi yang menulis atau membaca kode secara manual. Pandangannya ini berubah drastis dari setahun lalu, di mana ia bersikeras bahwa menulis kode adalah kesenangan yang tidak boleh diserahkan sepenuhnya kepada AI. Dalam proyek penulisan ulang ini, delapan agen AI bekerja secara paralel. DHH hanya memberikan rencana awal kepada Claude, lalu membiarkannya bekerja tanpa intervensi lebih lanjut. Contoh lain yang menunjukkan kekuatan pengkodean AI adalah migrasi besar-besaran kode dasar Bun dari Zig ke Rust yang melibatkan ratusan ribu baris kode, selesai dalam waktu kurang dari dua minggu. Masa depan pemrograman diperkirakan akan bergeser: peran programmer tidak akan hilang, tetapi inti pekerjaannya akan berubah dari menulis kode menjadi mendefinisikan kebutuhan, merancang batasan, membangun sistem pengujian, dan menilai kebenaran kode yang dihasilkan AI. Biaya marjinal untuk menghasilkan kode mendekati nol, sehingga keahlian kunci di masa depan adalah kemampuan untuk melihat "apa yang layak dikerjakan" dan mendefinisikan "apa yang benar".

marsbit24m yang lalu

Peneliti OpenAI: 100% Kode Diserahkan ke AI, Claude Menulis Ulang Perpustakaan Python

marsbit24m yang lalu

Trading

Spot
活动图片