Aptos unveils deflationary tokenomics shift as APT price slides

ambcryptoDipublikasikan tanggal 2026-02-18Terakhir diperbarui pada 2026-02-18

Abstrak

Aptos has announced a major overhaul of its tokenomics, shifting from an inflationary model to a deflationary, performance-driven framework. This change aims to reduce long-term token supply as network activity increases. The update comes as APT trades near $0.88, continuing a broader downtrend. Key changes include cutting annual staking rewards from 5.19% to 2.6%, introducing a hard supply cap of 2.1 billion APT (with 1.196B currently circulating), and permanently locking 210 million APT (18% of current supply) for staking. A major reduction in token unlocks (roughly 60%) is also expected by October 2026. Despite these significant structural shifts designed to tighten supply, the market reaction has been muted, with price action remaining weak as traders focus on broader risk conditions rather than long-term tokenomics narratives.

Aptos has outlined a sweeping overhaul of its tokenomics model. It pivots away from inflation-heavy bootstrap incentives toward a performance-driven framework designed to reduce long-term supply as network activity scales.

The update comes as APT trades near $0.88, down roughly 4.5% on the day. Price action continues a broader downtrend that has seen the token lose more than half its value from late-2025 highs.

While the immediate market reaction has been muted, the proposal signals a structural shift in how Aptos intends to fund validators, reward usage, and manage emissions over the coming years.

From bootstrap inflation to performance-driven supply

Aptos launched mainnet in October 2022 with a subsidy-heavy emissions model designed to bootstrap infrastructure and validator participation. According to the foundation, that phase is now ending.

The network is now transitioning towards supporting institutional-grade, high-throughput applications.

As of today, 1.196 billion APT are in circulation. A major inflection point is approaching in October 2026, when the four-year unlock cycle for early investors and core contributors concludes. Annual supply unlocks will be cut by roughly 60%.

Foundation grant distributions are also set to decline by more than 50% year over year between 2026 and 2027.

The proposed reforms aim to formalize this transition rather than rely on unlock schedules alone.

Aptos staking rewards cut, long-term commitments incentivized

Central to the proposal is a plan to reduce annual staking rewards from 5.19% to 2.6%, nearly halving ongoing emissions. The foundation says it will also explore a redesigned staking framework.

The new framework rewards longer lock-up periods with relatively higher yields while keeping total rewards within the reduced-emissions envelope.

Validator operating costs are expected to fall alongside these changes through upgrades outlined in AIP-139.

Hard supply cap and permanent foundation lock

For the first time, Aptos plans to introduce a protocol-level hard cap of 2.1 billion APT, beyond which no new tokens can ever be minted.

With 1.196 billion APT currently in circulation, this leaves 904 million APT—about 43% of the total cap—available for future staking rewards over time.

In parallel, the foundation will permanently lock and stake 210 million APT, roughly 18% of today’s circulating supply.

These tokens will never be sold or redistributed, effectively removing them from liquid supply while continuing to support network security through staking.

Market reaction remains cautious

Despite the scale of the proposed changes, APT’s price has continued to slide, with charts showing persistent lower highs and weak momentum into mid-February.

Trading data suggests the market is currently prioritizing broader risk conditions over long-term tokenomics narratives, at least in the near term.

That said, the foundation positions the update as a long-duration shift rather than a catalyst for immediate price action.


Final Summary

  • Aptos is shifting from bootstrap inflation to performance-linked supply mechanics.
  • APT price weakness suggests the market has yet to price in long-term supply tightening.

Pertanyaan Terkait

QWhat is the main change Aptos is making to its tokenomics model?

AAptos is shifting from an inflation-heavy bootstrap model to a performance-driven framework designed to reduce the long-term token supply as network activity increases.

QWhat is the new hard supply cap for APT tokens and how many are currently in circulation?

AThe new hard supply cap is 2.1 billion APT. Currently, 1.196 billion APT are in circulation.

QHow much are the annual staking rewards being reduced by in the new proposal?

AAnnual staking rewards are being reduced from 5.19% to 2.6%, which nearly halves the ongoing emissions.

QWhat significant event is happening in October 2026 that will affect APT's supply?

AIn October 2026, the four-year unlock cycle for early investors and core contributors concludes, which will cut annual supply unlocks by roughly 60%.

QHow is the Aptos Foundation contributing to the new deflationary model with its own token holdings?

AThe foundation will permanently lock and stake 210 million APT (about 18% of the current circulating supply). These tokens will never be sold, effectively removing them from the liquid supply while still supporting network security.

Bacaan Terkait

Pasar Saham AS Alami Jatuhnya Terberat Sejak 2025, Tiga Pemicu Meledakkan Penilaian Ulang Valuasi Saham Teknologi

Pasar saham AS mengalami keruntuhan terburuk sejak krisis tarif April 2025 pada 5 Juni. Indeks Nasdaq anjlok 4,18%, S&P 500 turun 2,64%, dan Dow Jones merosot 695 poin. Tiga pemicu utama diidentifikasi: 1. Laporan keuangan Broadcom mengisyaratkan kemungkinan perlambatan dalam pertumbuhan pendapatan chip AI kuartal depan, memicu kepanikan dan penjualan luas di seluruh sektor semikonduktor. Indeks Philadelphia Semiconductor terjun 10,26%. 2. Data tenaga kerja AS (NFP) bulan Mei jauh melampaui ekspektasi (172.000 vs 80.000), memperkuat kekhawatiran bahwa Federal Reserve mungkin tidak akan menurunkan suku bunga dan bahkan berpotensi menaikkannya. Ekspektasi kenaikan suku bunga melonjak di pasar. 3. Bayangan perang Iran dan harga minyak tinggi yang terus-menerus (WTI > $90) memperumit perang Fed melawan inflasi, menambah tekanan pada pasar. Ketiga faktor ini bersama-sama menggoyang narasi dasar pasar: pertumbuhan AI tanpa batas, likuiditas mudah dari Fed, dan inflasi yang telah terkendali. Keruntuhan dengan cepat menyebar ke pasar global di Asia dan Eropa. Apakah ini awal pecahnya gelembung AI? Analisis menunjukkan ini lebih sebagai penyesuaian penilaian ulang (valuasi) daripada keruntuhan narasi sepenuhnya. Permintaan chip AI tetap kuat (pertumbuhan 143% Broadcom), tetapi pasar menjadi lebih realistis mengenai kecepatan pertumbuhan dan harga yang bersedia dibayar. Arah pasar selanjutnya akan bergantung pada pertemuan FOMC Juni, panduan dari perusahaan AI lainnya seperti Nvidia, dan perkembangan situasi di Iran.

marsbit1j yang lalu

Pasar Saham AS Alami Jatuhnya Terberat Sejak 2025, Tiga Pemicu Meledakkan Penilaian Ulang Valuasi Saham Teknologi

marsbit1j yang lalu

AI yang Bisa Membangun Diri Sendiri Melalui 'Rekursi' Menjadi Populer, Google Menuangkan Air Dingin, DeepSeek dkk. Sudah Menyentuh Ujungnya

Konsep Recursive Self-Improvement (RSI), atau kecerdasan buatan yang mampu melatih dan meningkatkan dirinya sendiri secara mandiri, menjadi tren hangat di dunia AI. Beberapa startup seperti Recursive Superintelligence dan proyek Auto-Research dari Andrej Karpathy fokus pada realisasi visi ini. Meski demikian, CEO Google Sundar Pichai menyatakan teknologi ini masih dalam tahap awal dan belum mencapai percepatan skala besar seperti yang dibayangkan. Analisis dari para peneliti membagi kemajuan RSI menjadi tiga tahap: *adequacy* (sistem berjalan tanpa manusia), *parity* (kualitas setara manusia), dan *supremacy* (melebihi kolaborasi manusia-AI). Pencapaian tahap kedua diprediksi akan memicu percepatan yang sangat cepat. Di China, perusahaan seperti DeepSeek dan Baidu secara diam-diam telah menerapkan prinsip-prinsip serupa RSI dalam pengembangan model mereka, seperti optimisasi algoritma efisien dan siklus peningkatan mandiri, meski tidak secara terbuka menyebut istilah RSI. Namun, tantangan RSI tetap ada, termasuk risiko *model collapse* (penurunan kualitas data generasi AI) dan prasyarat lingkungan yang sulit seperti kebutuhan komputasi tak terbatas dan ekosistem penelitian terbuka global. Perkembangan RSI merefleksikan tren di mana peran manusia dalam rantai pengembangan AI secara bertahap berkurang, sebuah proses yang bersifat irreversible.

marsbit3j yang lalu

AI yang Bisa Membangun Diri Sendiri Melalui 'Rekursi' Menjadi Populer, Google Menuangkan Air Dingin, DeepSeek dkk. Sudah Menyentuh Ujungnya

marsbit3j yang lalu

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

**Peringatan Global dari Anthropic: OpenAI Telah Melampaui 'Ambang Keandalan', Memicu Akselerasi Mandiri AI** Anthropic mengeluarkan peringatan mendesak untuk memperlambat atau menghentikan penelitian AI, karena data internal mereka menunjukkan bahwa AI kini mempercepat pengembangan AI itu sendiri, berpotensi mendekati titik kritis perbaikan diri yang rekursif atau "membuat dirinya sendiri." Di sisi lain, Yann Dubois dari tim pasca-pelatihan OpenAI memberikan perspektif mikro: pertumbuhan kemampuan AI sebenarnya linier dan berkelanjutan, tetapi pengguna merasakan "kebergunaan" yang melompat secara diskrit. Ini karena adanya **"ambang keandalan"**. Sebelum mencapai ambang ini, AI hanyalah alat cerdas yang tidak dapat diandalkan sepenuhnya. Setelah melampauinya (sekitar Desember tahun lalu menurut Dubois), AI menjadi seperti karyawan yang dapat dipercaya untuk menangani pekerjaan nyata dan mulai mempercepat perkembangannya sendiri. **Akselerasi Mandiri dan Siklus Penguatan:** Ketika model menjadi cukup andal (misalnya, dalam pemrograman), mereka dapat digunakan untuk membantu peneliti mengembangkan alat dan bahkan melatih generasi model AI berikutnya, menciptakan loop akselerasi yang semakin cepat. Data Anthropic menunjukkan produktivitas kode per insinyur meningkat 8x pada Q2 2026 dibandingkan Q1 2024. **AI sebagai "Kerajinan" (Craft):** Dubois menegaskan bahwa membangun sistem AI yang andal lebih menyerupai kerajinan atau bahkan "alkimia" yang mengandalkan intuisi dan trial-and-error, daripada ilmu pengetahuan murni yang sistematis. Peningkatan keandalan seringkali dicapai dengan menekan "tingkat kesalahan per interval waktu" dalam sistem agen AI. **"Harness" Vertikal dan "Mil Terakhir":** Dubois berpendapat bahwa jika model saat ini "dibekukan" dan fokus dialihkan ke pengembangan *harness* (sistem orkestrasi) yang matang untuk domain spesifik, banyak bidang sudah dapat merasakan fungsi seperti AGI (Kecerdasan Buatan Umum). **Tantangan sebenarnya bukan pada kecerdasan model, tetapi pada "mil terakhir"**—yaitu mengintegrasikan AI dengan sistem yang ada, mengatur izin akses, konektor data, dan alur kerja bisnis tertentu. Inilah peluang besar bagi pengembang dan startup. **Tantangan Masa Depan: Pembelajaran Berkelanjutan (Continual Learning):** Meski memiliki titik awal yang tinggi, model AI saat ini kesulitan untuk terus belajar dan beradaptasi dari pengalaman spesifik di lingkungan barunya seperti manusia. Membentuk kurva pembelajaran AI yang terus naik, bukan mendatar, adalah salah satu masalah terpenting berikutnya.

marsbit3j yang lalu

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

marsbit3j yang lalu

Trading

Spot
Futures
活动图片