Bithumb Terbitkan Pernyataan Soal Kesalahan Pembayaran Hadiah – Rincian

bitcoinistDipublikasikan tanggal 2026-02-07Terakhir diperbarui pada 2026-02-07

Abstrak

Bursa Korea Selatan, Bithumb, mengeluarkan pernyataan resmi mengenai kesalahan transfer hadiah promosi yang menyebabkan 695 penerima mendapatkan 620.000 BTC (senilai miliaran dolar) alih-alih 2.000 KRW. Insiden ini memicu flash crash 10% di platform mereka. Bithumb menanggapi dengan membekukan penarikan dalam 35 menit dan berhasil memulihkan 99,7% aset yang salah transfer. Sebanyak 93% dari 1.788 BTC yang telah dijual juga telah dikembalikan dalam bentuk KRW dan aset digital. Bithumb menegaskan bahwa ini murni kesalahan internal, bukan peretasan, dan semua aset pelanggan aman. Mereka berjanji meningkatkan sistem kontrol internal. Sementara itu, pasar crypto global menunjukkan pemulihan dengan kapitalisasi pasar mencapai $2,34 triliun.

Bursa Korea Bithumb telah memberikan klarifikasi mengenai kesalahan internal yang mengkreditkan dompet pengguna tertentu dengan jumlah BTC yang "mengkhawatirkan". Peristiwa ini mengakibatkan volatilitas harga yang signifikan di bursa, menarik perhatian para pengamat crypto.

Bithumb Bergerak untuk Menyelesaikan Pemulihan Setelah Kesalahan Pembayaran Berlebih

Pada 6 Februari, Lookonchain, di antara banyak akun komentar crypto, membagikan bahwa Bithumb secara tidak sengaja mentransfer 2.000 BTC ($134 juta) kepada masing-masing pengguna, alih-alih 2000 KRW ($1,34) dalam pembayaran hadiah. Beberapa penerima segera menjual, menyebabkan flash crash 10% di bursa Korea, mendorong harga sebentar ke sekitar $55.000.

Dalam sebuah posting blog, Bithumb menjelaskan insiden tersebut sebagai kelebihan pembayaran yang terjadi selama proses acara promosi yang melibatkan 695 penerima. Bursa menyatakan bahwa mereka secara keliru mentransfer 620.000 BTC ke dompet-dompet ini, sebuah kesalahan yang segera disadari, mengakibatkan pelarangan penarikan yang cepat untuk semua dompet yang terkena dampak dalam waktu 35 menit setelah transaksi.

Sumber: @lookonchain di X

Patut dicatat, Bithumb dengan cepat memulihkan 618.212 BTC, yang mewakili 99,7% dari total jumlah kelebihan pembayaran. Sementara itu, 93% dari 1788 BTC yang sudah dijual juga telah dipulihkan dalam KRW dan aset digital lainnya. Menurut bursa, jumlah yang terjual yang tersisa dan belum dipulihkan akan ditutup dengan menggunakan aset perusahaan. Sementara itu, upaya sedang dilakukan untuk memastikan kesalahan operasional seperti ini tidak terulang kembali.

Pernyataan dari bursa menyatakan:

Bithumb sangat serius menangani insiden ini dan akan melakukan yang terbaik untuk mencegah terulangnya dengan mendesain ulang seluruh proses pembayaran aset dan meningkatkan sistem pengendalian internal.

Bithumb juga menolak kecurigaan adanya campur tangan eksternal atau berbahaya, meyakinkan pengguna bahwa sistem mereka tetap tidak terganggu:

Mereka berkata:

Kami ingin memperjelas bahwa insiden ini tidak terkait dengan peretasan eksternal atau pelanggaran keamanan apa pun, dan tidak menimbulkan masalah apa pun dengan keamanan sistem atau manajemen aset pelanggan. Aset pelanggan dikelola dengan aman seperti sebelumnya, dan transaksi serta setoran/penarikan saat ini beroperasi normal.

Ikhtisar Pasar Crypto

Dalam berita lainnya, total kapitalisasi pasar crypto kini telah naik menjadi $2,34 triliun setelah kenaikan 5,68% dalam satu hari terakhir. Ini menyusul penurunan drastis lebih awal di minggu ini, di mana kapitalisasi pasar turun menjadi sekitar $2,19 triliun.

Meskipun ada pemulihan baru-baru ini, data dari CoinMarketCap menunjukkan bahwa pasar aset digital masih sekitar 45% dari rekor tertinggi siklus saat ini di $4,28 triliun. Sentimen pasar juga terus mencerminkan kehati-hatian, dengan Indeks Ketakutan dan Keserakahan Crypto saat ini membaca 8, menandakan ketakutan ekstrem di antara investor.

Total kapitalisasi pasar crypto bernilai $2,31 triliun pada grafik harian | Sumber: Grafik TOTAL di Tradingview.com

Gambar unggulan dari Blocktempo, grafik dari Tradingview

Pertanyaan Terkait

QApa yang menyebabkan Bithumb mengalami kesalahan pembayaran hadiah?

ABithumb mengalami kesalahan internal selama proses acara promosi di mana mereka secara keliru mentransfer 620.000 BTC (setara dengan $134 juta) kepada 695 penerima, alih-alih 2000 KRW ($1,34) yang seharusnya.

QBagaimana Bithumb menangani kesalahan pembayaran berlebih ini?

ABithumb segera membekukan penarikan untuk semua dompet yang terkena dampak dalam 35 menit, dan berhasil memulihkan 99,7% dari total pembayaran berlebih (618.212 BTC). Mereka juga memulihkan 93% dari 1.788 BTC yang telah dijual, dan akan menutupi sisa kerugian dengan aset perusahaan.

QApakah insiden ini terkait dengan peretasan atau pelanggaran keamanan eksternal?

ATidak, Bithumb menegaskan bahwa insiden ini murni kesalahan operasional internal dan tidak terkait dengan peretasan eksternal atau pelanggaran keamanan. Sistem keamanan dan pengelolaan aset pelanggan tetap aman.

QDampak apa yang ditimbulkan oleh kesalahan ini terhadap pasar Bithumb?

AKesalahan ini menyebabkan flash crash 10% di Bithumb, dengan harga Bitcoin sempat turun hingga sekitar $55.000, karena beberapa penerima segera menjual BTC yang mereka terima secara keliru.

QBagaimana kondisi pasar crypto secara keseluruhan menurut artikel tersebut?

ATotal kapitalisasi pasar crypto naik 5,68% dalam sehari menjadi $2,34 triliun, namun masih 45% di bawah rekor tertinggi siklus ini di $4,28 triliun. Indeks Fear and Greed Crypto berada di level 8, menandakan ketakutan ekstrem di kalangan investor.

Bacaan Terkait

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

Model generatif seperti model difusi atau autoregresif yang dominan saat ini biasanya tidak melatih seluruh proses generasi secara end-to-end. Mereka dilatih hanya untuk memprediksi satu "langkah kecil" dalam proses, namun saat inferensi, langkah ini harus diulang ratusan atau ribuan kali. Ketidaksesuaian ini menyebabkan masalah "exposure bias," di mana kesalahan menumpuk seiring waktu. Makalah terbaru dari UIUC dan Harvard memperkenalkan paradigma baru bernama **Explorative Modeling (XM)**. Inti dari metode ini sangat sederhana: alih-alih menghasilkan satu sampel, model menghasilkan **K kandidat** dalam setiap langkah pelatihan. Kemudian, hanya kandidat yang paling dekat dengan data target yang dipilih untuk menghitung gradien dan memperbarui model. Mengapa ini berhasil? Dalam tugas generatif, satu input bisa memiliki banyak output yang valid (mode). Fungsi kerugian rekonstruksi tradisional cenderung menyebabkan "mode blurring," di mana model hanya mempelajari rata-rata dari semua mode, menghasilkan output yang tidak realistis. Dengan menghasilkan beberapa kandidat, model dapat "mengeksplorasi" dan menangkap beberapa mode yang berbeda sekaligus, sehingga menghindari rata-rata yang kabur. Penelitian ini menunjukkan bahwa **"eksplorasi" (K) bertindak sebagai sumbu penskalaan ketiga** yang efektif, selain parameter dan data. Eksperimen pada gambar, video, dan bahasa menunjukkan peningkatan kinerja yang monoton dengan peningkatan K, dengan keuntungan yang lebih besar pada skala yang lebih besar. XM dapat meningkatkan efisiensi FLOP hingga 4.1x dan efisiensi sampel hingga 6.2x. Yang lebih menarik, ketika diterapkan secara ekstrem, XM memungkinkan **pelatihan generatif yang benar-benar end-to-end**. Dalam tugas kontrol robot, "Explorative Policy" berbasis XM mencapai kinerja yang setara dengan "Diffusion Policy" yang membutuhkan 100 langkah inferensi, sementara hanya membutuhkan satu langkah inferensi maju. Ini membuktikan bahwa kompleksitas untuk menangani banyak mode dapat dipindahkan dari inferensi ke pelatihan. Meskipun ide "best-of-K" bukan hal baru, kontribusi utama makalah ini adalah penjelasan teoritis bahwa mekanisme ini secara langsung meningkatkan **ekspresivitas generatif** model. Dengan demikian, ini menawarkan cara baru yang ampuh untuk mengatasi tantangan mendasar dalam pemodelan generatif.

marsbit45m yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

marsbit45m yang lalu

OpenAI Tidak Lagi Mengandalkan Model Termahal untuk Menghasilkan Uang

OpenAI tidak lagi mengandalkan model termahal untuk menghasilkan uang. Pada 30 Juli, perusahaan mengumumkan penyesuaian harga, menurunkan harga model GPT-5.6 Luna sebesar 80% dan Terra sebesar 20%. Yang lebih penting dari angka penurunan harga adalah pesan intinya: untuk banyak tugas, model terkuat (seperti Sol) tidak selalu diperlukan. OpenAI secara eksplisit merekomendasikan strategi di mana model mahal (Sol) menangani perencanaan dan analisis kompleks, sementara model yang lebih terjangkau (Luna) mengeksekusi tugas, menulis kode, dan menjalankan pengujian. Pergeseran ini mencerminkan perubahan industri AI dari hanya mengejar kecerdasan tertinggi menuju optimisasi biaya dan efisiensi untuk penggunaan skala besar. Anthropic juga mengikuti pola serupa dengan meluncurkan Claude Opus 5 dengan harga setengah dari model andalannya, Fable 5. Kedua raksasa Silicon Valley ini menunjukkan bahwa model flagship kini berfungsi lebih untuk nilai merek dan pembuktian teknologi, sementara model "kendaraan massal" yang lebih murah (seperti Luna, Terra, Opus) yang akan mendorong adopsi komersial luas dan menghasilkan pendapatan utama. OpenAI mengungkapkan bahwa penurunan biaya ini sebagian didorong oleh model AI (Sol) yang mengoptimalkan kode produksi dan alur kerjanya sendiri, menciptakan siklus peningkatan efisiensi yang dapat mempercepat penurunan biaya di masa depan. Intinya, kompetisi AI bergeser dari "siapa yang paling pintar" menjadi "mana yang paling bernilai". Perusahaan tidak lagi membeli satu model tunggal, tetapi merancang sistem dengan beberapa model yang cocok untuk tugas yang berbeda—mirip dengan arsitektur komputasi awan. Tujuan akhir OpenAI adalah membangun ekosistem yang mengunci alur kerja pengembang melalui volume panggilan API yang sangat besar dan biaya yang sangat rendah, sehingga menciptakan daya tarik yang kuat. Ketika AI menjadi murah dan tersebar luas seperti listrik, tertanam dalam setiap proses tanpa diperdebatkan, era sesungguhnya baru dimulai.

marsbit2j yang lalu

OpenAI Tidak Lagi Mengandalkan Model Termahal untuk Menghasilkan Uang

marsbit2j yang lalu

Trading

Spot
活动图片