Bursa Kripto Bithumb Tunda IPO Hingga Setelah 2028 Seiring Upaya Pembersihan Berlanjut

bitcoinistDipublikasikan tanggal 2026-04-02Terakhir diperbarui pada 2026-04-02

Abstrak

Bithumb, bursa crypto asal Korea Selatan, menunda rencana penawaran saham perdana (IPO) hingga setelah 2028, mundur dari target sebelumnya di 2025. Penundaan ini menyusul sejumlah masalah, termasuk kesalahan internal yang sempat menampilkan saldo palsu senilai lebih dari $40 miliar di sistem mereka pada Februari lalu. Perusahaan juga menghadapi tekanan regulator, denda $24 juta, dan penangguhan operasi selama enam bulan terkait dugaan pelanggaran anti-pencucian uang. CEO Lee Jae-won tetap mendapat dukungan pemegang saham untuk masa jabatan dua tahun lagi. Bithumb kini berfokus memperbaiki sistem akuntansi dan kontrol internal dengan bantuan penasihat IPO, Samjong KPMG, sebelum melanjutkan proses pencatatan saham. Perusahaan ingin memastikan tata kelola yang solid terlebih dahulu, tidak hanya mengandalkan permintaan pasar.

Bithumb kini menargetkan penawaran saham perdana (IPO) setelah tahun 2028, sebuah penundaan lebih lanjut dari target sebelumnya di 2025, setelah setahun menghadapi masalah kepatuhan, perubahan dewan, dan kesalahan internal yang mahal yang sempat menampilkan saldo palsu lebih dari $40 miliar dalam pembukuannya.

Menurut laporan terkait rapat pemegang saham perusahaan, bursa yang berbasis di Korea Selatan tersebut mengatakan ingin menghabiskan waktu ke depan untuk memperbaiki sistem akuntansi dan pengendaliannya sebelum mencoba untuk melantai.

Kesalahan Internal Memunculkan Pertanyaan Baru

Episode paling merusak baru-baru ini bagi bursa ini terjadi pada bulan Februari, ketika mereka secara keliru mengkreditkan pengguna dengan sekitar 2.000 Bitcoin alih-alih 2.000 won. Kekeliruan ini dengan cepat dibatalkan, dan sebagian besar uang tidak pernah meninggalkan buku besar internal Bithumb, tetapi skala kesalahannya sulit diabaikan.

Ini mengubah kegagalan sistem rutin menjadi uji kepercayaan publik, dan itu terjadi di saat yang buruk bagi sebuah perusahaan yang sedang berusaha meyakinkan regulator dan investor bahwa mereka siap untuk pengawasan yang datang dengan pencatatan saham.

BTCUSD diperdagangkan di $66.362 pada bagan 24 jam: TradingView

Kesalahan itu menyusul tekanan sebelumnya dari otoritas Korea Selatan. Di bawah CEO Lee Jae-won, Bithumb menghadapi suspensi enam bulan dan denda $24 juta yang terkait dengan dugaan pelanggaran anti-pencucian uang.

Para pemegang saham kini mendukung Lee untuk masa jabatan dua tahun lagi, meskipun perusahaan terus memundurkan tujuan IPO lebih jauh. Bursa tersebut pernah berharap melantai pada tahun 2025, tetapi rencana baru adalah fokus pada persiapan hingga tahun 2027 sebelum proses pengajuan apa pun dimajukan.

Gambar: AP

Jalan yang Lebih Lambat ke Pasar

Timeline terbaru Bithumb sesuai dengan pola penundaan yang lebih luas. CFO Jeong Sang-gyun mengatakan kepada para pemegang saham bahwa perusahaan sedang memperkuat kebijakan akuntansi dan pengendalian internalnya setelah membawa Samjong KPMG sebagai penasihat IPO.

Bahasa tersebut menunjuk pada pekerjaan yang biasanya terjadi sebelum jendela pencatatan dibuka, bukan setelah tahun target telah berlalu. Perubahan kecepatan ini juga menunjukkan betapa debut publik bursa kini sangat bergantung pada membuktikan tata kelola dasar, bukan hanya permintaan pasar.

Bursa ini bukan satu-satunya yang bergerak di pasar Korea Selatan dengan rencana pencatatan saham. Dunamu, operator Upbit, juga dikatakan sedang mempersiapkan IPO setelah pertukaran saham dengan Naver Financial, dengan September disebut-sebut sebagai waktu yang mungkin.

Gambar unggulan dari Moneyseth, bagan dari TradingView

Pertanyaan Terkait

QMengapa Bithumb menunda penawaran umum perdana (IPO) hingga setelah tahun 2028?

ABithumb menunda IPO karena perlu memperbaiki sistem akuntansi dan kontrol internal setelah mengalami masalah kepatuhan, perubahan dewan, dan kesalahan internal yang menampilkan saldo palsu senilai lebih dari $40 miliar.

QKesalahan internal apa yang terjadi di Bithumb pada Februari dan apa dampaknya?

ABithumb secara keliru mengkreditkan pengguna dengan sekitar 2.000 Bitcoin alih-alih 2.000 won. Meskipun kesalahan ini cepat dibatalkan, hal ini menguji kepercayaan publik dan terjadi di saat perusahaan berusaha meyakinkan regulator dan investor.

QApa sanksi yang dihadapi Bithumb dari otoritas Korea Selatan di bawah CEO Lee Jae-won?

ABithumb menghadapi penangguhan operasi selama enam bulan dan denda $24 juta terkait dugaan pelanggaran anti-pencucian uang di bawah kepemimpinan CEO Lee Jae-won.

QSiapa yang ditunjuk Bithumb sebagai penasihat IPO dan apa fokus persiapan mereka?

ABithumb menunjuk Samjong KPMG sebagai penasihat IPO dan berfokus pada penguatan kebijakan akuntansi serta kontrol internal sebelum melakukan pencatatan saham.

QPlatform pertukaran crypto lain apa di Korea Selatan yang juga bersiap untuk IPO?

ADunamu, operator Upbit, juga bersiap untuk IPO setelah pertukaran saham dengan Naver Financial, dengan kemungkinan waktu peluncuran pada September.

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.

marsbit46m yang lalu

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

marsbit46m 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