Data: 90% Protokol Kripto Memiliki Pendapatan, Namun Kurang dari 1% yang Mengungkapkan Syarat Market Maker

marsbitDipublikasikan tanggal 2026-04-15Terakhir diperbarui pada 2026-04-15

Abstrak

Studi terhadap 150+ protokol crypto mengungkap 91% menghasilkan pendapatan on-chain, namun hanya 8% yang merilis laporan pemegang token dan kurang dari 1% mengungkap syarat market maker. Data transparan tersedia di blockchain dan platform pihak ketiga, namun protokol gagal mengkomunikasikannya secara terstruktur untuk investor institusional. Sektor DeFi seperti DEX memimpin transparansi, sementara L1/L2 tertinggal. Hanya 38% protokol yang memiliki mekanisme akumulasi nilai aktif, dengan kinerja 19% lebih baik daripada token governance murni. Kesenjangan komunikasi ini mencerminkan tantangan adopsi institusional di ruang crypto.

Penulis: Novora

Disusun oleh: Deep Tide TechFlow

Panduan Deep Tide: 91% dari 150 protokol teratas menghasilkan pendapatan on-chain, tetapi hanya 8% yang menerbitkan laporan investor, dan kurang dari 1% yang mengungkapkan syarat market maker. Data tersedia di chain, platform pihak ketiga juga mencakupnya, tetapi protokol tidak mengemasnya untuk dilihat oleh institusi. Ini bukan masalah kurangnya data, melainkan lebih pada kesenjangan komunikasi.

Tingkat Pengungkapan

Kami mengevaluasi 13 indikator pengungkapan untuk lebih dari 150 protokol. Kesenjangan antara apa yang dituntut oleh pasar tradisional untuk diungkapkan dan apa yang secara sukarela disediakan oleh protokol kripto adalah struktural, bukan kebetulan.

Kurang dari 1% protokol mengungkapkan syarat market maker. Di pasar saham tradisional, perjanjian market maker adalah item pengungkapan standar yang diajukan ke bursa. Di ruang kripto, Meteora adalah satu-satunya protokol dalam seluruh dataset 150+ protokol kami yang secara terbuka mengungkapkan informasi pengaturan market maker, melalui laporan tahunan pemegang token 2025 mereka.

Cakupan Data Pihak Ketiga

Kami mengevaluasi 5 platform data utama. Cakupan mencerminkan apakah setiap protokol memiliki profil khusus, berisi data bermakna di luar informasi harga dasar.

72% protokol dicakup oleh lebih dari 4 platform. Infrastruktur data pihak ketiga telah matang secara signifikan. Data itu ada. Masalahnya bukan ketersediaan data, tetapi protokol tidak memanfaatkan data ini dalam komunikasi investor yang terstruktur.

Paradoks Transparansi

Pendapatan ada di on-chain. Laporan tidak ada di mana pun. Grafik ini menunjukkan keterputusan antara ketersediaan data dan komunikasi investor.

91% protokol menghasilkan pendapatan yang dapat dilacak. 8% menerbitkan laporan pemegang token. Data ada di sana. Data itu di on-chain, diindeks oleh platform pihak ketiga, dapat diverifikasi secara publik. Tetapi kurang dari sepersepuluh protokol mengemas data ini ke dalam format yang dapat digunakan oleh investor institusional. Inilah celah hubungan investor yang mendefinisikan industri ini.

Segmentasi Industri

Praktik pengungkapan sangat bervariasi di berbagai industri. Protokol DeFi, khususnya DEX dan lending, memimpin dalam hal transparansi. Protokol L1 dan infrastruktur, meskipun memiliki kapitalisasi pasar yang lebih besar, tertinggal dalam kinerja.

Kerangka Transparansi Token

Blockworks meluncurkan Kerangka Transparansi Token (TTF) pada Juni 2025, diajukan bersama Jito ke SEC. 13 protokol telah mengajukannya. Berikut adalah siapa mereka dan apa artinya ini.

Tingkat adopsi TTF adalah 9%, meningkat dari 0% pada Juni 2025. 13 pengaju sangat condong ke Solana (6/13) dan protokol DeFi yang menghasilkan pendapatan. Nol protokol L1, nol L2, nol protokol infrastruktur yang mengajukan. Kerangka ini diajukan ke SEC dengan dukungan bipartisan dari Pantera, Theia, dan L1D. Tetapi adopsi masih tumbuh lambat.

Aktif Akumulasi Nilai

38% protokol memiliki semacam bentuk akumulasi nilai aktif: mekanisme untuk mengembalikan nilai ekonomi kepada pemegang token, bukan hanya hak governance. Tetapi "akumulasi nilai" bukanlah satu hal yang sama. Kami mengidentifikasi enam model berbeda dalam dataset.

Alpha tidak terletak pada mekanisme itu sendiri. Melainkan pada pendapatan. Setiap model akumulasi aktif berkinerja sekitar 19 poin persentase lebih baik berdasarkan pengembalian 1 tahun dibandingkan token governance saja. Namun dalam kelompok aktif, skala pendapatan harianlah yang menjadi faktor pembeda. Token governance saja memiliki pengembalian rata-rata -51%, sedangkan token akumulasi aktif pada periode yang sama adalah -32%. Mekanisme itu sendiri tidak sepenting fakta adanya suatu mekanisme.

Temuan Kunci

Enam pola yang muncul dari penilaian semua 15 indikator untuk lebih dari 150 protokol.

Enam Angka Melihat Kondisi Hubungan Investor Kripto Saat Ini

Kesenjangan antara harapan investor institusional dan apa yang disediakan oleh protokol kripto, disajikan secara kuantitatif.

Indeks Protokol

Setiap protokol yang dinilai dalam laporan ini. Diurutkan berdasarkan abjad. ✓=Telah diungkapkan/ada. ✗=Tidak diungkapkan/hilang. Arahkan kursor di perangkat seluler untuk melihat baris lengkap.

Lebih dari 150 protokol dinilai pada 18 indikator total (13 pengungkapan +5 cakupan platform). Indeks ini mewakili penilaian praktik hubungan investor kripto paling komprehensif hingga saat ini. Dataset lengkap dikelola dalam database benchmark hubungan investor Novora, diperbarui setiap kuartal.

Klik di sini untuk konten lengkap

Pertanyaan Terkait

QBerapa persen protokol crypto yang menghasilkan pendapatan on-chain, dan berapa persen yang menerbitkan laporan investor?

A91% protokol menghasilkan pendapatan on-chain, tetapi hanya 8% yang menerbitkan laporan untuk pemegang token.

QApa yang diungkapkan tentang persentase protokol yang mengungkapkan persyaratan market maker?

AKurang dari 1% protokol yang mengungkapkan persyaratan market maker, dengan Meteora menjadi satu-satunya yang melakukannya dalam laporan tahunan 2025.

QBagaimana cakupan data oleh platform pihak ketiga untuk protokol crypto?

A72% protokol dicakup oleh lebih dari 4 platform data utama, menunjukkan kematangan infrastruktur data pihak ketiga.

QApa itu Token Transparency Framework (TTF) dan berapa tingkat adopsinya?

AToken Transparency Framework (TTF) adalah kerangka transparansi yang diajukan ke SEC, dengan tingkat adopsi 9% (13 protokol), didominasi oleh protokol DeFi di Solana.

QApa perbedaan kinerja antara token yang hanya memiliki governance dan token dengan akumulasi nilai aktif?

AToken dengan mekanisme akumulasi nilai aktif menunjukkan kinerja 19 poin persentase lebih baik dalam return 1 tahun dibandingkan token governance saja (-32% vs -51%).

Bacaan Terkait

MicroStrategy Tidak Akan Mati dalam Penurunan Ini: Refleksivitas, Jangkar Kembali STRC ke Nilai Nominal, dan Logika Penyelamatan 'Jual Saham, Jangan Jual Koin'

Penulis (@bonnazhu) menganalisis penurunan harga Bitcoin (BTC) terkini dan dampaknya pada MicroStrategy (MSTR) serta saham preferennya (STRC). Intinya: 1. **Pemicu Penurunan**: Penurunan cepat BTC diduga akibat serangan pasar yang memanfaatkan kekhawatiran likuiditas MSTR. MSTR menggunakan cadangan kasnya untuk membeli kembali obligasi konversi dan menjual 32 BTC, memicu narasi "krisis arus kas". Ini adalah contoh **refleksivitas**, di mana ekspektasi pasar dapat mengubah realitas—serupa dengan serangan George Soros terhadap poundsterling. 2. **STRC dan Anjaknya**: STRC turun karena kekhawatiran pasar atas kemampuan MSTR membayar dividen, meningkatkan tingkat pengembalian yang disyaratkan. Namun, sebagai obligasi suku bunga mengambang, harga STRC akan kembali ke nilai pari (100) seiring waktu karena dividen dapat disesuaikan. 3. **Solusi yang Direkomendasikan**: Daripada menjual BTC (yang merusak narasi "tidak pernah jual BTC" dan mengurangi premium mNAV), MSTR sebaiknya **menerbitkan saham baru** saat mNAV > 1. Ini mengisi cadangan kas tanpa mengurangi kepemilikan BTC per saham, mempertahankan premium, meningkatkan ekuitas, dan memperbaiki rasio utang. Menjual BTC justru memperburuk rasio utang, mengurangi kepemilikan BTC per saham, dan dapat merusak narasi investasi jangka panjang. Kesimpulan: MSTR dapat mengatasi tekanan jangka pendek, tetapi menjual BTC berisiko merusak model bisnisnya. Jika MSTR memilih menjual BTC, krisis mungkin teratasi sekarang, tetapi dapat memicu siklus refleksif serupa di masa depan jika narasi intinya berubah.

marsbit37m yang lalu

MicroStrategy Tidak Akan Mati dalam Penurunan Ini: Refleksivitas, Jangkar Kembali STRC ke Nilai Nominal, dan Logika Penyelamatan 'Jual Saham, Jangan Jual Koin'

marsbit37m yang lalu

Humanity Digerog Rp46,6 Miliar, Satu Kunci Pribadi Jatuhkan Harga Token 90%

9 Juni, proyek identitas digital Humanity Protocol mengalami serangan keamanan besar akibat kebocoran kunci pribadi anggota yayasan, menyebabkan kerugian lebih dari $31 juta. Ratusan alamat yang memegang token H dibobol, dengan sekitar $9 juta dikonversi ke ETH dan $9,9 juta lainnya masih dalam bentuk token H. Menyusul insiden ini, pendiri Terence Kwok menyarankan pengguna untuk sementara tidak berinteraksi dengan jembatan silang atau pool likuiditas Humanity. Harga token H anjlok lebih dari 90%, dari sekitar $0,7 menjadi terendah $0,052, dan kapitalisasi pasar merosot dari $2 miliar menjadi sekitar $35,7 juta. Pelaku diduga mencetak 100 juta token H baru dan menjualnya untuk BNB. Humanity Protocol, yang didirikan pada 2024, mengusung verifikasi identitas menggunakan sidap telapak tangan dan zero-knowledge proof. Namun, proyek ini sebelumnya telah dikritik karena hanya sekitar 1 dari 9 juta ID yang terverifikasi biometrik, serta tuduhan mengenai kode aplikasi dan praktik pertumbuhan pengguna yang dipertanyakan. Ini bukan kali pertama Kwok menghadapi kegagalan besar; startup sebelumnya, Tink Labs, yang pernah menjadi unicorn, bangkrut setelah menghabiskan $170 juta dana investasi. Serangan ini menyoroti kembali masalah mendasar dalam manajemen kunci pribadi di industri kripto, di mana celah keamanan operasional tradisional masih menimbulkan kerugian besar. Hingga berita ini dibuat, belum ada skema kompensasi untuk pengguna yang dirugikan.

marsbit38m yang lalu

Humanity Digerog Rp46,6 Miliar, Satu Kunci Pribadi Jatuhkan Harga Token 90%

marsbit38m yang lalu

Humanity Dicuri 31 Juta Dolar, Satu Private Key Jatuhkan Harga Token 90%

**Ringkasan Insiden Keamanan Humanity Protocol: Kerugian $31 Juta akibat Kebocoran Kunci Pribadi** Menurut analisis rantai, dompet yang berinteraksi dengan proyek identitas digital Humanity mengalami serangan berkelanjutan pada 9 Juni. Lebih dari 300 alamat yang memegang token H telah diretas, dengan total kerugian melebihi $31 juta. Sekitar $9 juta telah dikonversi ke ETH. Pendiri Humanity, Terence Kwok, mengonfirmasi insiden keamanan ini disebabkan oleh kebocoran kunci pribadi anggota yayasan. Ia menyarankan pengguna untuk sementara tidak berinteraksi dengan jembatan silang atau pool likuiditas Humanity. Harga token H anjlok lebih dari 90%, dari sekitar $0,7 menjadi terendah $0,052, menyebabkan kapitalisasi pasar turun dari $2 miliar menjadi sekitar $35,7 juta. Pelaku diduga mencetak 100 juta token H baru dan menjualnya untuk BNB. Humanity Protocol, yang didirikan pada 2024, mengusung identitas digital terdesentralisasi menggunakan pengenalan tapak tangan. Proyek ini telah mengumpulkan pendanaan $50 juta dengan valuasi mencapai $1,1 miliar. Namun, proyek ini sebelumnya telah dikritik karena hanya sekitar 1 juta dari 9 juta ID yang terverifikasi secara biometrik, serta adanya klaim bahwa ini adalah proyek "shell" dengan kode yang diduga berasal dari penyedia pintu akses China. Riwayat Terence Kwok juga menambah risiko. Startup sebelumnya, Tink Labs, yang pernah menjadi unicorn, bangkrut setelah membakar $170 juta dana investasi. Insiden ini menyoroti kegagalan manajemen keamanan dasar. Kebocoran kunci pribadi—masalah lama di industri—menghasilkan kerugian besar, menambah daftar serangan DeFi yang tahun ini telah melebihi $1 miliar. Sampai saat ini, belum ada skema kompensasi yang diumumkan untuk pengguna yang terdampak.

Foresight News1j yang lalu

Humanity Dicuri 31 Juta Dolar, Satu Private Key Jatuhkan Harga Token 90%

Foresight News1j yang lalu

Bagaimana Melakukan Riset Mendalam dengan Dynamic Workflows Claude

## Ringkasan: Bagaimana Melakukan Penelitian Mendalam dengan Dynamic Workflows Claude Melakukan riset teknologi penuh dengan jebakan, baik bagi manusia maupun AI, karena sering kali informasi yang berlimpah justru mengaburkan kesimpulan. AI cenderung terjebak dalam volume informasi dan lemah dalam asosiasi lintas bidang yang bernilai, meskipun unggul dalam eksekusi dan penelusuran detail secara berlapis. Penulis mengandalkan sistem *deep-research* sendiri namun ingin membandingkannya dengan kemampuan **Dynamic Workflows** pada Claude Code. Fitur ini memungkinkan AI merancang alur kerja yang optimal secara otomatis sebelum menjalankan tugas, berbeda dengan mode "rencana" biasa. Dinamakan dengan perintah `/deep-research`, ia mengkonsumsi token puluhan kali lebih banyak. Inti Dynamic Workflows adalah enam mode penjadwalan inti yang mengatur bagaimana tugas dipecah dan hasil digabung: 1. **Classify-And-Act (Routing):** Tugas diklasifikasi dan dialihkan ke *agent* spesialis yang paling tepat. Efisien dan cepat, tetapi kurang baik untuk tugas dengan batasan kabur. 2. **Fan-out & Merge (Pecah dan Gabung):** Tugas dipecah menjadi sub-tugas independen yang dijalankan paralel, lalu hasilnya digabung. Cepat dan terisolasi, tetapi boros token dan tantangannya ada pada penggabungan. 3. **Adversarial Verification (Verifikasi Adu Argumen):** Satu *agent* menghasilkan kesimpulan, beberapa *agent* lain menantangnya. Hasil diterima jika lolos verifikasi. Mengurangi bias konfirmasi, tetapi perlu batasan yang jelas. 4. **Generate & Filter (Hasilkan dan Saring):** Beberapa *agent* menghasilkan banyak kandidat jawaban untuk tugas yang sama, lalu disaring berdasarkan kriteria (rubrik) ketat. Bagus untuk diversitas, tetapi sangat bergantung pada kualitas rubrik. 5. **Tournament (Turnamen):** Beberapa *agent* bersaing menyelesaikan tugas yang sama, dinilai secara berpasangan (pairwise) hingga ditemukan pemenang terbaik. Stabil untuk penilaian relatif. 6. **Loop (Berulang):** *Agent* mencoba tugas berulang kali, belajar dari kesalahan, hingga kondisi berhenti terpenuhi. Satu-satunya mode untuk tugas dengan batasan tidak pasti, tetapi berisiko loop tak terbatas. **Pertarungan: Skill Penulis vs. Dynamic Workflows Bawaan** Skill penelitian penulis sebelumnya melibatkan pencarian, kompresi, analisis oleh multi-*agent*, dan deduplikasi. Namun, ia memiliki kelemahan mendasar: **kurang konvergensi berorientasi tujuan**, sering menghasilkan laporan panjang tanpa rekomendasi tindakan yang jelas. Dynamic Workflows Claude menambahkan lapisan krusial: * **Dekomposisi Masalah:** Memecah pertanyaan awal menjadi sub-pertanyaan yang tepat sebelum bertindak. * **Penilaian Kredibilitas:** Mengevaluasi keandalan setiap informasi berdasarkan sumbernya. * **Penghapusan Silang (Cross-Deletion):** Menghapus kesimpulan yang tidak mendapat suara cukup dari multi-*agent*, bukan sekadar menggabungkan rata-rata. * **Keluaran Berorientasi Target:** Laporan akhir dirancang untuk memberikan penilaian dan saran yang relevan dengan tujuan awal pengguna. Mekanisme ini mengatasi masalah umum AI: *goal drift* (pergeseran tujuan), *early stopping* (berhenti prematur), polusi konteks, dan bias output. **Kesimpulan** Dynamic Workflows merupakan terobosan dengan menstandarkan **proses penelitian itu sendiri**. Ia mengotomatiskan penjadwalan *agent*, validasi silang, dan deduplikasi, sehingga mengompresi riset yang biasanya butuh belasan percakapan menjadi hanya 3-4 kali interaksi (meski dengan konsumsi token jauh lebih tinggi). Namun, masih diperlukan beberapa iterasi karena tantangan seperti: 1) Kebutuhan verifikasi faktual yang sangat ketat (melebihi ketergantungan pada dokumen resmi), 2) Pemikiran mendalam lintas disiplin yang sangat baru, 3) Desain dan validasi solusi yang mempertimbangkan biaya dan implementasi, serta 4) Kemampuan kondensasi informasi ekstrem yang disesuaikan dengan audiens.

marsbit1j yang lalu

Bagaimana Melakukan Riset Mendalam dengan Dynamic Workflows Claude

marsbit1j yang lalu

Trading

Spot
Futures
活动图片