Eric Trump Sebut Bank 'Anti-Amerika' dalam Perdebatan Imbal Hasil Stablecoin di RUU Kripto AS

TheNewsCryptoDipublikasikan tanggal 2026-03-05Terakhir diperbarui pada 2026-03-05

Abstrak

Eric Trump, putra mantan Presiden AS Donald Trump dan pendiri World Liberty Financial, menuduh bank-bank besar "anti-Amerika" karena melobi melawan fitur imbal hasil (yield) stablecoin dalam RUU cryptocurrency. Ia menyatakan bank sengaja menghalangi konsumen memperoleh suku bunga lebih tinggi (4-5%) dari platform crypto, sementara bank sendiri menawarkan bunga rendah pada tabungan tradisional. Perdebatan ini terkait Clarity Act yang mengatur crypto, dimana kelompok perbankan khawatir imbal hasil stablecoin akan menarik dana dari bank konvensional. World Liberty Financial, penerbit stablecoin USD1, juga terdampak karena sedang mengajukan izin perbankan. Donald Trump turut mengkritik bank setelah bertemu CEO Coinbase yang menolak RUU ini. Konflik ini menunjukkan persaingan antara sektor perbankan tradisional dengan crypto dalam menentukan masa depan keuangan digital.

Eric Trump, yang merupakan pendiri bersama World Liberty Financial dan putra Presiden AS Donald Trump, telah mengkritik bank-bank besar karena menentang imbal hasil stablecoin dalam diskusi yang sedang berlangsung tentang undang-undang kripto. Dia menuduh bank-bank besar melakukan lobi melawan fitur imbal hasil stablecoin yang dapat memungkinkan warga Amerika memperoleh pengembalian tinggi atas aset digital mereka.

Debat Imbal Hasil

Trump berargumen bahwa bank-bank besar berusaha mencegah konsumen mengakses suku bunga yang lebih baik melalui platform kripto. Menurut Trump, bank saat ini membayar bunga yang sangat rendah pada rekening tabungan sambil mendapatkan suku bunga yang lebih tinggi sendiri dari cadangan federal. Dia juga mengklaim bahwa platform kripto menawarkan imbal hasil stablecoin sekitar 4% hingga 5%, yang menjadi alasan bank mendorong pembuat undang-undang untuk membatasi imbal hasil tersebut.

Sengketa ini terkait dengan diskusi yang sedang berlangsung tentang Clarity Act, yang bertujuan untuk menetapkan aturan untuk kripto. Kelompok-kelompok perbankan dilaporkan melakukan lobi melawan fitur imbal hasil stablecoin. Mereka berargumen bahwa mengizinkan imbal hasil ini dapat memindahkan simpanan dari bank-bank tradisional. Debat ini juga penting bagi World Liberty Financial, yang menerbitkan stablecoin bernama USD1. Perusahaan saat ini sedang mencari persetujuan dari Office of the Comptroller of the Currency untuk mendapatkan piagam perbankan.

Presiden Donald Trump juga berkomentar tentang masalah ini dan mengkritik bank karena menolak ketentuan stablecoin. Ucapannya muncul tak lama setelah pertemuan dengan Brian Armstrong, yang merupakan CEO Coinbase, sebuah bursa kripto besar, yang sebelumnya menarik dukungan untuk RUU tersebut karena kekhawatiran tentang aturan stablecoin-nya.

Sengketa ini menyoroti konflik antara bank-bank tradisional dan sektor kripto atas keuangan digital. Pendukung kripto berargumen bahwa produk-produk ini memberi konsumen lebih banyak pilihan dan pengembalian yang lebih baik. Hasil dari sengketa ini mempengaruhi bagaimana stablecoin beroperasi dan bersaing dengan bank di masa depan.

Berita Kripto yang Disorot:

KuCoin Peringkat Teratas dalam Peringkat Transparansi Bursa CryptoQuant 2025

Pertanyaan Terkait

QSiapa Eric Trump dan apa perannya dalam World Liberty Financial?

AEric Trump adalah putra dari mantan Presiden AS Donald Trump dan juga salah satu pendiri World Liberty Financial, sebuah perusahaan yang menerbitkan stablecoin bernama USD1.

QMengapa Eric Trump mengkritik bank-bank besar dalam perdebatan undang-undang kripto?

AEric Trump menuduh bank-bank besar melobi melawan fitur imbal hasil stablecoin yang memungkinkan konsumen mendapatkan bunga lebih tinggi, sementara bank hanya memberikan bunga rendah pada tabungan tradisional.

QApa nama undang-undang kripto yang sedang dibahas dan apa tujuannya?

AUndang-undang yang dibahas disebut Clarity Act, yang bertujuan untuk menetapkan aturan regulasi untuk cryptocurrency di Amerika Serikat.

QMengapa kelompok perbankan tradisional menentang imbal hasil stablecoin?

AKelompok perbankan khawatir imbal hasil stablecoin yang mencapai 4-5% akan menarik dana masyarakat dari bank tradisional dan mengalihkannya ke platform kripto.

QSiapa Brian Armstrong dan bagaimana kaitannya dengan isu ini?

ABrian Armstrong adalah CEO Coinbase, bursa kripto terkemuka yang sebelumnya menarik dukungan untuk rancangan undang-undang karena kekhawatiran atas aturan stablecoin.

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

Upbit Rebalance 864B SHIB dalam Pergerakan Wallet Internal

Bursa Korea Selatan Upbit melakukan penataan ulang 864 miliar SHIB di antara alamat dompet internalnya, menciptakan pergerakan rantai-blok besar senilai sekitar $4 juta. Pergerakan ini melibatkan transfer 384 miliar SHIB keluar dari dompet panas dan 480 miliar SHIB kembali ke dompet yang sama, tampaknya sebagai bagian dari operasi penyeimbangan kembali (rebalancing) dompet rutin, bukan pelepasan atau penjualan aset oleh bursa. Aktivitas ini terjadi setelah SHIB mengalami reli harga 36%, yang membuatnya lebih mencolok dan ditanggapi dengan sensitif oleh pedagang. Namun, karena perpindahan terjadi antara alamat yang diketahui milik Upbit sendiri, hal ini tidak secara langsung mengubah pasokan di pasar. Artikel ini menekankan pentingnya konteks dan pelabelan dompet yang tepat dalam menafsirkan data on-chain, agar pergerakan besar tidak disalahartikan sebagai sinyal jual atau aksi "paus" yang dapat menyesatkan narasi pasar.

bitcoinist48m yang lalu

Upbit Rebalance 864B SHIB dalam Pergerakan Wallet Internal

bitcoinist48m yang lalu

Maksimal 20 Makalah Per Orang? Aturan Baru ICLR Ditanggapi dengan "Petisi Sarkas" dari Peneliti DeepMind

Apakah ada batas yang wajar untuk jumlah makalah yang dapat disertakan seorang penulis di konferensi AI top? ICLR 2027 memberlakukan aturan baru: maksimal 20 makalah per penulis. Aturan ini dirancang untuk meringankan tekanan pada sistem peninjauan, terutama setelah ICLR 2026 mengalami lonjakan 68% dalam jumlah pengajuan hingga 19.525 makalah. Peraturan ini langsung memicu perdebatan. Dan Roy, seorang peneliti dari Google DeepMind, meluncurkan petisi satir di platform X yang menyerukan pencabutan batas 20 makalah tersebut. Dalam petisinya, dia secara ironis berargumen bahwa batasan ini akan "memperlambat kemajuan AI," terutama di era di mana AI Agent dapat menghasilkan banyak penelitian dan model bahasa besar (LLM) sudah digunakan untuk meninjau makalah. Sindirannya menyoroti kekhawatiran nyata tentang kualitas penelitian dan peninjauan. Poin utamanya adalah: dengan maraknya penggunaan AI untuk menulis dan meninjau makalah, apakah solusinya hanya membatasi jumlah pengajuan? ICLR mendorong ilmu "lebih lambat" dan lebih matang, sementara dinamika saat ini berisiko membanjiri sistem dengan makalah inkremental. Petisi Roy, meski sarkastik, mendorong komunitas untuk merenungkan inti permasalahan ini.

marsbit52m yang lalu

Maksimal 20 Makalah Per Orang? Aturan Baru ICLR Ditanggapi dengan "Petisi Sarkas" dari Peneliti DeepMind

marsbit52m yang lalu

Celah Keamanan Coldcard Picu Pencurian Senilai $89 Juta, Picu Migrasi On-Chain Terbesar Setelah FTX

Kerusakan pada dompet perangkat keras Coldcard mengakibatkan pencurian Bitcoin senilai sekitar $89 juta, memicu migrasi aset besar-besaran di blockchain terbesar sejak runtuhnya FTX. Menurut Galaxy Research, 1.367,05 BTC dicuri dari 4.585 alamat dalam tiga gelombang serangan yang menargetkan dompet dengan frasa pemulihan (seed phrase) yang lemah akibat cacat perangkat lunak. Insiden ini menyebabkan gangguan signifikan pada indikator rantai Bitcoin. Pengguna yang terdampak berbondong-bondong memindahkan aset mereka ke dompet baru yang aman, menyebabkan lonjakan ekstrem dalam aktivitas alamat aktif dan volume transaksi kecil. CryptoQuant mencatat puncak baru dalam transaksi berukuran di bawah 1 BTC dan peningkatan drastis deposit ke bursa, sementara sentimen pasar berubah sangat bearish. Pelacakan dana curian menghadapi tantangan unik: aturan keamanan AI di AS menghambat analisis data investigasi oleh model komersial utama, memaksa peneliti seperti tim Galaxy untuk beralih ke model AI sumber terbuka dari China (seperti GLM 5.2) guna melacak aliran dana dengan cepat. Kasus ini menyoroti dilema dalam penggunaan AI untuk keamanan siber: pembatasan yang melindungi juga dapat memperlambat respons defensif terhadap kejahatan yang bergerak cepat di ruang kripto.

marsbit1j yang lalu

Celah Keamanan Coldcard Picu Pencurian Senilai $89 Juta, Picu Migrasi On-Chain Terbesar Setelah FTX

marsbit1j 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

Trading

Spot