Jutawan Memecoin Antre untuk Makan Siang Eksklusif Trump

bitcoinistDipublikasikan tanggal 2026-04-25Terakhir diperbarui pada 2026-04-25

Abstrak

Seorang investor crypto hanya membayar $500 untuk mendapatkan tempat di acara makan siang eksklusif Donald Trump di Mar-a-Lago, mencerminkan penurunan popularitasnya di komunitas crypto. Token TRUMP resmi telah anjlok lebih dari 93% dari rekor tertingginya, diperdagangkan sekitar $2.56. Sekitar 297 pemegang token teratas diundang, termasuk tokoh-tokoh crypto ternama seperti CEO Tether Paolo Ardoino. Namun, Justin Sun, pemegang token TRUMP terbanyak dengan 2.4 miliar poin, tidak dikonfirmasi hadir setelah menggugat platform crypto yang didirikan putra-Trump. Kelompok pengawas etik mengkritik acara ini, menuduh Trump menawarkan akses kepresidenan melalui produk finansial yang menguntungkannya secara pribadi, dengan aliran dana yang sulit dilacak.

Seorang investor crypto yang hanya membayar $500 mendapat tempat duduk di meja. Detail itu saja sudah memberi tahu Anda sesuatu tentang kerumunan yang berkumpul di Mar-a-Lago pada hari Sabtu.

Token yang Kehilangan 93% Nilainya

Morten Christensen, yang menghadiri acara serupa pada tahun 2025 setelah bertaruh $1.200 pada memecoin Presiden AS Donald Trump, berhasil masuk kembali dengan biaya yang jauh lebih murah.

Dia jujur tentang perubahan suasana hati. "Trump jauh kurang disukai saat ini dibandingkan setelah pelantikan," kata Christensen kepada Bloomberg.

"Dengan seluruh tahun tarif, crypto sedang berdarah, reputasinya di komunitas crypto tidak sebaik dulu."

Token TRUMP, secara resmi disebut Official Trump, telah turun lebih dari 93% dari rekor tertingginya sekitar $45 menjadi di bawah $3.

Sumber: gettrumpmemes.com

Meskipun mengalami penurunan itu, hingga 297 pemegang koin teratas diperkirakan akan bergabung dengan Trump di estate Florida-nya untuk apa yang disebut penyelenggara sebagai "Jutawan Memecoin Antre untuk Makan Siang Eksklusif Trump" — pertemuan pribadi yang menurut kritikus sebenarnya tentang membeli waktu bertatap muka dengan presiden petahana.

Daftar tamu terbaca seperti who's who keuangan crypto: CEO Tether Paolo Ardoino, pendiri Upbit ChiHyung Song, advokat Bitcoin Anthony Pompliano, dan CEO Anchorage Digital Nathan McCauley semuanya dilaporkan akan hadir.

TRUMPUSDT saat ini diperdagangkan pada $2.56. Grafik: TradingView

Nama yang Absen di Puncak Papan Peringkat

Satu nama sangat mencolok hilang dari daftar yang dikonfirmasi. Pendiri Tron Justin Sun berada di puncak papan peringkat memecoin TRUMP dengan 2,4 miliar poin — lebih dari siapa pun — namun belum ada konfirmasi publik kehadirannya.

Keheningan itu terjadi setelah Sun mengajukan gugatan minggu ini terhadap World Liberty Financial, platform crypto yang didirikan bersama oleh putra-putra Trump.

Sun menuduh platform itu membekukan tokennya dan mengancam akan menghancurkannya tanpa alasan yang valid. Dia menggambarkan dirinya sebagai "pendukung yang bersemangat" Trump sambil menyalahkan anggota tim proyek yang tidak disebutkan namanya karena bertindak melawan nilai-nilai presiden.

Pengawas Etika Mengangkat Kekhawatiran Konflik Kepentingan

Para pembuat undang-undang dan kelompok pengawas nonpartisan telah mengkritik pertemuan hari Sabtu itu, dengan alasan bahwa Trump menggunakan produk keuangan yang secara pribadi menguntungkannya untuk menawarkan akses ke kepresidenan.

Lembaga nirlaba Citizens for Responsibility and Ethics in Washington melangkah lebih jauh, dengan menunjuk dalam postingan hari Jumat bahwa dompet crypto yang terkait dengan token TRUMP telah memindahkan uang dengan cara yang menyulitkan untuk melacak berapa banyak yang dihasilkan presiden.

Gambar unggulan dari Getty Images, grafik dari TradingView

Pertanyaan Terkait

QApa yang membuat acara makan siang eksklusif Trump di Mar-a-Lago menarik perhatian?

AAcara ini dikhususkan untuk pemegang kripto TRUMP terbesar, dengan biaya masuk yang sangat rendah ($500) dibandingkan acara serupa sebelumnya ($1.200), mencerminkan penurunan popularitas dan nilai token.

QBagaimana performa token TRUMP sejak peluncurannya?

AToken TRUMP telah mengalami penurunan lebih dari 93% dari harga tertingginya sekitar $45 menjadi di bawah $3, menunjukkan kinerja yang sangat buruk.

QSiapa saja tokoh kripto terkemuka yang hadir dalam acara tersebut?

ATokoh-tokoh yang hadir termasuk Tether CEO Paolo Ardoino, Upbit founder ChiHyung Song, Bitcoin advocate Anthony Pompliano, dan Anchorage Digital CEO Nathan McCauley.

QMengapa nama Justin Sun mencolok karena tidak hadir meski memegang poin tertinggi?

AJustin Sun tidak hadir karena sedang terlibat gugatan hukum terhadap World Liberty Financial, platform kripto yang didirikan oleh putra-putra Trump, terkait pembekuan tokennya tanpa alasan jelas.

QApa kekhawatiran yang diungkapkan oleh pengawas etika mengenai acara ini?

APengawas etika khawatir Trump menggunakan produk finansial yang menguntungkannya secara pribadi untuk menawarkan akses ke kepresidenan, dengan aliran dana yang sulit dilacak dari dompet kripto terkait token TRUMP.

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

OpenAI Tidak Lagi Mengandalkan Model Termahal untuk Menghasilkan Uang

marsbit2j yang lalu

Trading

Spot
活动图片

Kategori Populerright-arrow

Tag Populerright-arrow