Paus Shiba Inu Kembali Bergerak, Tapi ke Arah Mana?

bitcoinistDipublikasikan tanggal 2026-03-10Terakhir diperbarui pada 2026-03-10

Abstrak

Aktivitas paus Shiba Inu (SHIB) meningkat signifikan dengan penarikan miliaran token dari bursa kripto terpusat, menyebabkan cadangan SHIB di bursa mencapai rekor terendah sebesar 80,9 triliun token. Data dari CryptoQuant menunjukkan arus keluar bersih mencapai 166,16 miliar SHIB pada 8 Maret, hampir dua kali lipat dari hari sebelumnya. Secara paralel, tingkat pembakaran token SHIB melonjak drastis, termasuk kenaikan 53.950% dalam 24 jam pada 6 Maret, yang memperkuat tekanan deflasi. Gerakan ini mengindikasikan akumulasi oleh investor besar meskipun harga sedang melemah dan pasar bergerak sideways, menandakan keyakinan terhadap potensi kenaikan harga akibat berkurangnya pasokan yang beredar.

Aktivitas paus Shiba Inu (SHIB) semakin intensif seiring dengan perpindahan aset para pemegang token besar dari bursa terpusat (CEX). Cadangan di bursa telah merosot ke level terendah sepanjang masa, sementara tingkat pembakaran SHIB meningkat secara dramatis, mengisyaratkan bahwa para investor ini mungkin sedang bersiap untuk pergerakan pasar yang signifikan. Perkembangan ini memunculkan pertanyaan apakah para paus sedang memposisikan diri menjelang potensi pemulihan pasar atau hanya memanfaatkan penurunan harga untuk mengakumulasi.

Paus Shiba Inu Melakukan Penarikan Besar-besaran dari Bursa

Shiba Inu mengalami perubahan drastis dalam perilaku paus, karena miliaran token SHIB baru-baru ini dipindahkan dari bursa kripto. Pergeseran ini terjadi di saat pasar kripto dan meme coin secara luas menghadapi tantangan besar, dengan Shiba Inu yang terus diperdagangkan tanpa momentum arah yang jelas meskipun harganya melemah.

Pada 8 Maret, platform analitik on-chain CryptoQuant mendeteksi penurunan tajam dalam aliran bersih bursa, dengan total arus keluar 166,16 miliar token SHIB di berbagai bursa besar, hampir dua kali lipat dari 88 miliar token pada hari sebelumnya. Bahkan lebih awal, pada 6 Maret, bursa mencatat aliran bersih negatif sebesar 170,53 miliar token, yang mengindikasikan penarikan dalam skala besar oleh paus yang berkelanjutan.

Sumber: Bagan dari CryptoQuant

Laporan dari WhaleScan di X mengungkapkan bahwa para paus ini telah aktif untuk sementara waktu, mengamankan posisi mereka sebelum adanya pergerakan pasar besar. Biasanya, ketika paus memindahkan token dari bursa<span style="font-weight: 400;", itu berarti token-token tersebut dikeluarkan dari peredaran. Hal ini mengurangi pasokan token yang tersedia untuk diperdagangkan di pasar, yang dapat menciptakan tekanan kenaikan harga jika permintaan terus meningkat.

Pergerakan paus baru-baru ini juga menandakan keyakinan terhadap Shiba Inu meskipun fundamentalnya melemah dan perdagangan sideways baru-baru ini. Patut dicatat bahwa WhaleScan telah melaporkan bahwa karena eksodus token besar-besaran dari bursa, cadangan di platform kripto ini telah mencapai titik terendah sepanjang masa yaitu 80,9 triliun SHIB. Hal ini menunjukkan bahwa sementara weak hands (pemegang jangka pendek) mengawasi pergerakan harga jangka pendek, para paus sedang mengakumulasi, berkontribusi pada penurunan pasokan.

Tekanan Deflasi SHIB Meningkat Seiring Lonjakan Tingkat Pembakaran

Selain menurunnya cadangan, tingkat pembakaran Shiba Inu telah meningkat secara dramatis, naik 27,4% hanya dalam minggu lalu. Yang paling mencolok, pada 6 Maret, tingkat pembakaran melonjak lebih dari 53.950% hanya dalam 24 jam, mencerminkan peningkatan yang mencengangkan dalam token yang dikeluarkan dari peredaran.

Ditambah dengan miliaran token yang baru saja mengalir keluar dari bursa, Whale Scan mencatat bahwa kekurangan pasokan Shiba Inu semakin jelas dan sulit untuk diabaikan. Statistik pembakaran terkini menggambarkan gambaran para pemegang token yang mencari deflasi di tengah melemahnya pergerakan harga.

Sekitar 337 miliar token SHIB dibakar pada 3 Maret minggu lalu, saat ekosistem Shibarium bersiap untuk upgrade privasi FHE yang dinantikan untuk Q2 2026. Perkembangan ini menunjukkan bahwa tekanan deflasi Shiba Inu sedang membangun seiring dengan terus berkurangnya pasokan di bursa.

SHIB diperdagangkan pada $0,000005 pada grafik 1D | Sumber: SHIBUSDT di Tradingview.com

Kripto yang Sedang Tren

Pertanyaan Terkait

QApa yang ditunjukkan oleh penarikan besar-besaran SHIB dari pertukaran oleh paus?

APenarikan besar-besaran SHIB dari pertukaran terpusat (CEXs) oleh paus menunjukkan bahwa token-token tersebut dikeluarkan dari sirkulasi, yang mengurangi pasokan yang tersedia untuk perdagangan dan dapat menciptakan tekanan kenaikan harga jika permintaan terus meningkat.

QBerapa banyak SHIB yang mengalir keluar dari pertukaran pada 8 Maret menurut laporan?

AMenurut laporan dari CryptoQuant pada 8 Maret, total aliran keluar bersih dari pertukaran adalah 166,16 miliar token SHIB, yang hampir dua kali lipat dari 88 miliar token pada hari sebelumnya.

QApa yang terjadi pada tingkat pembakaran (burn rate) SHIB baru-baru ini?

ATingkat pembakaran SHIB mengalami percepatan dramatis, meningkat 27,4% dalam seminggu terakhir. Pada 6 Maret, tingkat pembakaran bahkan melonjak lebih dari 53.950% dalam 24 jam, yang mencerminkan peningkatan luar biasa dalam token yang dikeluarkan dari sirkulasi.

QApa yang dicapai oleh cadangan SHIB di pertukaran setelah penarikan besar-besaran ini?

ASetelah penarikan besar-besaran oleh paus, cadangan SHIB di platform pertukaran kripto mencapai rekor terendah, yaitu 80,9 triliun SHIB.

QApa yang disarankan oleh aktivitas paus dan peningkatan tingkat pembakaran ini tentang sentimen investor?

AAktivitas ini menandakan keyakinan para investor besar (paus) pada Shiba Inu meskipun harga melemah dan perdagangan sideways. Mereka kemungkinan mengakumulasi aset mereka, mempersiapkan diri untuk pergerakan pasar yang signifikan di masa depan, sambil berkontribusi pada tekanan deflasi dengan mengurangi pasokan yang beredar.

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.

marsbit5m yang lalu

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

marsbit5m 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.

marsbit1j yang lalu

OpenAI Tidak Lagi Mengandalkan Model Termahal untuk Menghasilkan Uang

marsbit1j yang lalu

Trading

Spot

Artikel Populer

Cara Membeli MOVE

Selamat datang di HTX.com! Kami telah membuat pembelian Movement (MOVE) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli Movement (MOVE) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan Movement (MOVE) AndaSetelah melakukan pembelian, simpan Movement (MOVE) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading Movement (MOVE)Lakukan trading Movement (MOVE) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

505 Total TayanganDipublikasikan pada 2024.12.13Diperbarui pada 2026.06.02

Cara Membeli MOVE

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga MOVE (MOVE) disajikan di bawah ini.

活动图片