USD1 Tembus Kapitalisasi Pasar $5 Miliar Saat Trump Puji Stablecoin 'Built In America'

bitcoinistDipublikasikan tanggal 2026-01-31Terakhir diperbarui pada 2026-01-31

Abstrak

USD1, stablecoin yang diterbitkan oleh World Liberty Financial, telah mencapai kapitalisasi pasar lebih dari $5 miliar, menempatkannya di antara aset digital terbesar yang dipatok dengan dolar AS. Koin ini mempertahankan nilai stabilnya di sekitar $1 meskipun minat pasar meningkat. Pertumbuhan ini didorong oleh penambahan pasangan perdagangan baru dan insentif di berbagai bursa, serta dukungan publik dari keluarga Trump yang menyebutnya sebagai produk "Built in America". Meski demikian, muncul pertanyaan terkait transparansi cadangan dan regulasi perbankan. Penerbit dilaporkan sedang mengupayakan kepatuhan terhadap regulasi AS untuk menjamin kepercayaan investor. Sementara USD1 tumbuh stabil, aset kripto lain yang terkait dengan lingkup yang sama mengalami penurunan tajam, menunjukkan pergeseran minat investor dari aset spekulatif ke stablecoin yang nilainya lebih dapat diprediksi.

USD1 telah melampaui kapitalisasi pasar $5 miliar, sebuah kenaikan cepat yang menarik perhatian luas di pasar crypto. Laporan mengatakan stablecoin yang diterbitkan oleh World Liberty Financial ini sekarang masuk dalam jajaran token terbesar yang dipatok pada dolar.

Perdagangan tetap dekat dengan patokan $1 bahkan ketika minat pasar secara keseluruhan melonjak. Beberapa bursa telah menambahkan pair dan insentif baru, yang membantu volume membengkak dalam beberapa pekan terakhir.

Pencapaian Milestone Pasar

Laporan mencatat bahwa anggota keluarga Trump merayakan pencapaian ini di media sosial, menyebut USD1 sebagai "Built in America". Presiden AS Donald Trump dikutip memuji token ini sebagai contoh penyatuan teknik dan keuangan Amerika.

Pesan itu meningkatkan minat arus utama dan membawa gelombang baru berita utama. Pada saat yang sama, token lain yang terkait dengan lingkaran yang sama telah jatuh tajam, menunjukkan keberuntungan yang beragam di berbagai proyek terkait.

Bagaimana Koin Ini Tumbuh

Likuiditas dan pencatatan di bursa penting. Berdasarkan pengungkapan bursa, USD1 mendapatkan pencatatan dan program penghasilan yang memudahkan trader dan institusi untuk memegang saldo besar dalam stablecoin ini.

Ini mengurangi kerumitan teknis untuk pergerakan dan membantu valuasi pasar koin naik dengan cepat. Aktivitas on-chain menunjukkan arus masuk besar pada waktu-waktu tertentu, sementara harga tetap stabil di sekitar patokan dolar.

Laporan mengatakan beberapa pemegang besar memindahkan dana antar platform, yang mendorong angka kapitalisasi pasar yang dilaporkan di pelacak publik menjadi lebih tinggi.

Kepercayaan dan Regulasi

Masih ada beberapa pertanyaan mengenai transparansi cadangan, bersama dengan beberapa pertanyaan dari regulator perbankan dan pengamat tentang audit yang lebih jelas dan pengaturan perbankan spesifik untuk penerbitan.

Total kapitalisasi pasar crypto saat ini di $2,78 triliun. Grafik: TradingView

Menurut laporan, penerbit telah mengajukan aplikasi charter dan mengambil langkah-langkah untuk mematuhi persyaratan AS. Meskipun ini telah meyakinkan beberapa investor, yang lain mengklaim mereka masih membutuhkan bukti untuk mendapatkan kepercayaan mereka.

Aspek regulasi sedang membentuk rencana masa depan untuk ekspansi dan penggunaan institusional.

Perbandingan dan Kontras

Kenaikan USD1 tidak mengangkat setiap proyek yang terkait dengan nama-nama yang sama. Satu token meme yang terkait dengan kelompok tersebut turun lebih dari 90% dari puncaknya.

Investor terbelah antara kepemilikan yang stabil bergaya utilitas dan taruhan spekulatif yang telah kehilangan tenaga. Laporan mengatakan patokan yang stabil dari stablecoin ini membuatnya menarik bagi pengguna yang lari dari volatilitas di tempat lain.

Pembelahan ini menyoroti pergeseran yang lebih luas: sebagian uang lebih memilih token yang menahan nilai dekat dengan dolar, sementara dana lainnya mengejar keuntungan cepat.

Gambar unggulan dari Unsplash, grafik dari TradingView

Pertanyaan Terkait

QApa yang dicapai oleh USD1 sehingga menarik perhatian luas di pasar crypto?

AUSD1 telah melampaui kapitalisasi pasar $5 miliar, menempatkannya di antara token berpasangan dolar terbesar.

QSiapa yang merayakan pencapaian USD1 di media sosial dan bagaimana mereka menyebutnya?

AAnggota keluarga Trump merayakannya di media sosial dengan menyebut USD1 sebagai 'Built in America'.

QFaktor apa yang membantu pertumbuhan kapitalisasi pasar USD1?

APencatatan di bursa dan program penghasilan yang memudahkan trader dan institusi memegang saldo besar, serta pergerakan dana antar platform oleh pemegang besar.

QApa kekhawatiran yang masih ada terkait USD1 menurut laporan?

ATerdapat pertanyaan tentang transparansi cadangan, kebutuhan audit yang lebih jelas, dan pengaturan perbankan spesifik untuk penerbitan.

QBagaimana kinerja token lain yang terkait dengan lingkup yang sama dibandingkan dengan USD1?

ASementara USD1 tumbuh stabil, satu token meme yang terkait dengan kelompok yang sama turun lebih dari 90% dari puncaknya, menunjukkan perpecahan antara investasi stabil dan spekulatif.

Bacaan Terkait

S&P Dow Jones Bermitra dengan Pantera Meluncurkan Indeks Kripto, Bitcoin Ditolak Masuk Karena "Tidak Menghasilkan Uang"

**S&P Dow Jones Indices dan Pantera Capital Luncurkan Indeks Aset Digital Berbasis Pendapatan, Bitcoin Tidak Termasuk** S&P Dow Jones Indices bersama Pantera Capital telah meluncurkan S&P Pantera Digital Asset Index, sebuah indeks baru yang secara ketat memilih aset kripto berdasarkan kelayakan finansial protokolnya. Indeks ini mengadopsi prinsip serupa dengan S&P 500, mensyaratkan protokol untuk memiliki pendapatan positif yang diverifikasi selama beberapa kuartal berturut-turut dan mendistribusikan nilai tersebut kepada pemegang token. Karena fokus pada aset yang "menghasilkan uang", Bitcoin, XRP, dan meme coin dikeluarkan dari indeks ini. Bitcoin dinilai tidak memenuhi kriteria inti karena tidak menghasilkan pendapatan protokol. Indeks perdana ini mencakup 18 aset, dengan lima komponen terbesarnya adalah Ethereum (ETH), BNB, Solana (SOL), Tron (TRX), dan Hyperliquid (HYPE). Pantera menjelaskan bahwa pengecualian Bitcoin didasarkan pada tiga alasan: sifatnya sebagai aset moneter yang sudah dapat diakses melalui ETF terpisah, keinginan untuk memisahkan aset berpendapatan dari aset lain dalam kerangka dasar, serta ketidakmampuan Bitcoin lolos uji kelayakan finansial indeks. Indeks ini saat ini berfungsi sebagai *benchmark*, dan diskusi telah dimulai dengan perusahaan manajemen aset untuk mengembangkan produk seperti ETF yang melacak kinerjanya. Kemitraan Pantera dengan Morgan Stanley dinilai dapat memfasilitasi distribusi produk tersebut ke klien bernilai tinggi. Peluncuran indeks ini menyoroti celah dalam produk investasi kripto institusional yang ada, yang seringkali hanya terfokus pada kapitalisasi pasar tanpa membedakan fundamental. Di komunitas kripto, keputusan mengecualikan Bitcoin menuai beragam tanggapan. Sebagian melihatnya sebagai peluang untuk alokasi institusional yang lebih jelas ke altcoin, sementara yang lain berpendapat hal ini justru memperkuat narasi Bitcoin sebagai "emas digital".

marsbitBaru saja

S&P Dow Jones Bermitra dengan Pantera Meluncurkan Indeks Kripto, Bitcoin Ditolak Masuk Karena "Tidak Menghasilkan Uang"

marsbitBaru saja

Claude Hadirkan Fitur Baru: Rekaman Layar+Suara, Satu Klik "Mendistilasi" Skill untuk Bekerja Menggantikan Anda

Anthropic telah meluncurkan fitur "Record a Skill" pada aplikasi desktop Claude. Fitur ini memungkinkan pengguna Pro, Max, dan Team untuk membuat Skill yang dapat digunakan kembali hanya dengan merekam layar dan memberikan penjelasan suara tentang alur kerja mereka. Claude kemudian secara otomatis menganalisis rekaman dan menghasilkan Skill yang siap pakai, yang dapat dipanggil dengan perintah garis miring (/) dalam percakapan. Fitur ini secara signifikan menurunkan hambatan untuk mengotomatisasi tugas. Alih-alih harus menulis instruksi manual dalam Markdown, pengguna hanya perlu mendemonstrasikan dan menceritakan prosesnya. Hal ini tidak hanya menangkap langkah-langkah yang terlihat, tetapi juga logika dan pertimbangan tersembunyi yang disampaikan dalam narasi suara. Inovasi ini berpotensi mengubah manajemen pengetahuan dan operasi di tempat kerja, memudahkan pendokumentasian dan transfer keahlian. Namun, artikel ini juga menyoroti sisi lain: kemudahan dalam mengemas keahlian menjadi alur kerja otomatis dapat mengikis "parit pertahanan" pekerjaan tradisional. Kemampuan untuk melakukan suatu tugas menjadi kurang berharga dibandingkan kemampuan untuk melakukan hal-hal yang tidak dapat dengan mudah diajarkan atau diotomatisasi.

marsbit4m yang lalu

Claude Hadirkan Fitur Baru: Rekaman Layar+Suara, Satu Klik "Mendistilasi" Skill untuk Bekerja Menggantikan Anda

marsbit4m yang lalu

Memberi "Noise" ke AI Juga Bisa Meningkatkan Skor, Karya Ini Membuat Noise Mencapai Transfer Positif

Dalam bidang transfer learning, sumber data biasanya berupa gambar, teks, atau audio. Namun, penelitian "Semi-Supervised Noise Adaptation (SSNA)" menunjukkan bahwa **noise acak yang tidak memiliki makna semantik**—dihasilkan dari distribusi Gaussian—juga dapat meningkatkan performa model dalam skenario semi-supervised dengan sedikit data berlabel. Metode ini menggunakan **Kerangka Adaptasi Noise (Noise Adaptation Framework, NAF)**. NAF membuat struktur kategori diskriminatif dalam domain noise acak, lalu mentransfer **struktur** ini ke data target nyata untuk memberikan batas klasifikasi yang lebih jelas. Model memproyeksikan domain noise dan target ke ruang representasi bersama dan menyelaraskannya pada tingkat kategori. Dalam eksperimen, dengan hanya 4 sampel berlabel per kelas, NAF meningkatkan akurasi secara signifikan dibandingkan baseline ERM pada dataset seperti CIFAR-10 (+12.35%), CIFAR-100 (+7.61%), dan lainnya. Peningkatan juga terlihat pada dataset skala besar seperti ImageNet-1K dan tugas klasifikasi teks. Kunci keberhasilan ini bukanlah sifat acak noise itu sendiri, melainkan **struktur kategori yang dapat dipisahkan** yang dibentuknya dalam ruang representasi. Eksperimen ablasi menunjukkan bahwa jika semua noise dikompresi menjadi satu titik (tanpa struktur), kinerja justru menurun drastis. Sebaliknya, memperlebar jarak antara pusat kategori noise meningkatkan akurasi. Penelitian ini menawarkan perspektif baru: dalam transfer learning, pengetahuan yang dapat ditransfer bisa berupa **cara data diorganisasikan dalam ruang representasi**, bukan hanya konten semantiknya. Ini membuka kemungkinan untuk skenario di mana data sumber asli tidak tersedia karena masalah privasi, hak cipta, atau keterbatasan akses. Noise sintetis dapat menjadi alternatif sumber daya yang efektif dan rendah biaya.

marsbit5m yang lalu

Memberi "Noise" ke AI Juga Bisa Meningkatkan Skor, Karya Ini Membuat Noise Mencapai Transfer Positif

marsbit5m yang lalu

Operator Teleprompter "Khusus" Gedung Putih Raup Lebih dari $100.000 dengan Prediksi Berbasis Informasi Orang Dalam

Artikel berjudul "Operator Teleprompter Gedung Putih Dapatkan Lebih dari $100.000 dengan Informasi Orang Dalam" mengungkap kasus insider trading di pasar prediksi oleh Gabriel Perez, asisten teknis dan operator teleprompter untuk mantan Presiden AS Donald Trump. Perez, yang memiliki akses ke naskah pidato Trump sebelum disampaikan, menggunakan informasi orang dalam ini untuk bertaruh pada kata-kata spesifik yang akan disebutkan Trump dalam berbagai pidato di platform prediksi Kalshi. Dalam sekitar tiga bulan, ia mendapat untung lebih dari $100.000. Namun, platform Kalshi mendeteksi aktivitas mencurigakan, membekukan dana sekitar $90.000, dan melaporkannya ke CFTC. Akibatnya, Perez diberhentikan sementara tanpa gaji oleh Trump. Meski mengembalikan keuntungan dan berjanji tidak mengulangi pelanggaran, ia tidak menghadapi tuntutan pidana karena dianggap tidak membocorkan informasi rahasia negara. Kasus ini menyoroti kerentanan pasar prediksi "sebutan" terhadap manipulasi, di mana orang dalam atau pembicara sendiri dapat dengan mudah mempengaruhi hasil. Insiden serupa sebelumnya melibatkan tentara dan insinyur Google. Sebagai tanggapan, platform seperti Kalshi mulai memperketat aturan, termasuk mengharuskan pengguna mengungkapkan tempat kerja. Artikel menyimpulkan bahwa meskipun pembersihan perdagangan orang dalam membuat pasar prediksi lebih patuh, hal itu juga menjauhkannya dari tujuan awalnya sebagai pengejawantahan kebijaksanaan kolektif, menjadikannya lebih mirip kasino biasa.

marsbit1j yang lalu

Operator Teleprompter "Khusus" Gedung Putih Raup Lebih dari $100.000 dengan Prediksi Berbasis Informasi Orang Dalam

marsbit1j yang lalu

Operator Teleprompter "Khusus" Gedung Putih, Meraup Lebih dari 100 Ribu Dolar AS dengan Prediksi Menggunakan Informasi Orang Dalam

Sebuah staf Gedung Putih yang bertugas mengoperasikan teleprompter (penyusun teks pidato) untuk mantan Presiden AS Donald Trump, Gabriel Perez, telah diduga melakukan perdagangan orang dalam (insider trading) di pasar prediksi. Perez, yang memiliki akses ke naskah pidato Trump sebelum disampaikan, dilaporkan memanfaatkan informasi non-publik tersebut untuk bertaruh pada kata-kata spesifik yang akan disebutkan Trump dalam berbagai pidatonya di platform prediksi Kalshi. Dalam kurun waktu sekitar tiga bulan, ia dikabarkan memperoleh keuntungan lebih dari $100,000. Kalshi kemudian mendeteksi aktivitas transaksi yang tidak biasa dan membekukan lebih dari $90,000 di akun Perez sebelum melaporkan kasus ini kepada Commodity Futures Trading Commission (CFTC). Atas insiden tersebut, Perez diberhentikan sementara dari tugasnya tanpa gaji oleh Trump. Berbeda dengan dua kasus insider trading sebelumnya di pasar prediksi yang melibatkan seorang tentara dan insinyur Google, Perez tidak menghadapi tuntutan pidana. CFTC dikabarkan sedang dalam proses penyelesaian damai yang mewajibkannya mengembalikan keuntungannya dan berhenti melakukan transaksi serupa. Kasus ini menyoroti kerentanan pasar prediksi "sebutan" (mention markets) terhadap manipulasi, di mana individu dengan informasi orang dalam atau bahkan pembicara itu sendiri dapat dengan mudah memengaruhi hasilnya. Beberapa contoh, seperti CEO Coinbase yang dengan sengaja menyebut semua opsi taruhan dalam sebuah konferensi, mengilustrasikan masalah ini. Menanggapi hal tersebut, Kalshi telah memperketat kebijakan dengan mewajibkan pengguna mengungkapkan tempat kerja mereka untuk mencegah penyalahgunaan informasi orang dalam. Insiden Perez menandai langkah lain dalam pembersihan perdagangan orang dalam di industri pasar prediksi, sekaligus mempertanyakan keandalan pasar tersebut sebagai cerminan kebijaksanaan kolektif.

Odaily星球日报1j yang lalu

Operator Teleprompter "Khusus" Gedung Putih, Meraup Lebih dari 100 Ribu Dolar AS dengan Prediksi Menggunakan Informasi Orang Dalam

Odaily星球日报1j yang lalu

Trading

Spot
活动图片

Kategori Populerright-arrow

Tag Populerright-arrow