Penurunan tajam Gravity (G)

Ringkasan Artikel: "Batas dan Saluran Keuangan: Logika Penetapan Harga Baru Pasar Global" Pasar keuangan global sedang mengalami transformasi mendalam dengan adopsi aset digital dan DeFi (Keuangan Terdesentralisasi). Meskipun raksasa manajemen aset seperti BlackRock dan Apollo berinvestasi besar dalam token DeFi seperti $UNI dan $Morpho, tantangan seperti penarikan dana besar-besaran dan peringatan tentang RWA (Real World Assets) sebagai saluran likuiditas tetap ada. DeFi masih berjuang untuk menetapkan suku bunga bebas risiko yang andal, dengan stablecoin seperti USDT dan USDC mendominasi karena skala dan likuiditasnya. Namun, ketergantungan pada obligasi pemerintah AS sebagai acuan suku bunga menciptakan kerentanan, karena kebijakan AS tidak mempertimbangkan dampaknya pada ekosistem blockchain. Solusi yang muncul adalah Vault (brankas) on-chain, yang menawarkan produk terdesentralisasi untuk fixed-rate lending, manajemen risiko, dan pinjaman tanpa jaminan. Namun, Vault masih menghadapi tantangan dalam menghasilkan imbal hasil tinggi dan mengelola risiko secara efektif. Masa depan keuangan global terletak pada saluran (broker) yang efisien, yang memfasilitasi interaksi antar pasar dan mengintegrasikan aset tradisional dengan digital. Platform seperti broker neo (Robinhood) dapat menjadi jembatan menuju adopsi massal, sementara BNB dan CEX (Pusat Pertukaran Terpusat) sementara masih memegang peran penting. Kesimpulannya, meskipun DeFi dan RWA membuka peluang baru, pembentukan mekanisme ekspansi harga aset dan saluran yang efisien masih menjadi kunci untuk menciptakan sistem keuangan global yang benar-benar terdesentralisasi dan stabil.

Ringkasan: Platform perdagangan Hyperliquid mengalami pergeseran signifikan di mana aset non-kripto (HIP-3) seperti minyak, emas, dan perak kini lebih disukai daripada aset kripto tradisional. Data menunjukkan retensi pengguna HIP-3 mencapai 64%, jauh lebih tinggi dibandingkan retensi aset kripto yang hanya 27%. Analis menyoroti volatilitas ekstrem dan risiko manipulasi pasar pada kripto sebagai faktor pendorong preferensi ini. Volume perdagangan HIP-3 mencakup 33% dari total volume Hyperliquid ($15.1 miliar), tertinggi kedua setelah Bitcoin. Dominasi HIP-3 secara tahunan meningkat dari 5% menjadi lebih dari 30%, berkontribusi pada nearly 10% dari total fee platform. Pendiri BitMEX Arthur Hayes memprediksi momentum ini dapat mendorong nilai token HYPE hingga $150. HYPE telah mengalami kenaikan 57% menjadi $41 selama krisis Iran, namun analis Coinbase menekankan bahwa level $42 harus ditembus terlebih dahulu untuk membuka potensi rally menuju $50.

Penulis: Omnitools Stasiun transit AI semakin populer sebagai pintu masuk ke model AI berkat harga lebih murah, akses lebih mudah, dan antarmuka yang terpadu. Namun, dibalik kemudahan ini, pengguna seringkali tanpa sadar membagikan data sensitif seperti prompt, kode, dokumen bisnis, hingga konteks pengembangan proyek. Artikel ini membahas: 1. **Kebutuhan Pasar**: Stasiun transit muncul karena harga API resmi yang mahal (misal, GPT-5.5 $5/1M token input, Claude Sonnet $25/1M token output), hambatan akses bagi pengguna di beberapa wilayah, dan kebutuhan alat pengembangan seperti Claude Code/Cursor. 2. **Apakah Anda Benar-Benar Membutuhkannya?** Pengguna ringan (terjemahan, ringkasan) dapat memanfaatkan kuota gratis dari platform resmi. Pengguna berat (pemrograman) dapat menggunakan pendekatan bertingkat: model kuat untuk desain, model lokal lebih murah untuk implementasi. 3. **Cara Memilih & Menggunakan dengan Aman**: - **Verifikasi**: Uji kualitas model, latensi, dan dokumentasi sebelum mengisi saldo. - **Isolasi**: Gunakan API Key terpisah untuk setiap layanan, kelola melalui variabel lingkungan, atur batas pemakaian. - **Klasifikasi Data**: Ajukan pertanyaan "Apakah data ini aman jika bocor?" sebelum mengirim. Lakukan desensitisasi untuk data semi-sensitif, hindari mengirim data rahasia. - **Perhatian Khusus pada Alat Pemrograman AI** (Cursor, dll.): Alat ini dapat membagikan konteks proyek secara luas. Prioritaskan untuk tugas kode yang independen dan tidak sensitif. - **Pemantauan & Rencana Cadangan**: Pantau pengeluaran, ikuti perkembangan platform, siapkan skema migrasi dengan menggunakan antarmuka yang kompatibel dengan OpenAI. Kesimpulannya, stasiun transit adalah alat, bukan solusi mutlak. Manfaatkan setelah evaluasi kebutuhan, dan kendalikan risikonya melalui langkah-langkah proaktif untuk menjaga keamanan data.

Harga Solana (SOL) anjlok di bawah $65 untuk pertama kalinya sejak akhir 2023, menyentuh level terendah sekitar $60 pada 5 Juni. Tekanan bearish yang kuat di pasar kriptumemengaruhi pergerakannya. Analisis on-chain oleh Ali Martinez menunjukkan bahwa SOL kehilangan dukungan kunci di sekitar $77. Level dukungan kritis berikutnya kini berada di sekitar $53. Jika level ini gagal bertahan, zona dukungan berikutnya yang perlu diperhatikan adalah $35 dan $24. Data menunjukkan sedikit penyangga antara harga saat ini, yang berkisar di $63.23 (dengan penurunan hampir 8% dalam 24 jam terakhir), dan lantai terdekat di $53. Pemulihan apa pun memerlukan kembalinya permintaan di pasar spot, sementara tekanan jual yang berlanjut dapat menguji level-level dukungan yang lebih rendah tersebut.

Makalah rekayasa prompt telah diterima di konferensi ICML 2026, memicu perdebatan luas di komunitas. Makalah ini memperkenalkan metode "Verbalized Sampling" (VS) yang hanya dengan mengubah instruksi prompt, dapat meningkatkan keragaman output model bahasa besar (LLM) dan mengurangi masalah "Mode Collapse". Metode ini meminta model untuk menghasilkan beberapa jawaban sekaligus dan memberikan nilai probabilitas verbal untuk setiap opsi. Penulis berargumen bahwa akar masalah homogenitas output terletak pada bias tipikal dalam data preferensi manusia yang digunakan untuk melatih model, bukan semata-mata pada algoritma. Eksperimen menunjukkan peningkatan keragaman 1.6–2.1 kali dalam tugas kreatif tanpa mengorbankan akurasi atau keamanan. Reaksi di komunitas terbelah. Sebagian meragukan nilai inovasi metode yang "hanya" memodifikasi prompt dan mempertanyakan stabilitas serta generalisasinya. Mereka khawatir tren ini mencerminkan standar publikasi yang longgar. Di sisi lain, pendukung menekankan bahwa penelitian yang solid tidak harus kompleks, selama memiliki dasar teoretis, eksperimen ketat, dan hasil yang dapat direproduksi. Mereka menyamakannya dengan awal metode "Chain-of-Thought" (CoT), yang juga dimulai dari instruksi prompt sederhana namun membuka bidang penelitian baru. Makalah ini menandai pergeseran potensial dalam penelitian ML, di mana teknik pada fase inferensi mendapatkan perhatian setara dengan inovasi pelatihan model.