Kenaikan tajam TOP AI Network (TOP)

Michael Saylor, pendiri MicroStrategy, sering dikritik karena membeli Bitcoin di puncak harga, namun menurut Dylan LeClair dari Metaplanet, ini adalah strategi yang disengaja. LeClair menjelaskan bahwa model treasury Bitcoin bersifat pro-siklus: perusahaan mengumpulkan modal ketika kondisi pasar kuat dan saham mereka kinerjanya baik, sehingga lebih mudah menerbitkan saham dan mengonversinya menjadi Bitcoin. MicroStrategy tidak sengaja membeli di harga tinggi, tetapi memanfaatkan peluang pendanaan optimal. Perusahaan kini beralih ke instrumen seperti penawaran ekuitas preferen (STRC) untuk mengumpulkan modal bahkan saat Bitcoin lemah. Ini memungkinkan mereka terus mengakumulasi BTC dalam berbagai kondisi pasar. MicroStrategy disebut sebagai pembeli marginal terbesar Bitcoin, bahkan melebihi gabungan semua ETF, sekaligus memperkuat struktur modalnya.

Michael Lerch, investor Amerika yang kontroversial, menjadi pusat perhatian di pasar modal Jepang melalui dana Evo miliknya. Ia mengkhususkan diri dalam instrumen pendanaan "spiral kematian" (warrant harga exercisable mengambang) yang memberikan suntikan dana cepat bagi perusahaan kecil yang tertekan, namun berisiko tinggi mengencerkan nilai saham dan menekan harga saham pemegang saham lama, terutama retail. Lerch, lulusan Princeton yang tiba di Jepang tahun 1990-an, membangun kerajaan finansialnya dengan strategi arbitrase. Bisnisnya meledak pada tahun 2025 setelah kliennya, Metaplanet, menggunakan dana dari Evo senilai lebih dari 2 triliun yen untuk membeli Bitcoin dalam jumlah besar, mendorong kenaikan harga saham yang spektakuler. Evo mendominasi 80% lebih dari pasar warrant jenis ini, dengan nilai transaksi melebihi 1 triliun yen tahun lalu. Meski dianggap penyelamat oleh beberapa perusahaan seperti Sansho Foods, Lerch juga dikritik karena model bisnisnya yang dianggap rakus dan merugikan. Kasus di pengadilan London dan tuntutan hukum di Jepang mengungkap gaya berbisnisnya yang agresif. Keberhasilannya menyoroti dilema perusahaan kecil Jepang yang membutuhkan pendanaan darurat namun harus menyeimbangkan risiko bagi pemegang saham retail.

Analis kripto The Composite Trader (TCT) memprediksi token meme PEPE berpotensi mengalami reli besar menuju level $0.004 berdasarkan model distribusi TCT. Meski demikian, ia menekankan bahwa ini bukan skenario yang mutlak, dan harga masih mungkin mencari level tinggi lebih dulu sebelum berbalik turun ke $0.0038. Analis lain, Sweep, menyebut PEPE hanya berjarak beberapa hari dari pergerakan besar, didukung akumulasi oleh paus kripto. Saat ini, harga PEPE turun 3% menjadi sekitar $0,000003764, namun optimisme muncul seiring pemulihan pasar dan sentimen akhir perang AS-Iran.

Harga Bitcoin sempat jatuh di bawah $60.000, level terendah sejak 2024, karena tekanan bearish yang kuat. Seorang analis kripto terkenal di X, CryptoCon, yang sebelumnya menjual Bitcoin di puncak siklus, memproyeksikan harga bisa turun lebih dalam. Berdasarkan indikator "Bear Bands"-nya, harga Bitcoin telah menembus di bawah "First Low Bear Band". Penutupan di bawah level ini berpotensi mengarah ke penurunan menuju "Second Low Bear Band" sekitar $44.500. Namun, target dasar siklus diperkirakan ada di "Third Low Bear Band", sekitar $28.500, yang secara historis menjadi area sebelum siklus bullish baru dimulai. Analis tersebut memperkirakan Bitcoin mungkin mencapai $44.500 antara Agustus-Oktober, kemudian mencapai dasar sekitar $28.500 antara November 2026 dan Januari 2027. Penurunan ke $28.500 akan berarti penurunan 77% dari rekor tertinggi Bitcoin. Saat ini, harga Bitcoin diperdagangkan sekitar $61.850, turun lebih dari 15% dalam sepekan terakhir.

Seseorang pengembang individu berhasil masuk ke peringkat teratas Hugging Face Models Trending di tengah perusahaan-perusahaan besar. Dua modelnya, yang dikembangkan dari Gemma4-12B dengan format GGUF, mengungguli model dari perusahaan seperti Zhipu (GLM-5.2) dan Baidu (Unlimited-OCR), dengan total unduhan melebihi 700 ribu. Model tersebut adalah luyuxin-gemma-4-12b-it-reasoning-v1 (Coder) dan v2 (agentic). Mereka dirancang untuk berjalan secara lokal dengan sumber daya rendah (mulai 4.5GB memori), menawarkan kemampuan pemrograman dan penalaran yang didistilasi dari data Fable 5 dan Composer 2.5. Penekanannya adalah pada privasi dan akses gratis. Penulisnya, Lu Yuxin, adalah seorang mahasiswa pascasarjana AI yang membiayai proyek ini secara mandiri. Ia menghabiskan 40 jam lebih untuk pemrosesan data dan pelatihan menggunakan satu RTX 5090. Menurutnya, kunci keberhasilannya adalah fokus pada kualitas data dan menyelesaikan masalah spesifik pengguna secara tulus, berbeda dengan tujuan perusahaan besar yang lebih luas. Ia juga menekankan pentingnya kejujuran tentang kemampuan model dan ketekunan menghadapi tantangan dalam proyek sumber terbuka.