¿Puede durar el mercado de creación propia de usuarios de Limitless, que permite a cualquiera crear fácilmente mercados de predicción?

Foresight NewsPubblicato 2026-07-02Pubblicato ultima volta 2026-07-02

Introduzione

En el ámbito de las criptomonedas, crear mercados de predicción libres ha sido un desafío persistente, con intentos fallidos como Augur, Omen y Zeitgeist. Estos proyectos enfrentaron problemas de liquidez fragmentada, baja visibilidad de mercados y lentos o controvertidos procesos de resolución. Limitless aborda estos problemas con su nueva función UGM (Mercados Generados por Usuarios). Permite a cualquier usuario crear fácilmente mercados de predicción sobre precios de criptoactivos, utilizando oráculos como Pyth y Chainlink para una resolución automática e instantánea, eliminando disputas. Para evitar mercados inactivos, Limitless implementa un coste en su token LMTS para crear mercados, que se quema, y recompensa a los creadores con el 50% de las tarifas generadas. Esto incentiva mercados de calidad. La plataforma, que ya tiene una base activa de usuarios y un volumen significativo, utiliza un libro de órdenes, eliminando la necesidad de proporcionar liquidez inicial. En resumen, Limitless propone un modelo viable para mercados de predicción abiertos al resolver los históricos problemas de liquidez, descubribilidad y resolución.


Escrito por: Stacy Muur

Compilado por: AIdidiaoJP, Foresight News


En el espacio cripto, permitir que los usuarios creen libremente mercados de predicción ha sido un problema crónico sin resolver. A lo largo de los años, casi todos los que lo han intentado han fracasado.


@trylimitless (Limitless), sin embargo, ha adoptado un enfoque único para enfrentar este desafío. Recientemente, lanzaron la función UGM (Mercados Generados por el Usuario), que permite a cualquier usuario crear sus propios mercados de predicción de precios de criptomonedas. Este es un intento audaz para abordar un dolor de cabeza de larga data en el ámbito de los mercados de predicción.


A continuación, examinamos los intentos previos, las razones del fracaso y cómo Limitless está haciendo que este modelo realmente funcione.


Historia de los mercados de predicción libres con permisos


El primer mercado de predicción libre con permisos fue @AugurProject. Se lanzó en Ethereum en 2018, promocionándose como "cualquiera puede crear un mercado sobre cualquier tema, la multitud pondrá precio a la verdad".



Perfecto en teoría, pero desolador en la práctica. El valor máximo de mercado de su token superó los 170 millones de dólares, pero los usuarios activos diarios eran solo unos 47, y en una semana el número de usuarios ni siquiera llegaba a 115.


Las razones del fracaso fueron crudas y se reforzaban mutuamente:


  • La liquidez se dispersaba entre miles de mercados vacíos (porque cualquiera podía crear un mercado)
  • La liquidación de un mercado requería de 10 a 14 días
  • Los fondos de los usuarios quedaban bloqueados hasta la liquidación
  • Los usuarios tenían que ejecutar su propio nodo de Ethereum antes de poder apostar


Augur no fue un caso aislado. @OmenEth en la cadena Gnosis adoptó un modelo similar y también fue languideciendo. @ZeitgeistPM en Polkadot incluso incluyó tarifas para el creador, pero aún así le costó generar un volumen de negociación sustancial. @ManifoldMarkets logró construir una comunidad genuina con dinero ficticio, llegando a tener miles de usuarios activos diarios, pero tras el declive de la popularidad cayó por debajo de los 900.


Diferentes equipos, diferentes cadenas, pero el mismo resultado final.


Un patrón recurrente


Este patrón aparece una y otra vez, difícil de atribuir a un mero problema de ejecución. Crear algo gratis y sencillo no genera demanda; solo lleva a que la plataforma se inunde de más oferta, y toda esa oferta compite por el mismo pequeño estanque de atención.


Esto fragmenta los mercados de predicción en dos niveles:


Liquidez escasa


La mayoría de los mercados creados por usuarios pronto quedaban en el olvido. En las primeras plataformas AMM (creadores de mercado automatizados), crear un mercado también requería poner dinero propio para proporcionar liquidez inicial, lo que aumentaba el costo.


Descubribilidad deficiente


Como cualquiera podía crear un mercado, pronto aparecían una docena de versiones ligeramente diferentes del mercado "¿Recortará la Fed las tasas en julio?". La liquidez se dispersaba aún más.


Imagina que un usuario abre la aplicación y ve un montón de mercados medio muertos, cada uno con casi ninguna liquidez. ¿Quién querría quedarse?


Fue este mismo problema el que obligó al jugador más grande de la industria a cambiar de rumbo. En 2022, Polymarket pasó a un modelo curado, concentrando la liquidez en unos pocos mercados profundos, con resultados significativos. Pero también abandonó su promesa inicial de creación abierta: la "versión más difícil" de permitir que cualquiera lanzara un mercado fácilmente seguía sin resolverse.


El problema de la liquidación


La liquidez y la descubribilidad ya son bastante difíciles. Si la liquidación no está codificada de forma rígida, la confianza de los usuarios se desmorona.


Una vez que un mercado termina, la plataforma debe decidir cómo liquidarlo. Eventos objetivos como "¿Bitcoin cerrará por encima de $100,000?" son fáciles de manejar; pero aquellos que implican interpretación subjetiva, como si las declaraciones de un político constituyen respaldo a una política específica, son propensos a controversias.


La mayoría de las plataformas resolvían las disputas mediante votación de los poseedores de tokens, con la intención de descentralizar la liquidación. Pero en la práctica, el poder de voto a menudo se concentraba en los mayores tenedores. Y ellos también podían apostar como usuarios normales, lo que les daba potencial para manipular los resultados.


Esto erosionaba la confianza en la imparcialidad de la liquidación, volviendo desde otro ángulo al problema de la liquidez.



El enfoque de Limitless


Cualquier nuevo intento debe superar tres barreras: liquidez escasa, descubribilidad deficiente y liquidación poco confiable. @trylimitless ha hecho elecciones diferentes en estos aspectos.


Centrémonos en la nueva función UGM. Cualquier usuario puede crear un mercado en unos pocos pasos:


  • Elegir un activo
  • Establecer un objetivo de precio (cambio porcentual o precio específico en dólares)
  • Establecer una duración (desde 15 minutos hasta 1 día)
  • Lanzar (requiere poseer tokens LMTS)


A mayor duración del mercado, mayor costo de creación.


Cualquiera puede operar en estos mercados. Al vencimiento, un oráculo obtiene automáticamente el precio del activo y liquida el resultado al instante. Estos mercados se basan en las fuentes de precios en tiempo real de @PythNetwork y @Chainlink, sin necesidad de votaciones, paneles de disputa ni comités.


Los mercados se limitan a tipos objetivos, por ejemplo, "¿Estará SOL por encima del precio X en un momento dado?", donde el contrato inteligente puede liquidar automáticamente en el instante en que el mercado cierra. No se pueden crear mercados que requieran interpretación humana (como resultados electorales o eventos de noticias controvertidos). Limitless deliberadamente limita el alcance a los mercados de precios, ya que es el único tipo que se puede liquidar de manera confiable en segundos cada vez, mientras que otras plataformas a menudo requieren horas o incluso días.


El problema del arranque en frío (cold start) fue la tumba de la mayoría de las plataformas anteriores. Limitless tiene una ventaja aquí:


  • Volumen de negociación acumulado superior a $30 mil millones
  • Volumen de negociación en mayo y junio superior a $12 mil millones
  • Pico de operadores activos mensuales superior a 70,000


Ya tienen una base de operadores considerablemente activa, muy diferente de la de Augur en 2018.


Otra diferencia importante: Limitless utiliza un libro de órdenes (order book) en lugar del modelo AMM temprano. En plataformas como Augur, crear un mercado requería financiar la liquidez inicial. Limitless elimina por completo este paso; los operadores colocan sus propias órdenes de compra y venta, el mercado solo necesita atraerlos.


La parte más ingeniosa es el mecanismo económico para el creador. Crear un mercado cuesta entre 100 y 1000 tokens LMTS, y estos no son reembolsables. Como contrapartida, el creador recibe el 50% de todas las tarifas de transacción generadas por ese mercado.


Por un lado, hay un costo real; por el otro, una recompensa real. El costo disuade eficazmente la proliferación de mercados basura, ya que cada mercado requiere una inversión genuina; la recompensa hace que los mercados realmente activos generen ingresos por tarifas tangibles para sus creadores.


El mecanismo de costo también da utilidad al token LMTS. Cada mercado creado quema tokens LMTS del mercado abierto, vinculando directamente la utilidad del token con la actividad UGM. Cuantos más mercados se creen, mayor será la demanda de LMTS.


Resumen y perspectivas


La evidencia existente apunta claramente en una dirección: todos los intentos anteriores de mercados de predicción libres con permisos, o bien cayeron en disputas de liquidación, o se ahogaron en liquidez muerta, o simplemente abandonaron el modelo abierto por uno curado.


Limitless es el primer diseño que aborda simultáneamente estos tres modos de fracaso.


La liquidación (el problema más espinoso) se evita por completo al apegarse a los mercados de precios con oráculos.


El problema del arranque en frío se mitiga gracias a la base de usuarios activos existente.


La estructura de costo y recompensa de la creación de mercados equilibra los incentivos de ambas partes.


Lo más importante es que estos mercados tienen tiempos de liquidación más cortos, por lo que podremos ver rápidamente si el diseño funciona a escala.


Si funciona, finalmente tendremos un plano viable para los mercados de predicción libres con permisos.


Divulgación: El autor posee una parte de los tokens $LMTS y es usuario de Limitless.

Domande pertinenti

Q¿Por qué fracasaron las plataformas anteriores de mercados de predicción generados por usuarios, como Augur?

ALas plataformas anteriores fracasaron principalmente debido a tres problemas interconectados: la fragmentación de la liquidez (miles de mercados vacíos), la mala descubribilidad (dificultad para encontrar mercados relevantes) y procesos de liquidación lentos y controvertidos que requerían votación y bloqueaban los fondos de los usuarios durante días.

Q¿Cómo aborda Limitless los problemas de liquidez y descubribilidad en sus mercados generados por usuarios (UGM)?

ALimitless aborda estos problemas mediante una base de usuarios activa preexistente (que mitiga el arranque en frío), un modelo de libro de órdenes que elimina la necesidad de que el creador proporcione liquidez inicial, y un mecanismo de coste-beneficio para la creación de mercados (usar y quemar tokens LMTS) que desincentiva el spam y premia a los creadores de mercados populares.

Q¿Qué tipo de mercados de predicación permite crear la función UGM de Limitless y cómo se liquidan?

ALa función UGM de Limitless solo permite crear mercados sobre eventos objetivos de precios de activos (ej. '¿Estará el precio de SOL por encima de X a una hora determinada?'). Se liquidan automáticamente y al instante mediante oráculos como Pyth Network y Chainlink, sin necesidad de votaciones o comités, evitando así controversias en la liquidación.

Q¿Cuál es el incentivo económico para los creadores de mercados en Limitless y cómo afecta al token LMTS?

ALos creadores de mercados en Limitless deben gastar (y quemar) entre 100 y 1000 tokens LMTS no reembolsables para crear un mercado. A cambio, reciben el 50% de todas las tarifas de trading generadas por ese mercado. Este mecanismo crea demanda para el token LMTS y vincula su utilidad directamente con la actividad de la plataforma UGM.

QSegún el artículo, ¿en qué se diferencia fundamentalmente el enfoque de Limitless del de Polymarket?

AMientras Polymarket abandonó el modelo de creación abierta para adoptar un enfoque curado o selectivo (concentrando liquidez en unos pocos mercados profundos), Limitless persiste en el modelo de creación abierta para usuarios, pero con diseños específicos (mercados objetivos de precios, liquidación por oráculo, coste para crear) para resolver los problemas históricos de liquidez, descubribilidad y liquidación.

Letture associate

Major Altcoin Market Players Did This During the Massive Rally!

As the cryptocurrency bull market intensifies, large-scale transactions by crypto 'whales' are drawing significant attention. Blockchain data reveals multi-million dollar positions opened and closed in Bitcoin ($BTC), Ethereum ($ETH), and Hyperliquid ($HYPE). A major investor, likely tied to Matrixport, closed a 40,000 $ETH long position worth ~$100.5M for a $9.9M profit. The investor still holds 80,000 $ETH (~$201M) and 500 $BTC (~$39M), with an unrealized profit of ~$22.9M. This turned their previous $92.5M total loss into an approximate $32.8M overall profit. On Hyperliquid, a trader known as loracle.hl reportedly lost over $70M trading $HYPE in the past three months. The investor currently holds ~$54.88M in $HYPE short positions, at risk of liquidation if $HYPE's price reaches $101.15. Notorious trader Machi Big Brother, who reportedly survived 500 liquidations, capitalized on the recent rally. He grew his portfolio from $152K to $12.72M in just three days, yielding over $12.5M in profit. While $HYPE hits a new all-time high, Multicoin Capital has deposited 427,422 $HYPE (~$31.74M) to Coinbase Prime over three days, raising speculation about a potential sale or portfolio rebalance. In Bitcoin markets, an anonymous whale stands out, selling ~2,700 $BTC (~$211.8M) in a recent transaction. Over three days, this whale sold a total of 7,700 $BTC, valued at approximately $576.6M.

cryptonews.ru20 min fa

Major Altcoin Market Players Did This During the Massive Rally!

cryptonews.ru20 min fa

Goldman Sachs' Summary After Silicon Valley Investigation: Agents Enter the Execution Era, AI Competition Shifts to Workflows, World Models Rise

Based on a recent field research in Silicon Valley, Goldman Sachs highlights a key shift in the AI industry: moving from systems that "answer questions" to autonomous AI agents that "execute tasks." Commercial models are transitioning from per-seat subscriptions to usage- and outcome-based pricing. The competition is shifting from raw model capability to mastery over specific business workflows, with value accruing to proprietary data, domain context, and operational expertise. A major hurdle for enterprise Agent deployment is not technical ability but "controllability"—issues of accountability, auditability, and error correction, especially in regulated fields. Workflows with clear rules, verifiable outcomes, and reversible actions (e.g., invoice processing) are being automated first. The model landscape is evolving toward a division of labor. Frontier models (like GPT-4) are expected to handle high-value, high-reliability core tasks, while improving open-source models will likely capture the majority (~90%) of inference tokens for standardized, high-volume tasks due to cost advantages. Finally, attention is moving from Large Language Models (LLMs) to "World Models," which understand physical environments, causality, and dynamic interactions. This shift elevates the importance of proprietary, real-world data (from industrial, scientific, and robotic systems) and could drive a second wave of compute demand. Goldman Sachs projects compute needs could grow ~24x over five years, benefiting cloud and infrastructure providers.

marsbit1 h fa

Goldman Sachs' Summary After Silicon Valley Investigation: Agents Enter the Execution Era, AI Competition Shifts to Workflows, World Models Rise

marsbit1 h fa

Fidelity Warns: The Boom in AI Agents May Not Be a Feast for Public Blockchains

Fidelity Digital Assets cautions that the anticipated boom in AI agents does not automatically guarantee a corresponding surge in public blockchain adoption or token value. While AI agents that can autonomously perform tasks like payments and data calls could theoretically utilize blockchain for settlement, a significant gap exists between "can use" and "must use." The analysis highlights six key risks. First, many AI agents, especially in corporate settings, may prefer closed, permissioned systems over public blockchains due to needs for speed, cost, compliance, and control. Second, increased on-chain transactions from AI-driven micropayments may not benefit native tokens if fees remain low or if value is captured by stablecoins and payment service providers instead. Third, while AI lowers development costs and increases the number of projects, more code does not equal more economic value and can lead to market oversaturation. Fourth, AI commoditizes coding, making pure technological advantage less of a sustainable moat; competition may shift to brand, liquidity, and user networks. Fifth, AI can also lower the cost of attacks by making vulnerability discovery easier, potentially outpacing security auditing and increasing ecosystem risk. Sixth, institutions may require "controlled blockchain" systems with robust identity, permissioning, and audit trails, conflicting with the permissionless nature of public chains. Ultimately, Fidelity argues against simply equating AI growth with blockchain prosperity. The narrative requires moving from speculation to a concrete analysis of which infrastructures can convert real AI agent needs into sustainable economic value, critically examining each step of the assumed value chain.

marsbit1 h fa

Fidelity Warns: The Boom in AI Agents May Not Be a Feast for Public Blockchains

marsbit1 h fa

Telegram Introduces WEB-Proxy Technology: Masks Traffic as Regular Website Visits

Telegram has introduced a new experimental WEB-Proxy technology designed to circumvent blocking by disguising messenger traffic as regular, secure website visits. Announced on August 21, 2026, the technology routes MTProxy data through an in-app WebView using HTTPS or WebSocket transport, making the data stream indistinguishable from legitimate web surfing. The core innovation is a multiplexed stream sent through a single WebView session. It uses special frame formats to pack multiple logical Telegram connections into one encrypted channel that externally resembles loading a web page. A server-side relay receives this stream, separates it into individual connections for the standard MTProxy, without decrypting content or knowing final destinations, thus preserving privacy. The WEB-Proxy operates on a standard HTTPS domain that also hosts a public website. The proxy bridge page is only activated by a specific URL parameter derived via HMAC-SHA256 from the proxy configuration; all other requests receive the normal site homepage. This provides reliable cover against automated detection systems. Currently a proof-of-concept, the system includes a desktop implementation, an experimental Android client, and plans for iOS support. The technology represents a shift towards more sophisticated integration with legitimate web infrastructure, complicating filtering systems that must choose between blocking HTTPS traffic entirely or allowing service access. Its long-term value will depend on resilience to adaptive traffic analysis and scalability without performance loss.

cryptonews.ru1 h fa

Telegram Introduces WEB-Proxy Technology: Masks Traffic as Regular Website Visits

cryptonews.ru1 h fa

Trading

Spot
活动图片