Laporan Detail Pencurian Cryptocurrency, Hanya Dijual Seharga $105 di Dark Web

marsbitОпубликовано 2025-12-29Обновлено 2025-12-29

Введение

Laporan ini mengungkap rincian pencurian data kripto yang dijual di web gelap hanya dengan $105. Serangan phishing tidak hanya mencuri kredensial melalui tautan palsu, tetapi data tersebut langsung menjadi komoditas yang diperjualbelikan di pasar bawah tanah. Data dikumpulkan melalui tiga metode utama: pengiriman email, bot Telegram, dan panel admin otomatis seperti BulletProofLink. Data yang dicuri mencakup informasi kartu kredit, akun perbankan digital, kredensial akun online, nomor telepon, data identitas pribadi, hingga data biometrik. Sebanyak 88,5% serangan bertujuan mencuri kredensial akun online. Data ini kemudian dijual dalam bentuk paket di pasar gelap, diklasifikasikan, divalidasi, dan dihargai berdasarkan nilai akun. Data lama tetap berbahaya karena dapat digunakan untuk serangan bertarget seperti "whaling" terhadap eksekutif perusahaan. Penting untuk menggunakan kata sandi unik, mengaktifkan autentikasi dua faktor, memantau jejak digital, dan segera mengambil tindakan jika menjadi korban.

Penulis: Olga Altukhova Editor: far@Centreless

Kompilasi: Centreless X(Twitter)@Tocentreless

Serangan phishing tipikal biasanya melibatkan pengguna mengklik tautan penipuan dan memasukkan kredensial mereka di situs web palsu. Namun, serangan tidak berakhir di sini. Begitu informasi rahasia jatuh ke tangan penjahat cyber, informasi itu segera menjadi komoditas, memasuki "jalur perakitan" pasar dark web.

Dalam artikel ini, kami akan melacak jalur aliran data yang dicuri: dari pengumpulan data melalui berbagai alat (seperti bot Telegram dan panel admin tingkat lanjut), hingga penjualan data dan penggunaannya selanjutnya untuk serangan baru. Kami akan mengeksplorasi bagaimana nama pengguna dan kata sandi yang pernah bocor diintegrasikan ke dalam profil digital yang luas, dan mengapa data yang bocor bahkan bertahun-tahun yang lalu masih dapat digunakan oleh penjahat untuk melakukan serangan yang ditargetkan.

Mekanisme pengumpulan data dalam serangan phishing Sebelum melacak ke mana data yang dicuri pergi selanjutnya, kita perlu memahami bagaimana data ini meninggalkan halaman phishing dan sampai ke tangan penjahat cyber.

Melalui analisis halaman phishing nyata, kami mengidentifikasi metode transmisi data yang paling umum berikut:

  • Dikirim ke alamat email
  • Dikirim ke bot Telegram
  • Diunggah ke panel admin

Perlu disebutkan bahwa penyerang terkadang memanfaatkan layanan legal untuk mengumpulkan data, agar server mereka lebih sulit dideteksi. Misalnya, mereka mungkin menggunakan layanan formulir online seperti Google Formulir, Microsoft Formulir, dll. Data yang dicuri juga dapat disimpan di GitHub, server Discord, atau situs web lainnya. Namun, untuk memudahkan analisis ini, kami akan fokus pada metode pengumpulan data utama yang disebutkan di atas.

Email

Data yang dimasukkan oleh korban dalam formulir HTML halaman phishing, dikirim melalui skrip PHP ke server penyerang, yang kemudian meneruskannya ke alamat email yang dikendalikan penyerang. Namun, karena layanan email memiliki banyak batasan — seperti penundaan pengiriman, penyedia hosting yang dapat memblokir server pengirim, dan ketidaknyamanan operasional saat menangani data dalam jumlah besar — metode ini semakin berkurang.

Konten phishing kit

Sebagai contoh, kami pernah menganalisis sebuah phishing kit (perangkat phishing) yang menargetkan pengguna DHL. Di dalamnya, file index.php berisi formulir phishing untuk mencuri data pengguna (dalam hal ini alamat email dan kata sandi).

Formulir phishing yang meniru situs web DHL

Informasi yang dimasukkan korban kemudian dikirim melalui skrip dalam file next.php ke alamat email yang ditentukan dalam file mail.php.

Konten skrip PHP

Bot Telegram

Berbeda dengan metode di atas, skrip yang menggunakan bot Telegram akan menentukan URL API Telegram yang berisi token bot (bot token) dan ID Obrolan (Chat ID) yang sesuai, bukan alamat email. Dalam beberapa kasus, tautan ini bahkan dikodekan langsung (hardcoded) dalam formulir HTML phishing. Penyerang akan merancang templat pesan yang detail, yang secara otomatis dikirim ke bot setelah data berhasil dicuri. Contoh kodenya adalah sebagai berikut:

Cuplikan kode untuk pengiriman data

Dibandingkan dengan mengirim data melalui email, menggunakan bot Telegram memberikan fungsionalitas yang lebih kuat bagi phisher, sehingga metode ini semakin populer. Data dikirimkan ke bot secara real-time, dan segera memberi tahu operator. Penyerang sering menggunakan bot sekali pakai, yang lebih sulit dilacak dan diblokir. Selain itu, kinerjanya tidak bergantung pada kualitas layanan hosting halaman phishing.

Panel Admin Otomatis

Penjahat cyber yang lebih berpengalaman akan menggunakan perangkat lunak khusus, termasuk kerangka kerja komersial seperti BulletProofLink dan Caffeine, yang biasanya disediakan dalam bentuk "Platform as a Service" (PaaS). Kerangka kerja ini menyediakan antarmuka web (dashboard) untuk kampanye phishing, memudahkan manajemen terpusat.

Semua data yang dikumpulkan oleh halaman phishing yang dikendalikan penyerang, akan dikumpulkan ke dalam database terpadu, dan dapat dilihat serta dikelola melalui antarmuka akun mereka.

Mengirim data ke panel admin

Panel admin ini digunakan untuk menganalisis dan memproses data korban. Fungsionalitas spesifik bervariasi tergantung pada opsi kustomisasi panel, tetapi sebagian besar dashboard biasanya memiliki kemampuan berikut:

  • Statistik real-time dengan klasifikasi: Melihat jumlah serangan berhasil berdasarkan waktu, negara, dan mendukung penyaringan data
  • Verifikasi otomatis: Beberapa sistem dapat secara otomatis memverifikasi kevalidan data yang dicuri, seperti informasi kartu kredit atau kredensial login
  • Ekspor data: Mendukung pengunduhan data dalam berbagai format, memudahkan penggunaan atau penjualan selanjutnya

Contoh panel admin

Panel admin adalah alat kunci bagi kelompok kejahatan cyber yang terorganisir.

Perlu dicatat bahwa satu kampanye phishing sering kali menggunakan beberapa metode pengumpulan data di atas secara bersamaan.

Jenis Data yang Diincar Penjahat Cyber

Data yang dicuri melalui serangan phishing, nilai dan penggunaannya bervariasi. Di tangan penjahat, data ini adalah sarana untuk menghasilkan keuntungan, dan juga alat untuk melaksanakan serangan multi-tahap yang kompleks.

Berdasarkan penggunaannya, data yang dicuri dapat dibagi menjadi beberapa kategori berikut:

  • Monetisasi instan: Menjual data mentah secara massal langsung, atau langsung mencuri dana dari rekening bank atau dompet elektronik korban
  1. Informasi kartu bank: Nomor kartu, tanggal kedaluwarsa, nama pemegang kartu, kode CVV/CVC
  2. Akun bank online dan dompet elektronik: Nama login, kata sandi, serta kode verifikasi autentikasi dua faktor (2FA) sekali pakai
  3. Akun yang terikat kartu bank: Seperti kredensial login untuk toko online, layanan berlangganan, atau sistem pembayaran seperti Apple Pay/Google Pay
  • Digunakan untuk serangan lanjutan untuk monetisasi lebih lanjut: Memanfaatkan data yang dicuri untuk melancarkan serangan baru, mendapatkan lebih banyak keuntungan
  1. Kredensial berbagai akun online: Nama pengguna dan kata sandi. Perlu dicatat bahwa bahkan tanpa kata sandi, hanya dengan email atau nomor telepon yang digunakan sebagai nama login, sudah memiliki nilai bagi penyerang
  2. Nomor telepon: Digunakan untuk penipuan telepon (seperti meminta kode verifikasi 2FA) atau melakukan phishing melalui aplikasi pesan instan
  3. Informasi identitas pribadi: Nama lengkap, tanggal lahir, alamat, dll., sering digunakan untuk serangan social engineering
  • Digunakan untuk serangan tepat sasaran, pemerasan, pencurian identitas, dan deepfake
  1. Data biometrik: Suara, gambar wajah
  2. Pindaian dokumen pribadi dan nomornya: Paspor, SIM, kartu jaminan sosial, nomor wajib pajak, dll.
  3. Foto selfie memegang dokumen: Digunakan untuk aplikasi pinjaman online dan verifikasi identitas
  4. Akun perusahaan: Digunakan untuk serangan yang ditargetkan pada bisnis

Kami menganalisis serangan phishing dan penipuan yang terjadi antara Januari dan September 2025, untuk menentukan jenis data yang paling sering menjadi sasaran penjahat. Hasilnya menunjukkan: 88,5% serangan bertujuan untuk mencuri kredensial berbagai akun online, 9,5% menargetkan informasi identitas pribadi (nama, alamat, tanggal lahir), dan hanya 2% yang berfokus pada pencurian informasi kartu bank.

Menjual Data di Pasar Dark Web

Selain digunakan untuk serangan real-time atau monetisasi instan, sebagian besar data yang dicuri tidak langsung digunakan. Mari kita lihat lebih dalam jalur alirannya:

1. Data Dijual dalam Kemasan (Bundel)

Data diintegrasikan dan dijual dalam bentuk "data paket" (dumps) di pasar dark web — paket terkompresi ini biasanya berisi jutaan catatan dari berbagai serangan phishing dan pembocoran data. Satu paket data dapat dijual serendah $50. Pembeli utama seringkali bukan penipu aktif, melainkan analis data dark web, yang merupakan mata rantai selanjutnya dalam rantai pasokan.

2. Klasifikasi dan Verifikasi

Analis data dark web akan menyaring data berdasarkan jenis (akun email, nomor telepon, informasi kartu bank, dll.), dan menjalankan skrip otomatis untuk memverifikasi. Ini termasuk memeriksa kevalidan data dan potensi penggunaan ulangnya — misalnya, apakah satu set nama pengguna dan kata sandi Facebook tertentu juga dapat digunakan untuk login ke Steam atau Gmail. Karena kebiasaan pengguna menggunakan kata sandi yang sama di banyak situs web, data yang dicuri dari suatu layanan beberapa tahun lalu mungkin masih berlaku untuk layanan lain hari ini. Akun yang telah diverifikasi dan masih dapat login normal dijual dengan harga lebih tinggi.

Analis juga akan mengaitkan dan mengintegrasikan data pengguna dari peristiwa serangan yang berbeda. Misalnya, kata sandi bocor dari media sosial lama, kredensial login yang diperoleh dari formulir phishing yang meniru portal pemerintah, dan nomor telepon yang ditinggalkan di situs web penipuan, semuanya dapat dikompilasi menjadi profil digital lengkap tentang pengguna tertentu.

3. Dijual di Pasar Khusus

Data yang dicuri biasanya dijual melalui forum dark web dan Telegram. Yang terakhir sering digunakan sebagai "toko online", menampilkan harga, ulasan pembeli, dll.

Penawaran data media sosial, seperti yang ditampilkan di Telegram

Harga akun sangat bervariasi, tergantung pada banyak faktor: usia akun, saldo, metode pembayaran yang terikat (kartu bank, dompet elektronik), apakah autentikasi dua faktor (2FA) diaktifkan, dan popularitas platform layanannya. Misalnya, akun e-niaga yang terikat email, mengaktifkan 2FA, memiliki riwayat penggunaan panjang dan catatan pesanan yang banyak, akan memiliki harga jual yang lebih tinggi; untuk akun game seperti Steam, catatan pembelian game yang mahal akan meningkatkan nilainya; sedangkan data perbankan online yang melibatkan akun dengan saldo tinggi dan dari bank yang kredibel, memiliki premi yang signifikan.

Tabel berikut menunjukkan contoh harga berbagai jenis akun yang ditemukan di forum dark web per 2025*.

4. Seleksi Target Bernilai Tinggi dan Serangan Tertarget

Penjahat sangat memperhatikan target bernilai tinggi — yaitu pengguna yang menguasai informasi penting, seperti eksekutif perusahaan, akuntan, atau administrator sistem IT.

Ambil contoh skenario serangan "paus" (whaling) yang mungkin: Perusahaan A mengalami pembocoran data, yang berisi informasi seorang karyawan yang pernah bekerja di sana, yang sekarang menjadi eksekutif di Perusahaan B. Penyerang melalui analisis intelijen sumber terbuka (OSINT) mengonfirmasi bahwa pengguna ini saat ini bekerja di Perusahaan B. Kemudian, mereka dengan hati-hati memalsukan email phishing yang seolah-olah berasal dari CEO Perusahaan B kepada eksekutif tersebut. Untuk meningkatkan kredibilitas, email bahkan mengutip beberapa fakta tentang pengguna di perusahaan sebelumnya (tentu saja, teknik serangan tidak hanya ini). Dengan mengurangi kewaspadaan korban, penjahat memiliki kesempatan untuk lebih jauh menyusupi Perusahaan B.

Perlu dicatat bahwa serangan tertarget seperti ini tidak terbatas pada ranah perusahaan. Penyerang juga mungkin mengincar individu dengan saldo rekening bank yang tinggi, atau pengguna yang memegang dokumen pribadi penting (seperti file yang diperlukan untuk aplikasi pinjaman mikro).

Pelajaran Penting

Aliran data yang dicuri seperti jalur perakitan yang berjalan efisien, setiap informasi menjadi barang dengan harga yang jelas. Serangan phishing saat ini telah banyak mengadopsi sistem yang beragam untuk mengumpulkan dan menganalisis informasi sensitif. Data begitu dicuri, dengan cepat mengalir ke bot Telegram atau panel admin penyerang, kemudian diklasifikasikan, diverifikasi, dan dimonetisasi.

Kita harus menyadari dengan jelas: sekali data bocor, itu tidak akan hilang begitu saja. Sebaliknya, data akan terus terakumulasi, terintegrasi, dan dapat digunakan berbulan-bulan atau bahkan bertahun-tahun kemudian untuk melakukan serangan tepat sasaran, pemerasan, atau pencurian identitas terhadap korban. Dalam lingkungan cyber saat ini, tetap waspada, mengatur kata sandi unik untuk setiap akun, mengaktifkan autentikasi multi-faktor, dan memantau jejak digital sendiri secara teratur, bukan lagi sekadar saran, tetapi kebutuhan untuk bertahan hidup.

Jika Anda tidak menjadi korban serangan phishing, harap ambil langkah-langkah berikut:

  1. Jika informasi kartu bank bocor, segera hubungi bank untuk membatalkan dan membekukan kartu.
  2. Jika kredensial akun dicuri, segera ubah kata sandi akun tersebut, dan ubah secara sinkron semua layanan online lain yang menggunakan kata sandi yang sama atau mirip. Pastikan untuk mengatur kata sandi unik untuk setiap akun.
  3. Aktifkan autentikasi multi-faktor (MFA/2FA) di semua layanan yang mendukung.
  4. Periksa riwayat login akun Anda, hentikan sesi yang mencurigakan.
  5. Jika akun pesan instan atau media sosial Anda dicuri, segera beri tahu teman dan keluarga, ingatkan mereka untuk waspada terhadap informasi penipuan yang dikirim atas nama Anda.
  6. Gunakan layanan profesional (seperti Have I Been Pwned, dll.) untuk memeriksa apakah data Anda muncul dalam peristiwa pembocoran data yang diketahui.
  7. Waspada tinggi terhadap setiap email, telepon, atau informasi penawaran yang tidak terduga — mereka terlihat kredibel kemungkinan besar karena penyerang sedang memanfaatkan data bocor Anda.

Связанные с этим вопросы

QBagaimana data yang dicuri dari serangan phishing biasanya dikumpulkan oleh penyerang?

AData yang dicuri dari serangan phishing biasanya dikumpulkan melalui tiga cara utama: dikirim ke alamat email penyerang, dikirim ke bot Telegram, atau diunggah ke panel administrasi. Penyerang juga kadang menggunakan layanan legal seperti formulir Google atau Microsoft untuk menyamarkan aktivitas mereka.

QMengapa penggunaan bot Telegram semakin populer dibandingkan email untuk mengumpulkan data korban?

APenggunaan bot Telegram lebih populer karena memberikan notifikasi real-time, lebih sulit dilacak dan diblokir, kinerjanya tidak tergantung pada kualitas layanan hosting halaman phishing, dan memungkinkan penyerang menggunakan bot sekali pakai yang lebih aman.

QJenis data apa yang paling sering ditargetkan oleh penjahat siber dalam serangan phishing menurut analisis tahun 2025?

AMenurut analisis periode Januari hingga September 2025, 88,5% serangan phishing bertujuan mencuri kredensial akun online berbagai jenis, 9,5% menargetkan informasi identitas pribadi (nama, alamat, tanggal lahir), dan hanya 2% yang berfokus pada informasi kartu bank.

QBagaimana proses yang dilakukan oleh analis data di dark web terhadap data yang dicuri sebelum dijual?

AAnalis data di dark web akan menyaring data berdasarkan jenis (akun email, nomor telepon, info kartu bank, dll.), menjalankan skrip otomatis untuk memvalidasi keabsahan data, memeriksa potensi penggunaan ulang (seperti kata sandi yang sama di layanan lain), dan mengompilasi data dari berbagai sumber untuk membuat profil digital lengkap pengguna.

QApa yang harus dilakukan jika menjadi korban pencurian data melalui phishing?

AJika menjadi korban, segera hubungi bank untuk memblokir kartu jika informasi bank bocor, ubah kata sandi untuk semua akun yang menggunakan sandi serupa dan gunakan kata sandi unik untuk setiap layanan, aktifkan autentikasi multifaktor (MFA/2FA), periksa riwayat login akun, beri tahu teman dan keluarga jika akun media sosial dicuri, gunakan layanan seperti 'Have I Been Pwned' untuk memeriksa kebocoran data, dan tetap waspada terhadap email, panggilan telepon, atau penawaran mencurigakan.

Похожее

Загадочная модель «Ox Alpha» набирает популярность, временно доступна бесплатно

В сообществе больших языковых моделей набирает популярность практика анонимного тестирования. Недавно на OpenRouter появилась анонимная модель Ox Alpha (прозванная в китайском интернете «Приходи, бык»). Она предлагает контекст в 1 млн токенов, поддерживает ввод текста, изображений и видео, умеет вызывать инструменты и пока полностью бесплатна. Модель привлекла внимание благодаря впечатляющим способностям в программировании. В тестах на наборе задач DeepSWE, проверяющих навыки реальной инженерной разработки, Ox Alpha показала результат около 80% (по данным одного теста), что приближает её к ведущим специализированным код-моделям. Аналитики предполагают, что за анонимной моделью может стоять компания Zhipu AI, а именно её готовящаяся к выпуску модель GLM-5.3 Flash или её мультимодальная версия. В качестве доказательств приводятся совпадения в работе видеоэнкодера и токенизатора текста с моделями GLM, а также схожий стиль ответов. Параллельно на другой платформе, Code Arena, появилась ещё одна анонимная модель — korrine. Её происхождение ещё более загадочно: высказываются предположения, что это может быть Kimi K3.1, Qwen или MiMo V3. Анонимное тестирование позволяет проводить объективную оценку моделей без влияния бренда, служит стресс-тестом перед релизом и становится эффективным маркетинговым инструментом, поддерживающим интерес и обсуждения.

marsbit49 мин. назад

Загадочная модель «Ox Alpha» набирает популярность, временно доступна бесплатно

marsbit49 мин. назад

Главный инвестиционный директор Bitwise Мэтт: Если у вас сейчас 0% крипто-активов, это означает, что вы активно смотрите на рынок вниз

Мэтт Хауган, главный инвестиционный директор Bitwise Asset Management, в интервью Milk Road подчеркивает, что несмотря на падение крипторынка на 50% с пиков, Уолл-стрит усиливает вовлеченность. Ключевые тезисы: **Основные инсайты:** * **0% криптоаллокации — это активный медвежий взгляд.** При глобальной капитализации акций в ~$110 трлн и крипто в $2.5 трлн нейтральный вес должен составлять около 2%. Отсутствие позиции — это сознательное решение против рынка. * **Медвежий рынок умирает в апатии.** BTC перестал реагировать на плохие новости (продажи Майкла Сэйлора, проблемы с AI-акциями, задержки CLARITY Act), что сигнализирует об исчерпании продавцов. * **Институции перестраиваются на долгосрочную перспективу.** Крупные управляющие (Wells Fargo, UBS, Morgan Stanley) рассматривают крипто как формирующийся класс активов на 10 лет, не фокусируясь на краткосрочной волатильности. Morgan Stanley одобрил Solana ETF именно на спаде рынка. * **Движение к токенизации активов не остановить.** BlackRock анонсировал токенизированные фонды на блокчейне в неделю задержки голосования по CLARITY Act. Регуляторы отстают, но спрос и экономическая логика (24/7 торговля, глобальный доступ) движут процессом. **Инвестиционные советы:** * **Волшебные 5%.** Аллокация до 5% в криптоактивы исторически давала значительный прирост доходности портфеля почти без увеличения общей волатильности («бесплатный обед»). * **DCA vs единовременная покупка.** DCA (усреднение стоимости) — это поведенческая страховка от панических продаж. Но с точки зрения абсолютной доходности, учитывая потенциал роста, оправдано ускоренное построение позиции. * **Видение по ETH.** Целевая цена Bitwise для Ethereum — $8000, основанная на его лидирующей позиции в токенизации и экосистеме стейблкоинов. **Вывод:** Рынок переходит в новую фазу, где институциональное принятие и развитие базовых технологий (токенизация RWA, цепи) становятся более важными драйверами, чем краткосрочные ценовые движения или политическая неопределенность.

marsbit56 мин. назад

Главный инвестиционный директор Bitwise Мэтт: Если у вас сейчас 0% крипто-активов, это означает, что вы активно смотрите на рынок вниз

marsbit56 мин. назад

Только что стартовал первый в мире теннисный матч человек-робот. Робот совершил невероятное спасение мяча, ошеломив Чжэн Цзе

Глобальный первый в истории теннисный матч «человек против робота» стартовал на 2-м Всемирном спортивном фестивале человекоподобных роботов. Китайский робот Galaxy AI от компании Galaxy General столкнулся с известной теннисисткой Чжэн Цзе. В ходе одиночного и парного матчей робот продемонстрировал навыки подачи, ударов справа и слева, активного перемещения по корту и даже встал после падения, вызвав всеобщее восхищение. Эта игра знаменует собой прорыв в развитии воплощенного искусственного интеллекта (embodied AI) в Китае. В отличие от игр в шахматы или го, таких как AlphaGo, теннис представляет собой экстремальный стресс-тест в физическом мире, требуя от системы способности к восприятию, принятию решений, управлению движением всего тела и динамическому взаимодействию в режиме реального времени за доли секунды. Ключом к успеху робота является его автономная разработка — крупная модель воплощенного интеллекта «Galaxy Astrabrain». Её инновационная архитектура интегрирует «мозг» (понимание задач и тактическое принятие решений) и «мозжечок» (высокодинамичное управление движениями всего тела) в единую модель, устраняя задержки и потери информации при передаче между слоями. Модель обучалась в два этапа: сначала на «неидеальных» данных о движениях человека-теннисиста для получения базовых представлений, а затем в огромном масштабе в симулированной среде, где множество агентов играли друг с другом. В процессе этого виртуального противоборства и самостоятельного совершенствования у модели проявились навыки, которым её изначально не обучали, например, выполнение растяжек для спасения мяча или подъем после падения. Момент «AstraTennis» символизирует выход ИИ из цифровой сферы в физический мир, демонстрируя способность замкнуть цикл от восприятия и познания до принятия решений и физического выполнения задач. Это знаменует собой важную веху на пути к новому этапу сосуществования кремниевых и углеродных систем, где китайские технологии начинают играть ведущую роль в создании чудес.

marsbit1 ч. назад

Только что стартовал первый в мире теннисный матч человек-робот. Робот совершил невероятное спасение мяча, ошеломив Чжэн Цзе

marsbit1 ч. назад

Срочно, DeepSeek объявляет круглосуточные тарифы на выходных. Теперь работать в выходные выгоднее?

Внезапно DeepSeek объявил об изменении тарифной политики для своего API: с 23 августа все субботы и воскресенья будут считаться периодом «низкого» тарифа, независимо от времени суток. Ранее тарифы делились на пиковые (до 2 раз дороже) и непиковые периоды. Это решение вызвало бурную реакцию. Для разработчиков это выгодно — они могут перенести ресурсоемкие задачи на выходные, чтобы значительно снизить затраты. В соцсетях пользователи уже шутят о том, чтобы выполнять недельную работу за два выходных дня. Однако среди работников появилось беспокойство: не начнут ли компании, стремясь к экономии, пересматривать графики работы? Уже есть примеры из индустрии коротких видео и сообщения от программистов о том, что их компании вводят работу по выходным или сдвигают обеденные перерывы, чтобы использовать более дешевые тарифные периоды на AI-вычисления. Хотя такой подход потенциально снижает прямые расходы на вычисления, многие задаются вопросом о скрытых издержках — например, на координацию команд в нестандартное время. Причины изменения тарифов остаются предметом спекуляций. Одна из версий гласит, что пиковые цены соответствуют времени, когда DeepSeek тренирует собственные модели, а на выходных сотрудники не работают, поэтому цены снижены. Скептики отмечают, что процесс обучения моделей высокоавтоматизирован и не должен зависеть от рабочего графика людей. Новые правила уже вступили в силу. Остается открытым вопрос, насколько широко компании адаптируют свои рабочие процессы под эту новую экономическую реальность.

marsbit1 ч. назад

Срочно, DeepSeek объявляет круглосуточные тарифы на выходных. Теперь работать в выходные выгоднее?

marsbit1 ч. назад

AI-платежи: главный тёмный конь — возможно, это Coinbase, который дал агенту кошелек

**Coinbase как «тёмная лошадка» в сфере платежей для ИИ** В то время как большинство обсуждает будущее платежей для AI-агентов между традиционными системами (Visa, Stripe) и стабильными монетами, данные Coinbase показывают иной расклад. По их информации, более 90% транзакций блокчейн-агентов происходит в сети Base (собственный L2 Coinbase), 99% коммерческих сделок агентов осуществляются в USDC, а 97% используют протокол x402. Это делает Coinbase ключевым оператором платежей для агентов. Февраль 2026: Coinbase представил Agentic Wallets — инфраструктуру, дающую агентам собственный цифровой кошелёк и финансовую идентичность. Это фундаментально отличается от подхода Visa или Stripe, которые лишь подключают агентов к существующим платежным сетям. Агент получает автономный адрес для хранения средств (в основном USDC) и совершения транзакций по заданным правилам. Ключевая причина такого подхода — природа взаимодействий между агентами: микроплатежи, высокая частота, полная автоматизация. Традиционные карты неэффективны из-за высоких комиссий, необходимости постоянного ручного подтверждения и сложности с определением ответственной стороны. Собственный кошелёк на блокчейне решает эти проблемы. Coinbase создал полный цикл для таких платежей: сеть Base, протокол x402, кошельки Agentic Wallets и активы (USDC, cbBTC). Это обеспечивает бесшовный опыт, хотя и создаёт зависимость от одной экосистемы. Успех Coinbase во многом стал результатом долгосрочных инвестиций в базовую блокчейн-инфраструктуру (Base, протоколы, инструменты разработчика) ещё до бума экономики агентов. Когда спрос возник, их решения оказались готовы. Вывод: практическое внедрение платежей для ИИ определяется не только борьбой стандартов, но и доступностью готовой к использованию инфраструктуры. Coinbase, имея такую инфраструктуру, первой захватила значительную долю этого нового рынка.

marsbit2 ч. назад

AI-платежи: главный тёмный конь — возможно, это Coinbase, который дал агенту кошелек

marsbit2 ч. назад

Торговля

Спот
活动图片