Цены L1 обвалились в 2025 году, но фундаментальные показатели остались крепкими – Что изменилось?

ambcryptoОпубликовано 2025-12-26Обновлено 2025-12-26

Введение

В 2025 году цены на токены Layer-1 (L1) резко упали: Ethereum -15,3%, Solana -35,9%, Avalanche и Sui потеряли около 67%, а TON упал на 73,8%. Только BNB и TRX показали рост. Однако фундаментальные показатели остались сильными. Доходы сетей были концентрированы: Tron заработал $3,5 млрд, Ethereum — $305,3 млн, Solana — $206,8 млн. Генерация комиссий также оставалась высокой: Solana лидировала с $699,9 млн. Активность пользователей не снизилась: BNB Chain — 59,8 млн адресов, Solana — 39,8 млн. Это указывает на рецензирование, а не на структурный спад, поскольку капитал перетек в сети с реальной полезностью.

L1 в этом году были абсолютно раздавлены. Цены резко обвалились, но действительно ли это конец?

Анализ, опубликованный 25 декабря Schizoxbt, показал серьезное отставание в производительности основных токенов Layer-1. Статус крупной капитализации дал мало защиты, поскольку многие сети показали крутые годовые просадки.

Ethereum завершил год с падением на 15,3%, в то время как Solana за тот же период упала на 35,9%. Avalanche и Sui снизились на 67,9% и 67,3% соответственно, что отражает устойчивое давление в сторону снижения.

TON зафиксировал самое резкое падение, снизившись на 73,8% в течение 2025 года. Только BNB и TRX показали рост, увеличившись на 18,2% и 9,8% соответственно, на фоне общей слабости.

Данные подтвердили суровый урок для инвесторов. Одна только рыночная капитализация не гарантировала устойчивости в условиях избегания риска провайдерами.

Но ценовое действие рассказало часть истории.

Доходы и комиссии: Действительно ли монетизация сети ослабла?

Хотя цены токенов упали, данные о доходах в сети показали заметно иную картину. Данные Token Terminal показали, что активность оставалась сильно сконцентрированной среди нескольких сетей Layer-1.

Tron лидировал среди всех Layer-1 по доходам, заработав примерно $3,5 млрд за последние 365 дней. За ним следовал Ethereum с $305,3 млн, в то время как Solana заработала примерно $206,8 млн за тот же период.

Генерация комиссий показала аналогичную картину. Solana лидировала по комиссиям с $699,9 млн, в то время как Ethereum зафиксировал совокупные комиссии в размере $549,3 млн.

BNB Chain также оставался экономически значимым, генерируя $260,3 млн в виде комиссий, несмотря на вялое ценовое действие. Постоянство предполагаемого использования не рухнуло вместе с оценками токенов.

Активность пользователей: Действительно ли трейдеры покидали Layer-1?

Данные о ежемесячных активных адресах further оспорили медвежий нарратив, окружающий Layer-1. Активность пользователей оставалась высокой в сетях, доминируя в пропускной способности транзакций.

BNB Chain лидировал с 59,8 млн активных адресов, за ним следовала Solana с 39,8 млн. NEAR Protocol зафиксировал 38,7 млн, что прочно помещает его среди сетей с высоким использованием.

Sei Network сообщил о 10,6 млн активных адресов, соперничая с Bitcoin на уровне 10,3 млн. Ethereum немного отставал с 9,3 млн, что отражает стабильный, но более медленный рост.

Цифры suggested, что участие сохранялось даже при коррекции цен.

Фундаментальные показатели vs. ценовое действие

Расхождение между ценами и фундаментальными показателями стало определяющей темой 2025 года. Токены Layer-1, по-видимому, подверглись переоценке, а не структурному ухудшению.

Убытки углубились после того, как многие Layer-1 достигли пика near исторических максимумов в начале октября. Последующая распродажа в октябре ускорила нисходящий momentum и усилила просадки к концу года.

Однако капитал и активность консолидировались вокруг сетей, генерирующих реальное использование, комиссии и доход. Спекулятивные премии исчезли, в то время как экономически продуктивные цепи сохранили relevancy.


Заключительные мысли

  • Просадка 2025 года highlighted, как оценки Layer-1 резко скорректировались после исторических максимумов октября.
  • Однако данные о доходах в сети и пользователях suggested, что сектор столкнулся с давлением переоценки, а не структурным спадом.

Связанные с этим вопросы

QКакие основные Layer-1 блокчейны показали наибольшее падение цены в 2025 году?

ATON показал самое резкое падение на 73,8%. Avalanche и Sui также значительно упали на 67,9% и 67,3% соответственно. Solana снизилась на 35,9%, а Ethereum — на 15,3%.

QКакие две криптовалюты из рассмотренных Layer-1 показали положительную динамику в 2025 году?

AТолько BNB и TRX показали рост: BNB вырос на 18,2%, а TRX — на 9,8% на фоне общей слабости рынка.

QКакой блокчейн генерировал наибольший доход (revenue) согласно данным Token Terminal?

ATron лидировал по доходу среди всех Layer-1, сгенерировав примерно 3,5 миллиарда долларов за последние 365 дней.

QКакая сеть имела наибольшее количество активных адресов по данным статьи?

ABNB Chain лидировала по количеству месячных активных адресов с показателем 59,8 миллионов. За ней следовали Solana (39,8 млн) и NEAR Protocol (38,7 млн).

QСогласно выводам статьи, что стало определяющей темой 2025 года для сектора Layer-1?

AОпределяющей темой стало расхождение между ценой и фундаментальными показателями. Токены Layer-1 прошли переоценку (репрайсинг), а не структурное ухудшение, поскольку спекулятивные премии исчезли, но экономически продуктивные цепи сохранили свою актуальность.

Похожее

S&P Dow Jones и Pantera выпускают криптоиндекс, биткоин оставлен за бортом из-за «отсутствия прибыли»

Стандард энд Пурс (S&P Dow Jones Indices) совместно с Pantera Capital запускает индекс S&P Pantera Digital Asset Index. Новый индекс включает 18 токенов, но исключает биткоин, XRP и мем-токены. Критерием отбора послужила «финансовая жизнеспособность», по аналогии с S&P 500: протокол должен демонстрировать положительный доход в течение нескольких кварталов и распределять стоимость среди держателей токенов. Это первое применение фундаментального подхода к оценке криптоактивов со стороны крупнейшего в мире провайдера индексов. В первую пятерку активов вошли Ethereum (ETH), BNB, Solana (SOL), TRON (TRX) и Hyperliquid (HYPE). Pantera отмечает, что совокупный годовой доход всех протоколов индекса превышает $30 млрд. Биткоин был исключен по трем причинам: он рассматривается как монетарный актив, доступный через отдельные ETF; он не генерирует доход протокола; а смешивание его в индексе с доходными активами затрудняет фундаментальный анализ для институциональных инвесторов. Пока индекс является эталонным, но Pantera ведет переговоры о создании на его основе ETF и других инвестиционных продуктов. Компания также отмечает значительный разрыв на рынке: многие институциональные инвесторы готовы к аллокации в криптоактивы, но им не хватает структурированных продуктов, фокусирующихся на активах с реальной экономической деятельностью.

marsbit2 мин. назад

S&P Dow Jones и Pantera выпускают криптоиндекс, биткоин оставлен за бортом из-за «отсутствия прибыли»

marsbit2 мин. назад

Claude представляет мощное обновление: запись экрана + голос, одним кликом дистиллируйте навык для работы за вас

Claude представил новую функцию «Record a Skill» (Записать навык) в десктопном приложении Cowork. Теперь пользователи Pro, Max и Team могут создавать автоматизированные рабочие процессы, просто записывая свои действия на экране и сопровождая их голосовыми комментариями. Система автоматически анализирует запись, извлекает логику и шаги, а затем преобразует их в готовый к использованию Skill (навык). Это устраняет необходимость вручную писать инструкции в формате Markdown, значительно снижая порог входа для нетехнических специалистов. Функция фиксирует не только явные действия, но и скрытую логику, контекст и условия, о которых пользователь рассказывает в процессе записи. Статья отмечает, что такая технология меняет подход к управлению знаниями в компаниях, облегчая документирование и передачу экспертизы. С другой стороны, упоминается случай, когда фрилансер автоматизировал свою работу для клиента с помощью Claude, что в итоге привело к прекращению сотрудничества. Это подчеркивает двойственное влияние технологии: она повышает эффективность, но одновременно снижает зависимость от конкретного исполнителя, перенося конкурентное преимущество работника в область уникальных, сложно автоматизируемых задач. Функция доступна с 21 июля для пользователей соответствующих подписок.

marsbit6 мин. назад

Claude представляет мощное обновление: запись экрана + голос, одним кликом дистиллируйте навык для работы за вас

marsbit6 мин. назад

Кормление ИИ "шумом" тоже повышает точность: это исследование позволяет шуму осуществить позитивный перенос

В статье представлен новый метод полуконтролируемого обучения под названием **Semi-Supervised Noise Adaptation (SSNA)**. Вместо использования реальных данных (например, изображений или текста) в качестве исходного домена, подход использует синтетические **шумовые векторы**, сгенерированные из простого гауссовского распределения. Эти шумовые данные не несут семантического содержания, но им присваиваются искусственные метки классов, соответствующие целевым классам. Основная идея заключается в том, чтобы обучить модель формировать **дискриминативную классовую структуру** в общем пространстве представлений сначала на шумовых данных, а затем адаптировать (выровнять) эту структуру к данным целевого домена с помощью небольшого количества размеченных примеров. Для этого используется **Noise Adaptation Framework (NAF)**, который минимизирует три компонента потерь: классификацию на размеченных целевых данных, классификацию на шумовых данных и расстояние между распределениями шумового и целевого доменов. Эксперименты на наборах данных CIFAR-10, CIFAR-100, DTD-47 и других показали значительное улучшение точности по сравнению с базовым методом ERM при использовании всего 4 размеченных примера на класс. Например, на CIFAR-10 точность выросла на 12.35%. Метод также совместим с существующими полуконтролируемыми алгоритмами (UDA, FixMatch), дополнительно улучшая их результаты. Ключевой вывод исследования: для положительного переноса знаний в задачах трансферного обучения **не обязательно наличие семантически богатых исходных данных**. Достаточно сформировать в пространстве признаков четкую, разделимую классовую структуру, даже на искусственном шуме, и успешно перенести её на реальные данные. Это открывает новые возможности для сценариев, где доступ к реальным исходным данным ограничен из-за проблем конфиденциальности, авторских прав или их отсутствия.

marsbit7 мин. назад

Кормление ИИ "шумом" тоже повышает точность: это исследование позволяет шуму осуществить позитивный перенос

marsbit7 мин. назад

Телесуфлёр из Белого дома "для внутреннего пользования" заработал на инсайдерской информации более $100 000

Белый дом раскрыл дело о внутренней торговле: помощник по суфлеру, работавший на Дональда Трампа, использовал инсайдерскую информацию для ставок на рынках предсказаний и заработал более 100 000 долларов. Габриэль Перес, помощник президента и технический советник, отвечавший за работу суфлера Трампа с 2016 года, имел доступ к черновикам речей до их публичного произнесения. Используя эти знания, он делал ставки на платформе Kalshi, предсказывая, какие конкретные слова или фразы упомянет Трамп в своих выступлениях. За три месяца, делая ставки на более чем десяток речей, включая обращение о положении страны, Перес получил прибыль в размере шестизначной суммы. Его деятельность была выявлена системами мониторинга Kalshi, которая заблокировала его средства и передала дело в Комиссию по торговле товарными фьючерсами (CFTC). В отличие от предыдущих аналогичных случаев с военным и инженером Google, против Переса не были выдвинуты уголовные обвинения. Согласно сообщениям, CFTC договорилась о урегулировании, по которому он вернет прибыль и прекратит такую деятельность. Трамп, назвав его действия «предосудительными», отстранил Переса от работы без сохранения зарплаты. Этот инцидент подчеркивает уязвимость рынков предсказаний, особенно категорий «упоминаний», для манипуляций со стороны инсайдеров. Ранее были случаи, когда сами ораторы (например, генеральный директор Coinbase) намеренно упоминали ключевые слова, чтобы повлиять на результаты рынка. В ответ Kalshi ужесточила правила, требуя от пользователей раскрывать место работы. Эксперты отмечают, что очистка рынков от инсайдерской торговли повышает соответствие нормам, но может отдалить их от идеи «мудрости толпы», приблизив к чистому азарту.

marsbit1 ч. назад

Телесуфлёр из Белого дома "для внутреннего пользования" заработал на инсайдерской информации более $100 000

marsbit1 ч. назад

«Домашний» оператор суфлёра Белого дома заработал более $100 тыс. на инсайдерских прогнозах

Недавно в Белом доме США произошел очередной скандал, связанный с инсайдерской торговлей. Габриэль Перес, сотрудник Белого дома, отвечавший за работу суфлера во время выступлений Дональда Трампа, использовал служебную информацию для получения прибыли на рынках предсказаний. Перес, который с 2016 года был одним из ближайших помощников Трампа и имел доступ к его подготовленным речам, в течение примерно трех месяцев делал ставки на то, какие конкретные слова или фразы президент упомянет в своих выступлениях. За это время ему удалось заработать более 100 тысяч долларов. Его деятельность была выявлена платформой предсказаний Kalshi, которая заблокировала его средства и передала информацию Комиссии по торговле товарными фьючерсами (CFTC). В результате Перес был отстранен от работы без сохранения зарплаты. Однако, в отличие от предыдущих аналогичных случаев со спецназовцем и инженером Google, против Переса не были выдвинуты уголовные обвинения. По данным источников, CFTC договорилась о мировом соглашении, согласно которому он должен вернуть прибыль и прекратить подобную деятельность. Этот инцидент высветил уязвимость рынков предсказаний, особенно категорий, связанных с упоминанием определенных слов («mention markets»), перед манипуляциями со стороны инсайдеров или самих ораторов. Ранее подобные манипуляции демонстрировали ведущий церемонии «Грэмми» и CEO Coinbase. В ответ платформы ужесточают контроль: Kalshi теперь требует от пользователей раскрывать место работы. Скандал с Пересом рассматривается как часть общего процесса очистки рынков предсказаний от инсайдерской торговли.

Odaily星球日报1 ч. назад

«Домашний» оператор суфлёра Белого дома заработал более $100 тыс. на инсайдерских прогнозах

Odaily星球日报1 ч. назад

Торговля

Спот
活动图片