Polymarket приобретает Brahma для укрепления инфраструктуры DeFi

TheNewsCryptoОпубликовано 2026-03-19Обновлено 2026-03-19

Введение

Крупнейший рынок прогнозов Polymarket объявил о приобретении криптовартапа Brahma, специализирующегося на инфраструктуре децентрализованных финансов (DeFi). Команда Brahma присоединится к развитию продуктового стека Polymarket. Brahma, запущенная в 2021 году, обработала более $1 млрд объёма и поможет упростить процессы создания кошельков, депозитов и вывода средств. Сделка также повысит ликвидность нишевых рынков Polymarket. Основатель Polymarket Шейн Коплан отметил экспертизу Brahma в создании сложных продуктов. Финансовые детали не раскрываются. Три основных продукта Brahma (Strategy Vaults, Brahma Accounts и Swype.fun) будут прекращены в течение 30 дней. Polymarket, оценённый в $20 млрд, продолжает расширяться, несмотря на спад на крипторынке, и недавно сотрудничал с Palantir для создания AI-платформы. В феврале также были приобретены стартапы Dome и Lunch.

Крупнейший рынок прогнозов Polymarket объявил о приобретении Brahma, криптовалютного стартапа, предлагающего инфраструктуру децентрализованных финансов (DeFi). Согласно объявлению от 18 марта, Brahma сообщила, что в рамках этого перехода наша команда посвятит себя развитию стека и набора продуктов Polymarket.

Brahma была запущена в 2021 году и на сегодняшний день обработала более $1 миллиарда по объему и может быть использована Polymarket для снижения трения вокруг создания кошельков, депозитов и выкупа токенов.

Приобретение также может привлечь больше ликвидности в нишевые рынки прогнозов с низким объемом на Polymarket. Основатель и главный исполнительный директор Polymarket Шейн Коплан упомянул, что создание надежной инфраструктуры поверх блокчейн-сетей и традиционных финансовых рельсов — это сложно, и здесь нет коротких путей.

Он далее добавил, что команда Brahma продемонстрировала, что может проектировать, функционировать и масштабировать сложные продукты для искушенных пользователей. Финансовые детали приобретения на тот момент раскрыты не были.

Продукты Brahma

За последние четыре года Brahma создала три основных продукта: Strategy Vaults для автоматизированных стратегий DeFi, Brahma Accounts, умные счета для пользователей DeFi; и Swype.fun, карта Visa, связанная с позициями DeFi для трат в реальном мире.

Компания сообщила, что каждый продукт будет прекращен в течение следующих 30 дней по мере прохождения приобретения. Polymarket быстро вырос до оценки в $20 миллиардов в период быстрого роста рынков прогнозов.

Polymarket продолжил инвестировать в расширение, несмотря на общее падение крипторынка и рост интереса к ИИ. Компания объявила 10 марта, что сотрудничает с Palantir Technologies и TWG AI для создания платформы целостности спорта на основе ИИ.

Она также приобрела в феврале поддержанный Y Combinator Dome, который предлагает инструменты для разработчиков для рынков прогнозов, и Lunch, бутиковую компанию, специализирующуюся на найме и сборке команд для технологических стартапов.

Главные криптоновости сегодня:

Криптоцены отступают, азиатские рынки движутся в том же направлении

Связанные с этим вопросы

QЧто приобрела компания Polymarket и с какой целью?

APolymarket, крупнейший рынок прогнозов, приобрела криптовалютный стартап Brahma, который предлагает инфраструктуру децентрализованных финансов (DeFi). Цель приобретения — усилить стек технологий и продуктовый портфель Polymarket, а также снизить трение, связанное с созданием кошельков, депозитами и выкупом токенов.

QКакие продукты разработала Brahma за последние четыре года?

AЗа последние четыре года Brahma разработала три основных продукта: Strategy Vaults для автоматизированных стратегий DeFi, Brahma Accounts — смарт-счета для пользователей DeFi, и Swype.fun — карту Visa, связанную с позициями в DeFi для трат в реальном мире.

QКаковы финансовые показатели Brahma на момент приобретения?

ABrahma, запущенная в 2021 году, на момент приобретения обработала более 1 миллиарда долларов объема. Однако конкретные финансовые детали сделки по приобретению не были раскрыты.

QКакие еще приобретения совершила Polymarket недавно?

AПомимо Brahma, Polymarket также приобрела в феврале компанию Dome, поддерживаемую Y Combinator, которая предлагает инструменты для разработчиков рынков прогнозов, и компанию Lunch, специализирующуюся на подборе и формировании команд для технологических стартапов.

QС какими компаниями Polymarket сотрудничает для создания новой платформы?

A10 марта Polymarket объявила о сотрудничестве с Palantir Technologies и TWG AI для создания платформы целостности в спорте на основе искусственного интеллекта (AI).

Похожее

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

В статье представлен новый подход к обучению генеративных моделей под названием Explorative Modeling (XM), который позволяет осуществлять сквозное (end-to-end) обучение. Традиционные генеративные модели, такие как диффузионные или авторегрессионные, страдают от «смешения мод» (mode blurring), когда модель усредняет множество возможных правильных ответов, что приводит к размытым или нереалистичным результатам. Это также вызывает «смещение экспозиции» (exposure bias), когда ошибки накапливаются во время вывода. Ключевая идея XM проста: на каждом шаге обучения модель генерирует K кандидатов, а для обратного распространения градиента выбирает только того кандидата, который наиболее близок к реальным данным. Этот цикл, реализованный в несколько строк кода, повышает «генеративную выразительность» модели, позволяя ей охватывать несколько мод распределения данных, а не усреднять их. Авторы показывают, что «исследование» (exploration) становится третьей осью масштабирования наряду с увеличением параметров и данных. Эксперименты с изображениями, видео и текстом демонстрируют монотонное улучшение качества: при увеличении масштаба данных выгода от исследования возрастает с 7% до 36%, а эффективность использования вычислений (FLOP) повышается в 4.1 раза. В задачах управления роботами сквозная модель XM с одним проходом вперед достигает результатов, сравнимых с диффузионными моделями, требующими сотни проходов. Таким образом, Explorative Modeling предлагает путь к truly end-to-end генеративным моделям, перенося сложность с этапа вывода на этап обучения, что открывает потенциал для более эффективных и мощных систем.

marsbit20 мин. назад

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

marsbit20 мин. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

Корейская биржа Upbit провела внутреннюю ребалансировку 864 миллиардов токенов SHIB между своими кошельками. Движение активов на сумму около 4 миллионов долларов произошло после роста стоимости SHIB на 36%, что привлекло внимание трейдеров. Однако анализ помеченных адресов показывает, что это была стандартная операция по перераспределению средств между "горячими" и другими внутренними кошельками биржи, а не вывод средств или подготовка к продаже. Общий объем перемещений включал 384 миллиарда SHIB, отправленных с основного горячего кошелька, и 480 миллиардов SHIB, возвращенных обратно. Этот случай подчеркивает важность проверки контекста и меток кошельков при интерпретации крупных ончейн-транзакций, чтобы избежать ошибочных выводов о продаже или давлении на рынок.

bitcoinist21 мин. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

bitcoinist21 мин. назад

Максимум 20 статей на человека? Исследователи DeepMind «просят» снять ограничения ICLR

Новая политика конференции ICLR 2027 ограничивает количество подаваемых одним автором работ до 20. По мнению организаторов, это необходимо для снижения нагрузки на рецензентов, учитывая рекордный рост числа заявок — на 68% за год. В ответ на это исследователь Google DeepMind Дэн Рой иронично запустил «петицию» против лимита, заявив, что он замедлит прогресс в ИИ, особенно в эпоху, когда агенты ИИ могут генерировать множество статей, а рецензии часто пишутся с помощью больших языковых моделей (по некоторым данным, до 21% рецензий на ICLR 2026 могли быть полностью сгенерированы ИИ). Его сатирический пост поднимает серьёзный вопрос о целесообразности простого ограничения количества работ вместо решения системных проблем, связанных с массовым производством статей и автоматизацией рецензирования в современной академической среде.

marsbit25 мин. назад

Максимум 20 статей на человека? Исследователи DeepMind «просят» снять ограничения ICLR

marsbit25 мин. назад

Уязвимость Coldcard привела к краже $89 млн и вызвала самую масштабную миграцию средств в блокчейне после краха FTX

Уязвимость в аппаратном кошельке Coldcard привела к краже 1367,05 BTC (около 89 млн долларов) с 4585 адресов. Инцидент, связанный с ошибкой в генерации сид-фраз в определенной прошивке, вызвал массовую миграцию средств пользователей на новые безопасные адреса. Это привело к аномальному всплеску активности в сети Биткоин, исказив ключевые ончейн-индикаторы, такие как активность долгосрочных держателей и объем мелких транзакций. Активность и рыночные настроения достигли уровня, сравнимого с периодом после краха FTX. Расследование столкнулось с трудностями из-за ограничений коммерческих ИИ-моделей (например, в США), которые блокируют анализ вредоносных данных даже для целей защиты. Следователи были вынуждены использовать открытые модели, такие как китайский GLM 5.2, для отслеживания украденных средств. Этот случай высветил проблему асимметрии: злоумышленники используют неограниченные ИИ-инструменты, в то время как защитники сталкиваются с барьерами коммерческих систем безопасности, что критично в сфере криптовалют, где скорость отслеживания средств крайне важна.

marsbit1 ч. назад

Уязвимость Coldcard привела к краже $89 млн и вызвала самую масштабную миграцию средств в блокчейне после краха FTX

marsbit1 ч. назад

Заработок в миллион на электриках: Meta спешно открывает собственное ПТУ

Новый этап конкуренции в сфере искусственного интеллекта столкнулся с неожиданным препятствием — острой нехваткой квалифицированных технических специалистов, особенно электриков и строителей, для возведения сверхмощных центров обработки данных. В США, согласно прогнозам, к 2030 году для инфраструктуры ИИ потребуется дополнительно 130 000 электриков и 240 000 строителей, однако ежегодно остается незаполненными около 80 000 вакансий электриков. Компании, такие как OpenAI (проект "Stargate" стоимостью $160 млрд), Meta и Microsoft, сталкиваются с огромными убытками из-за задержек строительства. Например, задержка ввода центра мощностью 60 МВт может обернуться потерей $14,2 млн в месяц. Причина спроса — беспрецедентная сложность строительства ИИ-центров. Они потребляют колоссальную энергию (сотни мегаватт), требуют уникальных систем электроснабжения и охлаждения (жидкостное или иммерсионное), что делает работу высококвалифицированных монтажников, сантехников и инженеров незаменимой. Для решения проблемы кадрового голода ИИ-гиганты начали масштабные программы обучения. Meta инвестировала $115 млн в создание собственной школы строителей с бесплатным обучением и стипендией, а OpenAI сотрудничает с профсоюзами. Активная вербовка ведется даже среди старшеклассников. Потребление энергии ИИ-центрами растет экспоненциально, опережая общий рост энергопотребления в 16 раз и увеличивая счета за электричество для потребителей. Однако строительство таких объектов носит проектный характер: для возведения центра "Stargate" требуется 6400 рабочих, а для его обслуживания — всего 100-1000. Это создает риск перенасыщения рынка труда после завершения строительного бума, что может привести к падению зарплат в отрасли.

marsbit2 ч. назад

Заработок в миллион на электриках: Meta спешно открывает собственное ПТУ