Рыночная капитализация Tether приближается ко второму подряд месячному снижению

TheNewsCryptoОпубликовано 2026-02-25Обновлено 2026-02-25

Введение

Рыночная капитализация стейблкоина Tether (USDT) продолжает снижаться второй месяц подряд. С января по февраль она сократилась с более чем $186 млрд до приблизительно $183 млрд, что стало одним из самых значительных падений с момента кризиса на крипторынке в 2022 году. Поскольку USDT часто используется в качестве базового актива для торговли, это снижение может указывать на уменьшение ликвидности на рынке. Однако общая капитализация сектора стейблкоидов остается стабильной и составляет около $307 млрд, поскольку инвесторы перераспределяют средства в другие стейблкоины, такие как USD Coin, чья рыночная капитализация приблизилась к $75 млрд. Эксперты связывают это с регуляторными изменениями и обновлением политик платформ. Несмотря на снижение предложения, USDT продолжает торговаться близко к своей стоимости в $1, что свидетельствует о сохранении доверия к его стабильности. Участники рынка анализируют транзакции и балансы бирж, чтобы оценить возможность восстановления предложения в ближайшие месяцы.

Рыночная капитализация основного стейблкоина Tether, USDT, продемонстрировала очередное падение во второй месяц подряд. Отмечается, что рыночная капитализация USDT сократилась с более чем 186 миллиардов долларов в январе до接近 183 миллиардов долларов в феврале. Это сокращение является одним из наиболее значительных с момента потрясений, произошедших после краха на рынке криптовалют в 2022 году. Предложение стейблкоинов считается отражением уровня ликвидности на рынке криптовалют.

USDT является ключевым игроком на рынке криптовалют, поскольку инвесторы часто используют его в качестве базовой пары для спотовых и производных сделок. По мере сокращения объема обращения доступная для торговли ликвидность также может уменьшаться. Аналитики отметили, что в феврале предложение USDT сократилось на 1,5 миллиарда долларов. Это последовательное снижение, которое наблюдается после аналогичного сокращения в январе. И это привлекло внимание к динамике предложения стейблкоинов.

Ротация капитала указывает на изменения в предпочтениях стейблкоинов

Хотя предложение USDT сокращалось, другие стейблкоины продемонстрировали относительный рост. Рыночная капитализация USD Coin увеличилась, приблизившись к значению в 75 миллиардов долларов в феврале. Общая рыночная капитализация сектора стейблкоинов в настоящее время接近 307 миллиардов долларов, что позволяет предположить, что капитал, скорее, ротируется, а не покидает сектор. Эксперты полагают, что изменения в регулировании и политике платформ могут быть причиной этих изменений в предпочтениях распределения.

Стейблкоины являются каналом ликвидности между фиатной валютой и блокчейн-платформами. Они обеспечивают торговлю, кредитование и децентрализованные финансовые услуги. Когда крупнейший рынок стейблкоинов сокращается, участники рынка начинают анализировать, может ли спрос на рисковые активы временно замедлиться. Хотя предложение USDT сокращалось, он по-прежнему торгуется接近 своей стоимости в один доллар, что говорит о том, что участники рынка сохраняют уверенность в его ценовой стабильности. В настоящее время участники рынка анализируют транзакции кошельков и балансы бирж, чтобы определить, может ли рост предложения возобновиться в ближайшие месяцы.

Главные новости крипторынка:

Питер Шифф ставит под сомнение ралли биткоина перед обращением о положении страны (SOTU)

Связанные с этим вопросы

QЧто произошло с рыночной капитализацией Tether (USDT) в феврале?

AРыночная капитализация USDT снизилась с более чем 186 миллиардов долларов в январе до примерно 183 миллиардов долларов в феврале, что является вторым месячным снижением подряд.

QПочему сокращение предложения USDT является значимым для рынка?

AСокращение предложения стейблкоинов, таких как USDT, считается показателем уровня ликвидности на криптовалютном рынке, так как инвесторы часто используют их для спотовых и срочных сделок.

QКак изменилась ситуация других стейблкоинов, например, USD Coin (USDC)?

AВ то время как предложение USDT сокращалось, рыночная капитализация USD Coin (USDC) выросла, приблизившись к 75 миллиардам долларов в феврале, что указывает на ротацию капитала внутри сектора.

QКакие факторы, по мнению экспертов, влияют на предпочтения в распределении капитала между стейблкоинами?

AЭксперты считают, что изменения в регулировании и политике платформ могут быть ответственны за изменения в предпочтениях распределения капитала между различными стейблкоинами.

QСохраняет ли USDT свою ценовую стабильность, несмотря на снижение рыночной капитализации?

AДа, несмотря на снижение предложения, USDT продолжает торговаться близко к своей стоимости в один доллар, что свидетельствует о сохранении уверенности участников рынка в его ценовой стабильности.

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.

marsbit46 мин. назад

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

marsbit46 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.

bitcoinist47 мин. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

bitcoinist47 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.

marsbit52 мин. назад

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

marsbit52 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