США конфисковали криптовалюту Ирана почти на $1 млрд в рамках кампании экономического давления

TheNewsCryptoОпубликовано 2026-05-30Обновлено 2026-05-30

Введение

Министр финансов США Скотт Бессент заявил, что в рамках операции «Экономическая ярость» США конфисковали криптовалюту иранского происхождения на сумму около $1 млрд. Эти действия являются частью стратегии финансового давления на Иран, которая также включает замораживание банковских счетов и конфискацию имущества в сотрудничестве с европейскими партнерами. По словам Бессента, экономика Ирана находится в тяжелом состоянии, а руководство страны расколото, что осложняет переговоры. Ранее сообщалось о конфискациях на меньшие суммы, новая цифра существенно их превышает.

В пятницу министр финансов Скотт Бессент заявил, что США конфисковали криптовалюты иранского происхождения на сумму около 1 миллиарда долларов. Он также упомянул, что некоторые владельцы кошельков могут даже не знать, что их средства были конфискованы. «Я считаю, что мы изъяли у них криптовалюты примерно на миллиард долларов», — сказал Бессент во время своего выступления на Экономическом форуме Рейгана.

По словам Бессента, конфискации являются частью операции «Экономическая ярость» — стратегии США по оказанию финансового давления на Иран. Операция, начавшаяся в марте 2025 года и с тех пор включавшая конфискацию криптовалют, замораживание банковских счетов и сотрудничество с европейскими партнерами для изъятия имущества, нацелена на иранские активы по многим фронтам.

Ужесточение финансового давления

По словам министра финансов, до вмешательства Соединённых Штатов режим якобы ежемесячно присваивал 400–500 миллионов долларов и распределял деньги среди примерно 80 элит.

По его словам, иранская экономика находится в разрухе: раздаются продовольственные талоны, отключен интернет, а 40–50% военнослужащих Ирана не получают зарплату. Что касается текущих переговоров с Ираном, Бессент сказал, что трудно работать с раздробленной структурой руководства из-за атак на ключевых членов режима со стороны США и Израиля.

Вновь раскрытая цифра в 1 миллиард долларов значительно превышает 344 миллиона долларов в криптовалюте, которые были заморожены после того, как Управление по контролю за иностранными активами Министерства финансов США ввело санкции против связанных с Ираном кошельков 24 апреля. Это также примерно вдвое больше, чем 500 миллионов долларов в виде криптовалютных активов Ирана, о конфискации которых Министерство финансов объявило в конце апреля.

Главные криптоновости сегодня:

Венчурное финансирование криптопроектов упало в первом квартале 2026 года на фоне иссякания мегасделок

ТегиБиткойнБлокчейн

Связанные с этим вопросы

QКаковы действия США в рамках операции "Экономическая ярость" против Ирана?

AВ рамках операции "Экономическая ярость" США конфисковали криптовалюту Ирана примерно на 1 миллиард долларов, заморозили банковские счета и сотрудничали с европейскими партнерами для конфискации имущества.

QКакова текущая экономическая ситуация в Иране по словам министра финансов США?

AПо словам министра финансов, экономика Ирана находится в плачевном состоянии: раздаются продуктовые талоны, интернет не работает, и от 40 до 50% военнослужащих не получают зарплату.

QКак новая сумма конфискованной криптовалюты соотносится с предыдущими данными?

AНовая сумма в 1 миллиард долларов значительно выше, чем 344 миллиона долларов, замороженных в апреле, и примерно в два раза больше, чем 500 миллионов долларов, о конфискации которых Министерство финансов объявило в конце апреля.

QКакова была цель режима, по утверждению казначейства, до вмешательства США?

AПо утверждению министра финансов, до вмешательства США режим якобы воровал 400–500 миллионов долларов в месяц и распределял эти деньги среди примерно 80 элит.

QЧто, по словам министра финансов, затрудняет текущие переговоры с Ираном?

AПо его словам, трудно работать с разделенной структурой руководства из-за атак на ключевых членов режима со стороны США и Израиля.

Похожее

Сильные урезания в Rubin Ultra: Nvidia тоже не справляется с ростом цен на память?

Прошлые выходные стали поводом для бурных обсуждений в индустрии ИИ после публикации отчета аналитической компании SemiAnalysis. Согласно данным отчета, NVIDIA значительно изменила спецификации своего флагманского чипа Rubin Ultra, ключевой модели, анонсированной на GTC 2026. Вместо ожидавшегося увеличения вычислительной мощности и объема памяти, компания, судя по всему, пошла по пути оптимизации затрат. Основные изменения в спецификациях Rubin Ultra по сравнению с более ранними ожиданиями и базовой моделью Rubin: * **Теоретическая пиковая производительность (35 PFLOPs) осталась на уровне обычного Rubin.** * **Объем памяти HBM серьезно сокращен** — до 192 ГБ (8-Hi), что даже меньше, чем 288 ГБ (12-Hi) у Rubin. * **Пропускная способность памяти увеличена незначительно** (всего на 1 ТБ/с). * **Энергопотребление осталось высоким**, а максимальное даже возросло. * **Главным улучшением стал масштаб межсоединений (Scale-up)**: поддержка объединения до 576 GPU в единый логический узел через NVLink (против 72 GPU у Rubin). Аналитики SemiAnalysis связывают такое решение с резким ростом цен на высокоскоростную память HBM, которая является ключевым и самым дорогим компонентом современных ИИ-ускорителей. Стоимость HBM3 с 2025 года выросла в несколько раз. Первоначальный дизайн Rubin Ultra приводил к тому, что стоимость памяти в системе приближалась к 40% от общей стоимости материалов (BOM). После пересмотра спецификаций эта доля упала до 28%, что позволило снизить общую расчетную стоимость стойки с чипами примерно с 8 до 6.4 млн долларов. Таким образом, NVIDIA, по мнению аналитиков, смещает акцент с "наращивания компонентов" в отдельном чипе на создание более масштабируемых и, возможно, экономически эффективных систем на уровне кластера. Новый дизайн Rubin Ultra фокусируется на способности объединять огромное количество GPU, компенсируя изменения в характеристиках отдельных чипов. Новость оказала давление на котировки ведущих производителей памяти. Акции SK Hynix и Samsung, основных поставщиков HBM, упали примерно на 8%, что отражает опасения рынка: если крупнейший покупатель HBM начинает оптимизировать свои чипы для снижения зависимости от дорогой памяти, это может ограничить потенциал дальнейшего роста цен и спроса для производителей памяти. Эпоха безудержного наращивания ресурсов в ИИ-инфраструктуре, судя по всему, подходит к концу.

Odaily星球日报11 мин. назад

Сильные урезания в Rubin Ultra: Nvidia тоже не справляется с ростом цен на память?

Odaily星球日报11 мин. назад

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.

marsbit1 ч. назад

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

marsbit1 ч. 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.

bitcoinist1 ч. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

bitcoinist1 ч. 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.

marsbit1 ч. назад

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

marsbit1 ч. 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

Торговля

Спот
活动图片