Что может OpenClaw? Разбор 10 реальных кейсов от активного пользователя

marsbitОпубликовано 2026-02-23Обновлено 2026-02-23

Введение

OpenClaw — это мощный фреймворк для создания персонализированных AI-ассистентов, способных автоматизировать широкий спектр задач. Как продемонстрировал Мэттью Берман, его система, развернутая на обычном MacBook, заменяет целую команду специалистов. Вот ключевые варианты использования: 1. **CRM на естественном языке**: За 30 минут система настроила CRM, интегрированный с Gmail и календарем, с семантическим поиском, оценкой контактов и перекрестными предложениями. 2. **Автоматический трекинг действий с встреч**: Извлекает задачи из записей встреч, отслеживает их выполнение и автоматически обновляет Todoist. 3. **Персональное хранилище знаний**: Просто отправьте ссылку в Telegram, и система сохранит статью, видео или тред, сделав их доступными для семантического поиска. 4. **Совет директоров из AI**: 8 AI-экспертов ежедневно анализируют 14 источников данных бизнеса, обсуждают и выдают приоритизированные рекомендации. 5. **Комитет безопасности**: Другая группа AI каждую ночь проверяет код, логи и данные на предмет уязвимостей и предлагает исправления. 6. **Трекинг соцсетей и дайджесты**: Автоматически собирает аналитику с YouTube, Instagram, X, TikTok для ежедневных отчетов и советов директоров. 7. **Конвейер идей для видео**: Превращает идею из Slack в готовый план для Asana, включая исследование, заголовок и раскадровку. 8. **Система памяти**: AI запоминает предпочтения, стиль общения и контекст, становясь персональным ассистентом. 9. **Дневник питания**: По фото еды ...

Автор: Yanhua

Материал подготовлен на основе: Podwise

В последнее время OpenClaw набирает бешеную популярность, все только о нем и говорят. Но, если честно, большая часть контента посвящена теории, архитектуре, видению. А что на самом деле можно делать с этой штукой? Как внедрить в повседневную работу? Об этом толком мало кто рассказывает.

Недавно Matthew Berman выпустил видео, где одним махом вывалил все кейсы использования, которые он построил на OpenClaw. Никаких концепций, одна практика. CRM, база знаний, бизнес-консультативный совет, проверка безопасности, отслеживание соцсетей, конвейер идей для видео, ежедневные дайджесты, дневник питания... Один человек, один MacBook, выполняет работу команды среднего звена небольшой компании.

Я разобрал его ключевые кейсы использования. Без прикрас, пройдемся по каждому: что это, как работает, в чем преимущества.

Кейс 1: CRM на естественном языке, от нуля до рабочего состояния за 30 минут

Это первый кейс, который продемонстрировал Berman, и самый наглядный.

Процесс настройки: Он на естественном языке сказал OpenClaw: «Помоги мне создать CRM, которая извлекает данные из Gmail, Google Calendar и Fathom, отфильтровывает маркетинговые письма и холодные предложения, оставляет только ценные диалоги и контакты.» Ни строчки кода. За 30 минут все заработало.

Захват данных: Система каждые 30 минут сканирует почту, каждые 5 минут в рабочее время проверяет Fathom (инструмент для AI-транскрибации встреч). Все данные перед сохранением пропускаются через LLM для оценки: стоит ли сохранять это письмо? Важен ли этот контакт?

Ключевые возможности:

  • 371 контакт, все можно запрашивать на естественном языке. «О чем я в последний раз говорил с John?» «Кто последним со мной связывался из компании X?»

  • Оценка здоровья отношений, автоматическое пометка людей, с которыми давно не было связи

  • Обнаружение и предложения по объединению дубликатов контактов

  • Векторный семантический поиск, поддерживает нечеткое соответствие на смысловом уровне

Самая впечатляющая деталь: Когда Berman в другом контексте (например, при поиске идей для видео) CRM сама вмешивается: «Ты раньше обсуждал похожую тему с таким-то спонсором, возможно, они захотят проспонсировать этот выпуск.» Система связывает модули между собой, не просто пассивно хранит данные, а активно создает связи.

Прямая речь Berman: «Если я за 30 минут могу собрать полностью кастомную CRM, потратив еще час-два на доработку, то зачем мне тогда платить компаниям за CRM?»

Кейс 2: Автоматическое отслеживание пунктов действий с встреч

Этот кейс тесно связан с CRM, но заслуживает отдельного внимания.

Воркфлоу: Встреча结束 → Fathom транскрибирует всё → OpenClaw сопоставляет с контактами CRM → Извлекает пункты действий → Отправляет в Telegram Berman'у на утверждение → Утвержденные автоматически попадают в Todoist

Ключевые особенности:

  • Разделение пунктов «моих» и «собеседника». То, что обещал предоставить вам собеседник, система помечает как «waiting on», автоматически отслеживая, выполнил ли он обещание.

  • Самообучающаяся фильтрация. Если Berman отклонил какой-то пункт («это не моя задача»), система учится на причине и обновляет правила извлечения. В следующий раз подобное не будет захвачено.

  • Ежедневная автоматическая проверка выполнения 3 раза в день. Например, если на встрече вы сказали «я сегодня отправлю письмо», система проверит, отправили ли вы его на самом деле, и если да, автоматически поставит галочку.

  • Автоматическая архивация через 14 дней. Невыполненные вовремя задачи автоматически очищаются, чтобы список оставался чистым.

Ценность этой системы не в какой-то отдельной функции, а в том, что она полностью автоматизирует этап «после встречи», который чаще всего забрасывается.

Кейс 3: Персональная база знаний, просто кинь ссылку

У Berman давно была проблема: видит хороший контент, сохраняет, а потом никогда не может найти.

Его решение невероятно простое: все ссылки кидать в Telegram, остальное сделает OpenClaw.

Система автоматически обрабатывает эти типы контента:

  • Статьи: Прямо захватывает полный текст, для сайтов с paywall использует автоматизацию браузера для входа и извлечения после логина

  • YouTube видео: Захватывает субтитры/текст транскрипции

  • Посты в X: Захватывает не отдельный твит, а автоматически отслеживает всю ветку, попутно захватывая статьи по внешним ссылкам

  • PDF: Прямо парсит текст

Весь контент векторизуется, сохраняется в локальную SQLite. После можно искать естественным языком: «покажи все статьи про OpenAI»,一键检索.

Бонус для командной работы: Каждый сохраненный элемент автоматически синхронизируется в Slack в форме «Мэтт хочет, чтобы вы это увидели». Команда знает, что это лично прочитано боссом, а не просто рандомно推送нуто AI.

Ключ этого кейса не в сложности технологии, а в крайне низком пороге входа. Не нужно ставить теги, не нужно categorizing, не нужно организовывать. Кинь и забудь, AI сделает остальное.

Кейс 4: Бизнес-консультативный совет, 8 экспертов каждую ночь работают на вас

Лично я считаю это самый безумный кейс во всем видео.

Входные данные: 14 источников бизнес-данных. YouTube аналитика, вовлеченность каждого поста в Instagram, аналитика X, данные TikTok, почтовые кампании, записи встреч, статус задач Cron, сообщения Slack... В общем, покрывает все аспекты его бизнеса.

Процесс анализа: 8 AI-экспертов (финансы, маркетинг, рост, операции и т.д.), независимо анализируют все данные, работая параллельно. После анализа они обсуждают находки друг с другом, сводят разногласия и объединяют результаты в пронумерованный список рекомендаций, отсортированный по приоритету.

Способ доставки: Запускается автоматически каждую ночь под утро, результаты в виде нумерованного дайджеста отправляются в Telegram. Berman просыпается, пробегается глазами, и по любому пункту может запросить: «Расскажи подробнее про пункт 3.»

Вдохновляющее в этом кейсе – модель коллаборации множественных агентов. Это не один AI дает совет, а группа AI, которая сначала дискутирует между собой, а потом выдает совет. Как настоящий совет директоров: финансист говорит экономить, маркетолог – тратить, в итоге получается прагматичный компромисс.

Кейс 5: Комитет безопасности, AI каждую ночь проверяет AI

Похожая архитектура на бизнес-консультанта, но совершенно другое направление.

Время запуска: Каждую ночь в 3:30 (вне пика других задач, чтобы избежать конфликта квот API Anthropic).

Команда проверки: Четыре эксперта по безопасности с разных ракурсов. Атакующая перспектива, защитная перспектива, перспектива конфиденциальности данных, перспектива операционной достоверности.

Область проверки: Весь кодовая база, история коммитов Git, логи выполнения, логи ошибок, stored data. Это не статическое сканирование правил, а реальное чтение и понимание логики кода AI.

Вывод: Opus 4.6 обобщает все находки, нумерует и отправляет в Telegram. Критические проблемы – немедленное оповещение. Berman может просто ответить «fix it», и система автоматически исправит.

Самоэволюция: Опыт после каждого исправления запоминается, правила проверки постоянно итеративно улучшаются. В некоторые ночи новых рекомендаций нет, потому что система подтверждает, что текущее состояние безопасно.

Самое гениальное в этом кейсе – использование AI для проверки самого себя. Berman честен: защита от инъекций в промпты никогда не будет идеальной. Но вместо того, чтобы притворяться, что риска не существует, лучше让系统每天自己做 check-up.

Кейс 6: Отслеживание соцсетей + Ежедневный дайджест

Область отслеживания: Четыре платформы: YouTube, Instagram, X, TikTok. Ежедневно автоматически делается снимок состояния, сохраняется в базу данных SQLite.

Измеряемые данные: YouTube – просмотры, время просмотра, вовлеченность по видео; другие платформы – данные по эффективности на уровне постов.

Двойное назначение:

  • Ежедневный дайджест. Каждое утро отправляется в Telegram, сообщает, какой контент вчера сработал хорошо, а какой – нет.

  • Питание для бизнес-консультативного совета. Данные соцсетей – один из 14 источников данных, напрямую участвующих в nightly бизнес-анализе.

Здесь проявляется flywheel effect всей системы: модуль отслеживания соцсетей не работает изолированно, производимые им данные одновременно обслуживают два downstream кейса: дайджест и консультативный совет.

Кейс 7: Конвейер идей для видео, от фразы до карточки в Asana

Способ триггера: В обсуждении в Slack, кто-либо в ответ на пост пишет «@Claude, это идея для видео».

Автоматизированный процесс:

  • Чтение полного контекста ветки обсуждения в Slack

  • Поиск по всему интернету + исследование трендов в X

  • Запрос к базе знаний, проверка наличия relevant сохраненного материала

  • Проверка на дубликаты, проверка совпадения с существующими темами

  • Генерация полного плана видео: предложения заголовка, предложения thumbnail, зацепка для начала, каркас流程 видео

  • Оценка «Стоит ли делать эту тему?»

  • Создание карточки проекта в Asana со всеми research материалами и ссылками

Berman в видео продемонстрировал реальный кейс: новость о выпуске Quen 3.5 была分享到 Slack, кто-то отметил как идею для видео, система автоматически сгенерировала полный пакет темы, включая обсуждения разных KOL в Twitter, реакцию open-source сообщества и предлагаемый угол для видео.

Ценность этого кейса: Сжатие расстояния между «захватом вдохновения» и «исполняемым планом» практически до нуля.

Кейс 8: Система памяти, чем больше пользуешься AI, тем лучше он тебя понимает

Опыт большинства с ChatGPT: каждый диалог как первая встреча. OpenClaw у Berman'а – не такой.

Уровни памяти:

  • Память диалогов: Ежедневные диалоги автоматически сохраняются как markdown-файлы

  • Выявление предпочтений: Из диалогов извлекаются предпочтения в письме, стиль тона, интересы, отслеживаемые акции, правила categorizing писем и т.д., сохраняется в memory.md

  • Обновление идентичности: При начале каждого нового диалога система читает файлы памяти, обновляет identity.md и soul.md

  • Векторный поиск: Все файлы памяти векторизуются, поддерживается RAG-поиск

Контекстное переключение личности: Berman дал AI две личности. В личном чате Telegram – как друг, с юмором, неформально; в командном канале Slack – автоматически становится стилем профессионального коллеги. Это определено в soul.md.

Этот кейс превращает AI из «инструмента» в «партнера». Он не просто исполняет инструкции, а действительно понимает, кто вы и что вам нужно.

Кейс 9: Дневник питания, AI помогает найти аллерген

Это самый неожиданный кейс.

Способ использования: Сфотографировать еду, отправить OpenClaw, он автоматически распознает и записывает. Три раза в день получать напоминания с отчетом о ощущениях в желудке. Все данные сохраняются в лог питания.

Аналитические способности: Раз в неделю запускается анализ, перекрестное сопоставление записей о еде и отчетов о симптомах, выявление patterns.

Реальный результат: Система путем анализа成分 еды на фото и отзывов Berman'а о симптомах обнаружила, что его желудок чувствителен к луку. Он сам об этом совершенно не знал.

Чат-бот помог человеку выявить пищевой аллерген. Раньше для этого нужно было идти в больницу делать специальный тест.

Кейс 10: Планировщик задач (Cron) + Автобэкап + Автообновление

Эта часть не такая гламурная, но, возможно, самая важная инфраструктура.

Список Cron-задач:

| Частота | Задача |

|------|------|

| Каждые 5 минут | Проверка записей встреч Fathom |

| Каждые 30 минут | Сканирование почты |

| 3 раза в день | Проверка выполнения пунктов действий |

| Ежедневно ночью | Синхронизация документов, сканирование CRM, проверка безопасности, захват логов, обновление данных видео, генерация утреннего дайджеста |

| Еженедельно | Синтез памяти, предварительный просмотр доходов |

| Каждый час | Git коммит + бэкап базы данных |

Стратегия бэкапа: Все базы данных SQLite автоматически обнаруживаются, шифруются, упаковываются и загружаются на Google Drive, сохраняются за последние 7 дней. Код каждый час пушится на GitHub через Git. При любой ошибке бэкапа – немедленное оповещение в Telegram.

Автообновление: Каждый день в 21:00 проверка новой версии OpenClaw, показ changelog, одна команда «update» – и автоматическое обновление с перезагрузкой.

Отслеживание API: Запись каждого вызова LLM: какая модель использовалась, сколько токенов потрачено. Даже скачаны официальные гайды по promptingу для различных моделей, чтобы система оптимизировала написание промптов в зависимости от фактически используемой модели.

Дизайн-философия этой инфраструктуры одна: когда вы спите, система работает; когда система ломается, вы узнаете об этом第一时间.

Генерация изображений и видео: Создание визуального контента по запросу

Berman подключил Veo (генерация видео) и NanoBanana Pro (генерация изображений от Gemini) к OpenClaw.

Способ использования прост: в Telegram сказать «видео итальянской виллы в Тоскане», система вызывает Veo, генерирует, автоматически скачивает и отправляет в Telegram, затем удаляет локальный файл для экономии места. С изображениями同理, сказать что хочешь, NanoBanana Pro генерирует и прямо推送ит.

Сам по себе этот кейс не впечатляет, но его ценность в том, что он может быть встроен в другие воркфлоу. Например, когда конвейер идей для видео генерирует предложения по thumbnail'ам, он может напрямую вызывать генерацию изображений для создания картинки.

Вернемся к общей картине: Отношения между этими кейсами – вот что важно

Если смотреть на отдельные кейсы, кажется: «Круто, но не особо впечатляет». ChatGPT тоже может помочь найти контакт, Notion AI – организовать базу знаний.

Но настоящая сила системы Berman'а – в потоке данных между кейсами:

  • Данные CRM → Питание для бизнес-консультативного совета

  • Контент базы знаний → Питание для конвейера идей для видео

  • Данные соцсетей → Питание для ежедневного дайджеста + консультативного совета

  • Записи встреч → Питание для CRM + системы пунктов действий

  • Логи выполнения всех модулей → Питание для комитета безопасности

Ни один модуль не является островом. Они образуют взаимно усиливающийся flywheel данных. Именно поэтому один человек + один MacBook могут выдавать результат небольшой команды.

У Berman'а есть очень меткая фраза: «Вы начинаете видеть, как все разные части, которые я построил, взаимодействуют друг с другом и делают друг друга сильнее.»

Напоминание о безопасности: Пристегнитесь перед запуском

Работа Berman'а по безопасности заслуживает отдельного упоминания:

  • Защита от инъекций в промпты: Весь внешний контент считается потенциально malicious, перед сохранением – детерминированное предварительное сканирование кода

  • Минимальные права: Почта, календарь – только чтение, без прав на запись

  • Контроль вывода: Резюме, а не дословное повторение, автоматическая фильтрация ключей и токенов

  • Утверждение перед публикацией: Перед отправкой письма, твита – обязательное ручное подтверждение

  • Шифрование бэкапов: Двойная защита паролем, файл .env никогда не попадает в репозиторий

Он сам четко говорит: «Идеальной схемы безопасности не существует. Большие языковые модели – недетерминированные системы, полностью защититься от инъекций в промпты невозможно. Но это не значит, что ничего не нужно делать.»

После просмотра этих кейсов мое главное ощущение: «Фулстек» в эпоху AI – это уже не про умение писать фронтенд и бэкенд, а про способность строить и управлять целым набором AI-воркфлоу. Berman не пишет код, но у него极其清晰ное представление о своих потребностях, и он знает, как на естественном языке перевести эти потребности в работающую систему.

Возможно, это самый值得 изучаемый навык в 2026 году.

На основе видео Matthew Berman «21 INSANE Use Cases For OpenClaw», материал подготовлен подкастом Podwise, оригинальное видео содержит полные промпты для каждого кейса, рекомендуется к просмотру. Если вы тоже используете OpenClaw или подобные фреймворки для построения своей AI-системы, расскажите в комментариях, какой кейс вы построили первым.

Связанные с этим вопросы

QЧто такое OpenClaw и как он используется в качестве CRM?

AOpenClaw — это система, которая позволяет создавать CRM с помощью естественного языка. Пользователь может описать, что ему нужно, например: «Создай CRM, который извлекает данные из Gmail, Google Calendar и Fathom, фильтрует спам и сохраняет только важные контакты и диалоги». Система автоматически сканирует почту каждые 30 минут, проверяет встречи каждые 5 минут и использует LLM для оценки значимости данных. Она поддерживает семантический поиск, оценку состояния отношений и обнаружение дубликатов контактов.

QКак OpenClaw автоматизирует отслеживание действий после встреч?

AПосле встречи Fathom транскрибирует её, а OpenClaw сопоставляет контакты из CRM, извлекает действия и отправляет их в Telegram для утверждения. Одобренные задачи автоматически попадают в Todoist. Система различает «мои» и «чужие» действия, учится на отказах, проверяет выполнение трижды в день и автоматически архивирует задачи старше 14 дней.

QКакие возможности предоставляет OpenClaw для создания личной базы знаний?

AПользователь может отправлять ссылки в Telegram, а OpenClaw автоматически обрабатывает статьи (включая обход paywall), видео YouTube (транскрипты), треды в X и PDF-файлы. Всё сохраняется в локальную SQLite с векторным поиском, позволяя искать информацию естественным языком. Контент также автоматически делится в Slack с пометкой, что его рекомендовал руководитель.

QКак работает «совет директоров» из ИИ-агентов в OpenClaw?

AСистема использует 8 ИИ-экспертов (финансы, маркетинг, рост и др.), которые анализируют 14 источников данных: аналитику YouTube, Instagram, X, TikTok, emails, встречи и т.д. Агенты работают параллельно, обсуждают находки и формируют приоритизированный список рекомендаций. Результаты отправляются в Telegram каждое утро, и пользователь может запросить детали по любому пункту.

QКакие меры безопасности реализованы в OpenClaw?

AOpenClaw включает ежевечернюю проверку безопасности четырьмя экспертами (атака, защита, конфиденциальность, достоверность), которая анализирует код, логи и данные. Все внешние данные проверяются на инъекции промптов. Права доступа минимальны (только чтение для почты и календаря), выводы фильтруются от конфиденциальной информации, а резервные копии шифруются и хранятся в Google Drive. Любые действия, like отправка emails или твитов, требуют ручного подтверждения.

Похожее

Поддельный сайт Flare Network украл XRP на сумму 8,5 миллионов долларов

В октябре прошлого года мошенники создали поддельный сайт для стейкинга, который за восемь дней работы украл 3,4 миллиона XRP (эквивалентно 8,5 миллионам долларов США) у 71 инвестора. Сайт выдавал себя за Flare Network и FXRP, предлагая ежемесячную доходность от 1,5% до 1,8% с гарантией основной суммы. Инвесторов обманом заставляли выводить XRP с бирж на кошельки мошенников через офшорные платформы. Для привлечения жертв преступники распространяли дезинформацию в блогах, интернет-статьях, Википедии и создавали рекламные видео на YouTube. Сайт был закрыт 23 октября, после чего его операторы скрылись. Полиция Сеула в ходе расследования отследила активы на 27,3 млрд вон (18,8 млн долларов), связанные с аферой, и заморозила 17,3 млрд вон. Двое фигурантов переданы прокуратуре по обвинению в мошенничестве при отягчающих обстоятельствах, ещё один подозреваемый — за подделку документов. Выдано 54 ордера на обыск, арестован один подозреваемый, вернувшийся из-за границы. Полиция Южной Кореи предупредила инвесторов о необходимости проверять официальные источники, объявив политику нулевой терпимости к криптомошенничеству.

cryptonews.ru16 мин. назад

Поддельный сайт Flare Network украл XRP на сумму 8,5 миллионов долларов

cryptonews.ru16 мин. назад

Паскаль Каверсаччо присоединяется к Совету Фонда Ethereum для развития безопасности и конфиденциальности

Фонд Ethereum укрепил свой совет директоров, назначив известного эксперта по безопасности блокчейна Паскаля Каверсаччо (pcaversaccio). Это добровольное назначение на один год увеличило состав совета до четырех человек, куда также входят сооснователь Ethereum Виталик Бутерин, президент фонда Ая Миягучи и швейцарский юрист Патрик Шторхенеггер. Опыт Каверсаччо, сооснователя и руководителя экстренной службы реагирования SEAL 911, привнесет в руководство фонда глубокие знания в области кибербезопасности и инцидентов. SEAL 911 имеет опыт обработки тысяч инцидентов и спасения цифровых активов на сотни миллионов долларов. Его публикации, такие как «Манифест Ethereum-киберпанка», подчеркивают приверженность приватности и безопасности. Это назначение отражает стратегический фокус Фонда Ethereum на усиление приватности, устойчивости протокола и противодействие цензуре, что соответствует его недавней реорганизации в специализированные команды. При этом подчеркивается, что новая должность является добровольной и не влечет изменений в процессах оплаты или управления.

TheNewsCrypto21 мин. назад

Паскаль Каверсаччо присоединяется к Совету Фонда Ethereum для развития безопасности и конфиденциальности

TheNewsCrypto21 мин. назад

SemiAnalysis об эпическом падении: Еще не закончилось

Анализ SemiAnalysis обсуждает резкий спад на рынке полупроводников после исторически сильного первого полугодия. Эксперт Даг О'Локлин проводит параллели с тайваньским пузырем 1980-х, отмечая схожие поведенческие модели, но подчеркивая здоровые фундаментальные показатели отрасли. Ключевые темы обсуждения: * **Резкий рыночный спад:** Обвал индекса KOSPI на 40%, массовые потери инвесторов с плечом и самоусиливающаяся спираль продаж. Проблемы SK Hynix из-за перехода на долгосрочные соглашения (LTA) и замедления роста цен. * **Цикл памяти:** Вечный сценарий: двойные заказы во время дефицита, масштабное расширение производства, а затем резкое падение спроса и цен. * **Спрос на ИИ:** Главный вопрос на триллион долларов. Пример SemiAnalysis: после внедрения ИИ-агентов для программирования число пользователей выросло с 9 до 90, а расходы компании на ИИ увеличились в 100 раз. Однако остается неопределенность, будет ли общий рост спроса 10- или 100-кратным. * **Узкие места в поставках:** Физические и институциональные ограничения, такие как нехватка 100 000 электриков в США и структурные ограничения на рынках капитала (крупные займы облачных компаний, финансируемые пенсионными фондами). * **Политизация ИИ:** Эксперты предполагают, что ИИ может стать "козлом отпущения" на промежуточных выборах в США на фоне проблем с стоимостью жизни. В заключении обсуждается дисбаланс между огромными капитальными затратами (триллионы долларов) и текущими доходами (сотни миллиардов), а также растущие риски по мере увеличения масштабов и ставок. Основные ограничения для роста усматриваются не в спросе, а в физических возможностях цепочек поставок.

marsbit50 мин. назад

SemiAnalysis об эпическом падении: Еще не закончилось

marsbit50 мин. назад

Почему PUMP демонстрирует рост на фоне выхода на рынок Robinhood?

Автор: Нэнси, PANews Несмотря на медвежий рынок в криптосфере, платформа Pump.fun остается одним из немногих протоколов, сохраняющих высокую рентабельность. В середине июля токен PUMP пережил крупный разблокировка на сумму более 86 млн долларов, но вместо падения его цена выросла почти на 47,9% за 30 дней. Анализ показывает, что лишь около 8% выделенных инвесторам токенов были проданы, что смягчило давление на продажи. Важным фактором поддержки цены является механизм выкупа и сжигания: платформа уничтожила более 15,45 млн PUMP (около 15,4% от общего предложения) на сумму свыше 416 млн долларов. Однако в последнее время объем ежедневного выкупа снизился на 77,5%, что связано как с изменением токеномики (сокращение доли доходов на выкуп до 50%), так и с общим падением доходов платформы на 69,1% с исторического пика. Pump.fun демонстрирует стабильную прибыль в условиях медвежьего рынка с годовым доходом около 450 млн долларов, хотя его показатели (объем торгов, активные адреса, ежедневный доход) значительно ниже пиковых значений. Платформа сталкивается с коллективным иском по обвинениям в инсайдерских сделках и манипуляциях рынком. Новым вызовом стало появление конкурента — Launchpad от Robinhood Chain, который на прошлой неделе превзошел Pump.fun по объему торгов и числу активных адресов. В ответ Pump.fun внедрил новый механизм запуска BOOST для увеличения ликвидности, что привело к росту активности на платформе. Тем не менее, критики отмечают, что это может стимулировать создание низкокачественных токенов. В целом, бизнес-модель Pump.fun по-прежнему сильно зависит от спекулятивной активности на рынке мем-токенов, что делает ее доходы и стоимость PUMP уязвимыми к рыночным циклам, несмотря на текущую устойчивость.

marsbit51 мин. назад

Почему PUMP демонстрирует рост на фоне выхода на рынок Robinhood?

marsbit51 мин. назад

Aave постепенно исключает из своего списка 75 резервных активов с низким уровнем использования! Вот подробности

Кредитный протокол Aave объявил о масштабной реструктуризации для повышения эффективности. Он планирует поэтапно прекратить поддержку 75 резервных активов с низким уровнем использования: 50 — в собственной сети Aave и 25 — в шести других блокчейнах (Sonic, Scroll, zkSync, Metis, Soneium, Aptos). Это решение направлено на оптимизацию распределения ресурсов и фокусировку на наиболее востребованных пользователями активах. Общая сумма затрагиваемых резервов составляет около $98,1 млн, а кредитных позиций — $15,6 млн. Для минимизации неудобств будет разработан план перехода. Эксперты отмечают, что подобные меры по удалению неликвидных активов распространены в DeFi-индустрии и помогают снизить затраты на обслуживание, повышая безопасность и операционную эффективность платформ. Аналитики полагают, что, хотя в краткосрочной перспективе может произойти перераспределение ликвидности, в долгосрочной — это укрепит экосистему Aave.

cryptonews.ru1 ч. назад

Aave постепенно исключает из своего списка 75 резервных активов с низким уровнем использования! Вот подробности

cryptonews.ru1 ч. назад

Торговля

Спот
活动图片