Coinbase + Glassnode: Charting Crypto Q3 2025

insights.glassnodeXuất bản vào 2025-07-16Cập nhật gần nhất vào 2025-07-17

Tailwinds Take Shape in Q3

The third quarter of 2025 marks a clear pivot in digital asset markets. Risk sentiment is rebounding, regulatory clarity is improving, and capital is flowing back into high-conviction assets. With Bitcoin reaching fresh all-time highs and stablecoin activity setting new records, market conditions are aligning for continued structural growth.

Produced in collaboration with Coinbase Institutional, the latest Charting Crypto report distills the most critical trends shaping institutional crypto strategy this quarter. From ETF flows and profit-taking behavior to smart contract activity and macro correlations, the report offers a data-driven perspective grounded in on-chain and off-chain market structure.

Highlights from this edition:

  • Bitcoin leads the market as dominance reaches 64%, fueled by ETF inflows and renewed institutional accumulation.
  • Spot ETF flows accelerate: Q2 saw over $14.6B in net inflows to BTC and ETH ETFs - more than 20x the Q1 figure.
  • Stablecoins solidify their role in the financial stack, with total supply surpassing $230B and monthly volumes exceeding $4T.
  • Ethereum shows signs of rotation, as investors reposition following Q1’s capitulation and Q2’s strong recovery.

With analysis from both Coinbase and Glassnode analyst teams, this quarterly report remains a core resource for professional investors navigating crypto’s latest developments.

Key Insights from Q3 2025

1. Bitcoin regains dominance in flight to quality

Bitcoin's share of total crypto market capitalization climbed to 64%, its highest level since early 2021. Ethereum and Solana also saw modest gains, while altcoin market share continued to contract. The rotation into "blue-chip" assets underscores a clear institutional preference for liquidity and resilience amid ongoing macro uncertainty.

2. ETH sentiment flipped decisively in Q2

Glassnode’s Net Unrealized Profit/Loss (NUPL) metric shows that Ethereum investor sentiment recovered from capitulation to belief, signaling a dramatic shift in market psychology. This rebound helped drive ETH’s Q2 rally and may support continued accumulation if macro tailwinds persist.

3. Long-term ETH holders took profits into strength

Ethereum’s liquid supply rose by 8% while illiquid supply fell by 6% in Q2, suggesting that long-term holders were selectively realizing gains into the rally. This redistribution pattern reflects a healthy market structure, with newer entrants absorbing supply from early adopters.

Together, these trends point to a maturing market environment where institutional flows, macro tailwinds, and on-chain behavior are aligning. Bitcoin’s dominance, Ethereum’s sentiment shift, and selective profit-taking by long-term holders all suggest that the current cycle is transitioning from recovery to expansion - potentially laying the groundwork for a structurally stronger digital asset market in the second half of 2025.

For the full Q2 2025 edition of Charting Crypto, including exclusive contributions from Bitwise, Grayscale, and ParaFi, download the report here.

Nội dung Liên quan

Anthropic tạo ra một bộ 'hình phạt' cho AI vượt ngục: Yêu cầu của bạn, bốn cách chết

Bài viết thảo luận về hệ thống phân loại và đánh giá mức độ nghiêm trọng của các yêu cầu "jailbreak AI" (vượt rào an ninh AI) mới được Anthropic công bố, có tên là Khung Đánh giá Mức độ Nghiêm trọng Vượt Rào AI (CJS). Hệ thống phân loại của Anthropic chia các yêu cầu liên quan đến an ninh mạng thành bốn loại: (1) Nguy hiểm cao (ví dụ: phần mềm tống tiền) bị chặn hoàn toàn; (2) Công cụ kép rủi ro cao (như thử nghiệm thâm nhập); (3) Công cụ kép rủi ro thấp (như quét lỗ hổng đã biết); và (4) Vô hại (như gỡ lỗi). Tuy nhiên, hệ thống được thiết kế quá nhạy, dẫn đến việc chặn nhiều yêu cầu hợp pháp (ví dụ đếm chữ cái, debug). Để đánh giá mức độ nguy hiểm của một lần vượt rào, Anthropic đề xuất khung CJS với bốn thang đo: Mức độ tăng cường khả năng tấn công (0-4), Phạm vi khả năng (0-2), Độ khó vũ khí hóa (0-2) và Tính dễ phát hiện (0-2). Tổng điểm 0-10 xác định mức độ nghiêm trọng từ CJS-0 (thông tin) đến CJS-4 (khủng hoảng). Điểm số phụ thuộc vào bối cảnh thời gian và kiến thức của người dùng. Bài viết chỉ ra rằng Anthropic, thông qua liên minh Glasswing với các tập đoàn công nghệ lớn, đang nắm quyền định nghĩa "nguy hiểm" và thiết lập tiêu chuẩn này. Điều này có thể ảnh hưởng đến việc kiểm duyệt mô hình và trải nghiệm người dùng. Bối cảnh được đặt trong lệnh cấm xuất khẩu của Mỹ lần đầu tiên nhắm vào API mô hình AI (như với Fable 5), cho thấy sự kiểm soát công nghệ ngày càng chặt chẽ. Khung CJS được xem như một công cụ để hợp thức hóa các quyết định kiểm soát đó. Cuối cùng, bài viết đưa ra một số lời khuyên cho người dùng khi bị chặn: điều chỉnh từ ngữ trong lệnh, cảnh giác với tín hiệu bị giáng cấp chất lượng phản hồi, hoặc kiên nhẫn chờ đợi các cải tiến không rõ thời hạn từ Anthropic.

marsbit25 phút trước

Anthropic tạo ra một bộ 'hình phạt' cho AI vượt ngục: Yêu cầu của bạn, bốn cách chết

marsbit25 phút trước

Thu nhập 100 triệu đô la mỗi năm, hai bạn cùng phòng Berkeley thế hệ 9x tạo ra mô hình kinh doanh AI sinh lời nhất

Công ty không tạo ra AI nào nhưng kiếm được 100 triệu USD mỗi năm! Đó là Arena, nền tảng bảng xếp hạng và đánh giá mô hình AI khổng lồ, bắt nguồn từ một dự án nghiên cứu mã nguồn mở có tên Chatbot Arena do một nhóm từ UC Berkeley khởi xướng vào năm 2023. Cốt lõi của Arena là một bảng xếp hạng được xây dựng dựa trên hàng chục triệu lượt bình chọn "mù" của người dùng thực. Người dùng nhập prompt, hai mô hình ẩn danh trả lời và họ chọn câu trả lời tốt hơn. Cơ chế "đấu trường" đơn giản này đã thu hút hơn 1000 triệu lượt đánh giá, trở thành điểm tham chiếu quan trọng. Tất cả các gã khổng lồ như OpenAI, Google, Anthropic, Meta đều đưa mô hình hàng đầu của họ lên đây để kiểm tra, thậm chí cả GPT-5 dưới bí danh. Bí quyết kiếm tiền của Arena nằm ở dịch vụ thương mại AI Evaluations, ra mắt tháng 9 năm ngoái. Các công ty phát triển mô hình và doanh nghiệp lớn trả phí để Arena huy động cộng đồng hàng triệu người dùng đánh giá chuyên sâu mô hình của họ, cung cấp phân tích hiệu suất trong thế giới thực mà các bài kiểm tra tiêu chuẩn không có được. Đây là mô hình kinh doanh "bán dụng cụ" trong cơn sốt AI: khi các công ty đua nhau cải thiện mô hình, nhu cầu cho dịch vụ đánh giá và tinh chỉnh sau khi triển khai càng lớn. Dự án này được đồng sáng lập bởi hai bạn cùng phòng tại Berkeley: CEO Anastasios Angelopoulos (chuyên gia học máy) và CTO Wei-Lin Chiang (người đứng sau chatbot mã nguồn mở Vicuna nổi tiếng). Dự án tách ra thành công ty vào mùa xuân 2025, nhanh chóng huy động được 100 triệu USD vốn hạt giống, định giá 6 tỷ USD. Đến tháng 1 năm nay, họ đã hoàn thành vòng gọi vốn Series A 150 triệu USD, định giá 1.7 tỷ USD. Arena không ngừng mở rộng, gần đây ra mắt Chế độ Tác nhân (Agent Mode) để đánh giá các AI thực hiện nhiệm vụ dài, phức tạp như viết mã, nghiên cứu. Arena đặt cược vào một tương lai nơi việc đánh giá khách quan, dựa trên dữ liệu thực tế về hiệu suất AI sẽ ngày càng quan trọng và có giá trị.

marsbit29 phút trước

Thu nhập 100 triệu đô la mỗi năm, hai bạn cùng phòng Berkeley thế hệ 9x tạo ra mô hình kinh doanh AI sinh lời nhất

marsbit29 phút trước

Thu về 24.000 sao: Một lệnh duy nhất, AI tự tìm kiếm kỹ năng

Vercel, công ty đứng sau Next.js, đã ra mắt công cụ Skills - một trình quản lý gói (package manager) dành cho AI Agent, cho phép cài đặt các "kỹ năng" (skill) chuyên biệt vào các công cụ lập trình AI như Claude Code, Cursor, Codex... chỉ bằng một dòng lệnh `npx skills add <package>`. Kho lưu trữ chính thức đã đạt 24,000 sao GitHub trong vòng 5 tháng. Một skill là một thư mục chứa tài liệu hướng dẫn (SKILL.md), tài liệu tham khảo và cả script có thể thực thi, giúp AI tuân thủ các quy tắc, phong cách code cụ thể của dự án một cách tự động và lâu dài. Tính năng nổi bật là "Find Skills", một skill giúp AI tự động tìm kiếm và cài đặt skill phù hợp nhất dựa trên yêu cầu của người dùng, hoạt động như một công cụ tìm kiếm năng lực cho AI. Tuy nhiên, tiện ích đi kèm rủi ro bảo mật lớn. Các nghiên cứu từ Snyk và Koi Security cho thấy hàng trăm skill chứa mã độc, có khả năng đánh cắp khóa, thực hiện prompt injection hoặc phân phối phần mềm độc hại. Khác với npm, skill hợp nhất lệnh, mã code và quyền truy cập đầy đủ, tạo ra mối đe dọa trực tiếp đến hệ thống cục bộ. Vercel, thông qua sáng kiến này, đang tìm cách định hình lại lớp công cụ AI, biến trải nghiệm "một dòng lệnh" từng thành công với Next.js thành chuẩn mực mới trong việc mở rộng năng lực cho trợ lý lập trình AI, đồng thời cũng đặt ra những thách thức bảo mật cần được quản lý cẩn thận.

marsbit30 phút trước

Thu về 24.000 sao: Một lệnh duy nhất, AI tự tìm kiếm kỹ năng

marsbit30 phút trước

Claude Engineer Cuối Cùng Đã Giao Ra Fable 5 Đốt Quyết, Hướng Dẫn Bạn Phá Vỡ Khoảng Cách Thông Tin Với Mô Hình

Fable 5 ra mắt với sự chú ý toàn cầu, từ kỳ vọng cao đến lệnh cấm và hạn chế truy cập. Claude Code kỹ sư Thariq Shihipar chia sẻ hướng dẫn sử dụng Fable 5 hiệu quả, giải quyết vấn đề chênh lệch thông tin giữa người dùng và mô hình. Ông so sánh "bản đồ" (prompt, kỹ năng, ngữ cảnh người dùng cung cấp) với "lãnh thổ" (môi trường thực tế cần xử lý). Khoảng cách này là "điểm chưa biết". Chất lượng công việc phụ thuộc vào khả năng làm rõ các điểm chưa biết này. Bài viết phân loại "điểm chưa biết" thành bốn loại: Đã biết mình biết (nội dung trong prompt), Đã biết mình chưa biết, Chưa biết mình đã biết (điều hiển nhiên không nói ra), và Chưa biết mình chưa biết. Để thu hẹp khoảng cách, tác giả đề xuất các phương pháp lặp đi lặp lại trước, trong và sau khi thực hiện công việc: - **Trước khi thực hiện:** Quét điểm mù, động não tạo nguyên mẫu, đặt câu hỏi ngược, tham khảo tài liệu, lập kế hoạch triển khai. - **Trong khi thực hiện:** Ghi chú lại các quyết định và điều chỉnh trong quá trình thực thi. - **Sau khi thực hiện:** Tạo tài liệu giải thích/giới thiệu và tự kiểm tra kiến thức. Ví dụ, chính video ra mắt Fable đã được Claude Code biên tập bằng cách áp dụng các bước trên: học về kỹ thuật phụ đề, tạo nguyên mẫu đồng bộ hóa, và học về chỉnh màu video. Bài học cốt lõi: Mô hình càng mạnh, việc xác định rõ các "điểm chưa biết" của bạn trước khi bắt đầu càng quan trọng để dẫn đến kết quả tốt hơn. Hãy để Claude giúp bạn tìm ra chúng.

marsbit34 phút trước

Claude Engineer Cuối Cùng Đã Giao Ra Fable 5 Đốt Quyết, Hướng Dẫn Bạn Phá Vỡ Khoảng Cách Thông Tin Với Mô Hình

marsbit34 phút trước

Token ăn mất 30% lương, hóa đơn AI ở Thung lũng Silicon mất kiểm soát

Token hiện đang tiêu tốn tới 30% tổng lương nhân viên tại SemiAnalysis, một viện nghiên cứu bán dẫn Silicon Valley, nhưng đổi lại mang lại hiệu suất cao gấp nhiều lần chi phí lao động truyền thống. CEO NVIDIA, Jensen Huang, thậm chí khuyến khích các kỹ sư sử dụng Token với ngân sách bằng nửa lương, coi đây là "tư liệu sản xuất" mới. Tuy nhiên, mặt khác, nhiều gã khổng lồ công nghệ như Uber và Microsoft đang vật lộn với hóa đơn AI tăng vọt ngoài tầm kiểm soát, trong khi mối liên hệ giữa việc sử dụng AI và đổi mới sản phẩm thực tế vẫn chưa rõ ràng. Một nghiên cứu của MIT năm 2024 chỉ ra trong 77% công việc liên quan đến thị giác, thuê người vẫn rẻ hơn dùng AI. Báo cáo của SemiAnalysis nhấn mạnh đừng chỉ nhìn vào chi phí hiện tại. Với sự tối ưu hóa phần mềm (như tăng tốc độ xử lý token lên 14 lần) và phần cứng mới (hiệu suất cao gấp 17-32 lần), chi phí token dự kiến sẽ giảm mạnh. Gartner dự báo đến 2030, chi phí suy luận cho mô hình lớn có thể giảm hơn 90% so với 2025. Bài viết kết luận rằng dù các công ty công nghệ đang đầu tư hàng nghìn tỷ USD vào AI và cắt giảm nhân sự, tác động kinh tế rộng lớn vẫn chưa thấy rõ. Đây là giai đoạn "xây đường ống" cần thiết, tương tự như điện lưới hay internet trước đây. SemiAnalysis, với 30% chi phí lương chuyển thành token, đã thấy được đòn bẩy sản xuất khổng lồ và đứng về phía bên kia của dòng chảy. Câu hỏi đặt ra cho các công ty khác là bắt đầu ngay hay chờ đợi và bị tụt lại phía sau.

marsbit35 phút trước

Token ăn mất 30% lương, hóa đơn AI ở Thung lũng Silicon mất kiểm soát

marsbit35 phút trước

Giao dịch

Giao ngay
活动图片