Bithumb Ra Thông Báo Về Lỗi Thanh Toán Thưởng – Chi Tiết

bitcoinistXuất bản vào 2026-02-07Cập nhật gần nhất vào 2026-02-07

Tóm tắt

Sàn giao dịch Hàn Quốc Bithumb đã ra thông báo về một lỗi nội bộ khi ghi nhầm phần thưởng 2.000 KRW (1,34 USD) thành 2.000 BTC (134 triệu USD) cho 695 người dùng trong một sự kiện khuyến mãi. Sự cố này khiến một số người nhận bán ngay lập tức, gây ra đợt flash crash 10% và đẩy giá Bitcoin trên sàn xuống khoảng 55.000 USD trong thời gian ngắn. Bithumb nhanh chóng phong tỏa rút tiền đối với các ví bị ảnh hưởng chỉ trong 35 phút. Sàn đã thu hồi được 99,7% số BTC chuyển nhầm (618.212 BTC) và 93% số 1.788 BTC đã bán được. Phần còn lại sẽ được bù đắp bằng tài sản công ty. Bithumb nhấn mạnh sự cố này không liên quan đến hack hay vi phạm bảo mật, hệ thống và tài sản người dùng vẫn an toàn. Sàn cam kết cải thiện quy trình và hệ thống kiểm soát nội bộ để ngăn lỗi tái diễn.

Sàn giao dịch Hàn Quốc Bithumb đã làm rõ thông tin về một lỗi nội bộ đã ghi có một lượng BTC "đáng lo ngại" vào một số người dùng. Đáng chú ý, sự cố này đã gây ra biến động giá đáng kể trên sàn, thu hút sự chú ý từ các nhà quan sát và những người đam mê tiền điện tử.

Bithumb Nỗ Lực Khắc Phục Sau Lỗi Thanh Toán Thừa

Vào ngày 6 tháng 2, Lookonchain, cùng với nhiều tài khoản bình luận về tiền điện tử khác, đã chia sẻ rằng Bithumb đã vô tình chuyển 2.000 BTC (134 triệu USD) cho mỗi người dùng, thay vì 2000 KRW (1,34 USD) trong một đợt chi trả thưởng. Một số người nhận đã lập tức bán ra, gây ra một cú flash crash 10% trên sàn giao dịch Hàn Quốc, đẩy giá tạm thời xuống khoảng 55.000 USD.

Trong một bài đăng trên blog, Bithumb giải thích sự việc là một khoản thanh toán thừa xảy ra trong quá trình sự kiện khuyến mãi liên quan đến 695 người nhận. Sàn giao dịch cho biết họ đã chuyển nhầm 620.000 BTC vào các ví này, một lỗi đã được phát hiện ngay lập tức, dẫn đến việc nhanh chóng cấm rút tiền đối với tất cả các ví bị ảnh hưởng trong vòng 35 phút sau giao dịch.

Nguồn: @lookonchain trên X

Đáng chú ý, Bithumb đã nhanh chóng thu hồi được 618.212 BTC, tương đương 99,7% tổng số tiền thanh toán thừa. Trong khi đó, 93% trong số 1788 BTC đã được bán cũng đã được thu hồi bằng KRW và các tài sản kỹ thuật số khác. Theo sàn giao dịch, số tiền còn lại đã bán mà chưa được thu hồi sẽ được bù đắp bằng tài sản của công ty. Đồng thời, các nỗ lực đang được tiến hành để đảm bảo những lỗi vận hành như vậy không bao giờ tái diễn.

Một tuyên bố từ sàn giao dịch cho biết:

Bithumb rất coi trọng sự việc này và sẽ làm hết sức mình để ngăn chặn tái diễn bằng cách thiết kế lại toàn bộ quy trình thanh toán tài sản và tăng cường hệ thống kiểm soát nội bộ.

Bithumb cũng phủ nhận nghi ngờ về sự can thiệp bên ngoài hoặc độc hại, cam kết với người dùng rằng hệ thống của họ vẫn an toàn:

Họ nói:

Chúng tôi muốn làm rõ rằng sự việc này không liên quan đến bất kỳ cuộc tấn công hack bên ngoài hoặc vi phạm bảo mật nào, và không gây ra bất kỳ vấn đề nào với bảo mật hệ thống hoặc quản lý tài sản khách hàng. Tài sản của khách hàng vẫn đang được quản lý an toàn như trước đây, và các giao dịch cũng như nạp/rút tiền hiện đang hoạt động bình thường.

Tổng Quan Thị Trường Tiền Điện Tử

Trong các tin tức khác, tổng vốn hóa thị trường tiền điện tử hiện đã tăng lên 2,34 nghìn tỷ USD sau mức tăng 5,68% trong ngày qua. Điều này diễn ra sau một đợt lao dốc sớm hơn trong tuần, khi vốn hóa thị trường giảm xuống khoảng 2,19 nghìn tỷ USD.

Bất chấp sự phục hồi gần đây, dữ liệu từ CoinMarketCap cho thấy thị trường tài sản kỹ thuật số vẫn còn cách mức cao kỷ lục hiện tại của chu kỳ là 4,28 nghìn tỷ USD khoảng 45%. Tâm lý thị trường cũng tiếp tục phản ánh sự thận trọng, với Chỉ số Sợ hãi và Tham lam Crypto hiện đang ở mức 8, báo hiệu sự sợ hãi cực độ giữa các nhà đầu tư.

Tổng vốn hóa thị trường crypto được định giá ở mức 2,31 nghìn tỷ USD trên biểu đồ hàng ngày | Nguồn: Biểu đồ TOTAL trên Tradingview.com

Hình ảnh nổi bật từ Blocktempo, biểu đồ từ Tradingview

Câu hỏi Liên quan

QSàn giao dịch Bithumb đã gặp phải sự cố gì liên quan đến việc thanh toán phần thưởng?

ABithumb đã vô tình chuyển 2.000 BTC (trị giá 134 triệu USD) cho người dùng thay vì 2.000 KRW (1,34 USD) trong một đợt chi trả phần thưởng khuyến mãi. Sự cố này ảnh hưởng đến 695 người nhận.

QHậu quả trực tiếp của sự cố này trên sàn Bithumb là gì?

AMột số người nhận đã lập tức bán số BTC được chuyển nhầm, gây ra một cú flash crash' (sụt giảm giá nhanh) 10% trên sàn, đẩy giá Bitcoin tạm thời xuống khoảng 55.000 USD.

QBithumb đã xử lý sự cố như thế nào?

ABithumb nhanh chóng phát hiện lỗi và chặn rút tiền từ tất cả các ví bị ảnh hưởng trong vòng 35 phút. Sàn đã thu hồi được 99.7% tổng số BTC bị chuyển nhầm (618.212 BTC) và 93% số BTC đã bán (1.788 BTC) được hoàn trả bằng KRW và các tài sản kỹ thuật số khác. Số còn lại sẽ được bù đắp bằng tài sản của công ty.

QBithumb có khẳng định điều gì về nguyên nhân và bảo mật sau sự cố?

ABithumb khẳng định sự cố này không liên quan đến bất kỳ cuộc tấn công hack bên ngoài hay vi phạm bảo mật nào. Họ nhấn mạnh rằng hệ thống bảo mật và quản lý tài sản của khách hàng không có vấn đề, và các giao dịch, nạp/rút tiền vẫn hoạt động bình thường.

QBối cảnh thị trường crypto tổng thể được đề cập trong bài viết là gì?

ATổng vốn hóa thị trường crypto đã tăng lên 2,34 nghìn tỷ USD, tăng 5,68% trong ngày qua, phục hồi sau một đợt sụt giảm. Tuy nhiên, thị trường vẫn còn cách xa 45% so với mức đỉnh lịch sử trước đó là 4,28 nghìn tỷ USD. Chỉ số Fear and Greed Index đang ở mức 8, cho thấy tâm lý cực kỳ sợ hãi của các nhà đầu tư.

Nội dung Liên quan

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

Mô hình tạo sinh (generative models) từ lâu đã phụ thuộc vào các phương pháp đào tạo nhiều giai đoạn (như diffusion, autoregressive), dẫn đến "exposure bias" - sự khác biệt giữa cách huấn luyện và suy luận. Bài báo "Explorative Modeling" (XM) từ UIUC và Harvard đề xuất một giải pháp đơn giản nhưng mạnh mẽ: thay vì tách quá trình tạo mẫu, hãy tách vòng lặp huấn luyện. Trong mỗi bước huấn luyện, mô hình tạo ra K ứng viên, sau đó chỉ chọn ứng viên gần nhất với dữ liệu thực để cập nhật gradient. Vòng lặp `for` đơn giản này giải quyết vấn đề "mode blurring" - xu hướng của hàm mất mát tái tạo đẩy đầu ra về trung bình của các mode hợp lệ, tạo ra kết quả mờ nhạt. Bằng cách khám phá nhiều ứng viên, mô hình học cách bao phủ nhiều mode khác nhau trong phân phối dữ liệu. Khả năng này được gọi là "biểu đạt tạo sinh" (generative expressivity). Thí nghiệm cho thấy "khám phá" (exploration) trở thành một trục mở rộng quy mô hiệu quả thứ ba, bên cạnh quy mô dữ liệu và tham số. Khi quy mô tăng, lợi ích từ việc khám phá càng lớn, cải thiện hiệu suất FLOP, mẫu và tham số. XM đạt được kết quả tạo ảnh trên ImageNet (FID 1.43 không guidance) ngang bằng các mô hình hàng đầu. Quan trọng hơn, XM cho phép huấn luyện mô hình tạo sinh "end-to-end" thực sự. Trong thí nghiệm điều khiển robot, Explorative Policy chỉ cần một lượt truyền thẳng mạng, đạt hiệu suất tương đương Diffusion Policy cần hàng trăm bước suy luận. Điều này chuyển chi phí tính toán từ giai đoạn suy luận sang giai đoạn huấn luyện, mở ra khả năng cho các mô hình tạo sinh nhanh và hiệu quả hơn. Công trình dựa trên lý thuyết "Mode Forcing" trước đó của nhóm tác giả. Hạn chế hiện tại bao gồm chi phí tính toán cho "Forward XM" trên phân phối nhiều mode và thách thức với mô hình ngôn ngữ tự hồi quy thuần túy.

marsbit46 phút trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

marsbit46 phút trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

Tác giả Google DeepMind Dan Roy đã khởi xướng một kiến nghị trào phúng nhằm phản đối quy định mới của hội nghị AI hàng đầu ICLR, giới hạn mỗi tác giả chỉ được đăng ký tối đa 20 bài báo tham dự ICLR 2027. Quy định này được đưa ra do số lượng bài nộp tăng đột biến 68% vào năm 2026, gây áp lực nặng nề lên hệ thống phản biện. Trong bài đăng của mình, Dan Roy giả vờ ủng hộ việc để AI Agent tạo ra càng nhiều nghiên cứu gia tăng càng tốt, và cho rằng giới hạn này sẽ "làm chậm sự phát triển của AI". Anh còn mỉa mai nhận xét rằng "tất cả công việc phản biện giờ đã được giao cho các mô hình ngôn ngữ lớn xử lý", ám chỉ đến một nghiên cứu trước đó phát hiện khoảng 21% ý kiến phản biện tại ICLR 2026 có khả năng cao là do AI tạo ra. Bài viết chỉ ra rằng thông điệp trào phúng của Roy thực chất phản ánh mối lo ngại về một vòng luẩn quẩn: AI tạo ra bài báo hàng loạt, nhà nghiên cứu gửi đi hàng loạt, và phản biện viên lại dùng AI để đánh giá hàng loạt. Qua đó, tác giả đặt câu hỏi liệu biện pháp giới hạn số lượng cứng nhắc có phải là giải pháp tối ưu cho những thách thức căn bản về chất lượng học thuật trong kỷ nguyên AI này.

marsbit51 phút trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

marsbit51 phút trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

OpenAI đã điều chỉnh giá, giảm 80% cho mô hình GPT-5.6 Luna và 20% cho Terra, đồng thời giới thiệu chế độ Fast cho mô hình mạnh nhất Sol. Động thái này, cùng với việc Anthropic giới thiệu Claude Opus 5 với giá bằng một nửa so với flagship Fable 5, đánh dấu sự thay đổi chiến lược quan trọng: các hãng không còn chỉ tập trung bán mô hình mạnh nhất. Thay vào đó, họ khuyến nghị người dùng kết hợp các mô hình theo nhiệm vụ: dùng Sol (đắt, mạnh) để phân tích và lập kế hoạch phức tạp, sau đó giao cho Luna (rẻ, hiệu quả) thực thi. Điều này cho thấy trọng tâm thương mại đang chuyển từ các mô hình flagship (chứng minh năng lực kỹ thuật) sang các mô hình tầm trung, phục vụ cho lượng truy vấn API khổng lồ hàng ngày của doanh nghiệp, nơi hiệu quả chi phí (ROI) và độ ổn định là yếu tố quyết định. Một yếu tố then chốt giúp giảm chi phí là việc chính các mô hình AI (như Sol) tham gia tối ưu hóa mã nguồn và quy trình vận hành của chính chúng, tạo ra một vòng lặp tự thúc đẩy giảm chi phí. Điều này có thể đẩy nhanh hơn nữa đà giảm giá trong tương lai. Cạnh tranh đang chuyển từ "mô hình thông minh nhất" sang "hệ sinh thái hiệu quả nhất". OpenAI muốn biến các mô hình như Luna thành lựa chọn mặc định cho các tác vụ thường ngày, từ đó gia tăng độ phụ thuộc và chi phí chuyển đổi cho doanh nghiệp. Tương tự như ngành điện hay điện toán đám mây, mục tiêu cuối cùng là AI trở thành một tiện ích phổ biến, hoạt động âm thầm và không thể thiếu trong mọi quy trình, thay vì chỉ là một sản phẩm công nghệ đình đám.

marsbit2 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

Cuộc đua AI đang vấp phải nút thắt mới: thiếu hụt nghiêm trọng lao động lành nghề như thợ điện và công nhân xây dựng để xây dựng các trung tâm dữ liệu quy mô lớn. Tại Mỹ, dự báo cần thêm 130.000 thợ điện và 240.000 công nhân xây dựng từ 2023-2030 cho hạ tầng AI, trong khi mỗi năm có 80.000 vị trí thợ điện không thể lấp đầy. Các công ty AI sẵn sàng trả lương cao (thợ điện giỏi có thể kiếm 240.000-280.000 USD/năm), nhưng sự chậm trễ xây dựng vẫn gây thiệt hại hàng chục triệu USD. Độ phức tạp của các trung tâm dữ liệu AI, với công suất điện khổng lồ, hệ thống phân phối điện và làm mát phức tạp, đòi hỏi lao động có kỹ năng đặc biệt. Để giải quyết, các gã khổng lồ công nghệ như Meta và Google đang đầu tư hàng trăm triệu USD vào đào tạo. Meta mở trường dạy nghề miễn phí, cung cấp cả trợ cấp sinh hoạt, trong khi OpenAI hợp tác với công đoàn xây dựng. Chiến dịch tuyển dụng nhắm đến cả học sinh trung học, góp phần làm tăng mạnh tỷ lệ Gen Z theo học trường nghề. Tuy nhiên, nhu cầu điện cho AI tiếp tục bùng nổ, chiếm phần ngày càng lớn trong tổng tiêu thụ điện và đẩy giá điện lên cao. Một nghịch lý tồn tại: các dự án xây dựng cần hàng nghìn lao động cùng lúc, nhưng khi hoàn thành chỉ cần số ít vận hành, dẫn đến rủi ro dư thừa lao động lành nghề trong tương lai.

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

marsbit2 giờ trước

Giao dịch

Giao ngay
活动图片