VIRTUAL giảm 12% – Nhưng NHÓM người mua này có thể thay đổi mọi thứ

ambcryptoXuất bản vào 2026-03-01Cập nhật gần nhất vào 2026-03-01

Tóm tắt

Token VIRTUAL đã giảm 12% trong 24 giờ, đánh dấu đợt suy giảm tuần thứ hai liên tiếp với tổng thiệt hại 11%. Thị trường phái sinh ghi nhận dòng vốn rút 9,4 triệu USD, cùng với funding rate âm sâu ở mức -0,0411% – dấu hiệu cho thấy các trader đang đặt cược mạnh vào xu hướng giảm. Tuy nhiên, điểm đáng chú ý là nhà đầu tư spot không hoảng loạn mà coi đây là cơ hội tích lũy, đã mua vào 245.000 USD token khi giá giảm. Mặt khác, số liệu on-chain cho thấy hoạt động người dùng và doanh thu giao thức suy yếu đáng kể, với doanh thu giảm từ 133.000 USD (ngày 14/2) xuống còn 32.000 USD. Diễn biến tiếp theo của VIRTUAL sẽ phụ thuộc vào cuộc giằng co giữa áp lực bán từ phái sinh và dòng tiền tích lũy từ thị trường giao ngay.

VIRTUAL bước vào cuối tuần dưới áp lực khi thị trường crypto rộng hơn trượt giá. Token đã giảm 12% trong 24 giờ, đẩy mức lỗ hàng tuần lên 11%.

Tình hình này cho thấy không gian hạn chế cho một sự phục hồi ngay lập tức. Định vị ngắn hạn tăng cường khi tâm lý suy yếu trên toàn thị trường. Sự thay đổi đó giữ rủi ro giảm giá ở mức cao.

Rút vốn tăng cường

Đợt giảm giá mới nhất trùng hợp với sự sụt giảm trong dòng tiền vào và sự gia tăng thế thống trị của phe bán, khi điều kiện trên thị trường futures vĩnh cửu thay đổi mạnh mẽ.

Tại thời điểm viết bài, thị trường vĩnh cửu của Virtuals Protocol [VIRTUAL] ghi nhận một sự thoát vốn đáng kể tổng cộng 9,4 triệu USD, làm giảm tổng lợi ích mở xuống xấp xỉ 76 triệu USD.

Quan trọng là, các vụ thanh lý bắt buộc vẫn còn hạn chế. Tổng thanh lý vào khoảng 431.000 USD, nghĩa là hầu hết nhà giao dịch đã đóng vị thế một cách tự nguyện.

Sự phân biệt này là rất quan trọng.

Dữ liệu từ Tỷ lệ Tài trợ Trọng số OI đã giảm xuống -0,0411% vào ngày 28 tháng 2. Đó là mức đọc thấp nhất trong năm.

Những Tỷ lệ Tài trợ âm sâu như vậy cho thấy định vị bán khống tích cực. Lần tập trung bán khống có thể so sánh gần nhất xuất hiện vào tháng 10 năm 2025, ngay trước một đợt suy giảm mạnh.

Lịch sử đó giữ tâm lý mong manh.

Chưa có hoảng loạn trong giới nhà đầu tư spot

Bất chấp các nhà giao dịch Phái sinh nghiêng về giảm giá, các nhà đầu tư spot dường như tương đối bình tĩnh. Thay vì thoát ra, họ đang coi đợt giảm như một cơ hội tích lũy tiềm năng.

Tại thời điểm báo cáo này, người mua Spot đã tích lũy khoảng 245.000 USD trị giá VIRTUAL trong khi giá đang giảm, cho thấy sự tự tin vào triển vọng trung hạn của tài sản.

Đây đánh dấu giai đoạn tích lũy đáng chú ý đầu tiên kể từ ngày 24 tháng 2, khiến cho sự thay đổi trong hành vi spot đặc biệt đáng chú ý.

Nếu mô hình mua này tiếp tục vào tuần mới, nó có thể đệm thêm áp lực giảm và hỗ trợ một đợt phục hồi từ mức sụt giảm gần đây.

Hoạt động On-chain suy yếu

Tuy nhiên, các số liệu on-chain vẽ nên một bức tranh thận trọng hơn. VIRTUAL đã ghi nhận sự sụt giảm đồng thời cả trong hoạt động người dùng và doanh thu giao thức.

Theo dữ liệu từ Artemis, số lượng người dùng đã giảm xuống khoảng 24.000, trong khi doanh thu đã giảm xuống khoảng 32.000 USD. Điều này thể hiện một sự sụt giảm mạnh so với mức 133.000 USD được ghi nhận vào ngày 14 tháng 2.

Hoạt động suy yếu này nhấn mạnh những lo ngại về cấu trúc.

Sự tham gia của người dùng giảm và doanh thu giảm cho thấy nhu cầu on-chain mềm hơn, điều này có thể gây áp lực lên hiệu suất giá dài hạn của VIRTUAL nếu xu hướng này tiếp diễn.

Trong ngắn hạn, cuộc giằng co giữa định vị bán khống tích cực và sự tích lũy spot được nối lại có khả năng sẽ quyết định động thái lớn tiếp theo của tài sản.

Tóm tắt cuối cùng

  • VIRTUAL giảm 12% trong 24 giờ, mở rộng mức lỗ hàng tuần lên 11%.
  • Lợi ích Mở (Open Interest) giảm 9,4 triệu USD, báo hiệu sự thoát vốn khỏi các thị trường phái sinh.

Câu hỏi Liên quan

QGiá của VIRTUAL đã giảm bao nhiêu phần trăm trong 24 giờ và tuần qua?

AGiá của VIRTUAL đã giảm 12% trong 24 giờ và 11% trong tuần qua.

QĐiều gì xảy ra trên thị trường perpetual futures của VIRTUAL Protocol?

AThị trường perpetual futures của VIRTUAL Protocol ghi nhận dòng vốn rút ra tổng cộng 9,4 triệu đô la, làm giảm tổng lợi ích mở (open interest) xuống còn khoảng 76 triệu đô la.

QTỷ lệ tài trợ (Funding Rate) cho thấy điều gì về vị thế của các nhà giao dịch?

ATỷ lệ tài trợ (OI-Weighted Funding Rate) giảm xuống -0,0411% vào ngày 28 tháng 2, đây là mức thấp nhất trong năm và cho thấy các nhà giao dịch đang đặt cược vào việc giá giảm (short positioning) một cách mạnh mẽ.

QCác nhà đầu tư spot (giao ngay) phản ứng thế nào trước đợt giảm giá?

AThay vì thoát khỏi thị trường, các nhà đầu tư spot đang coi đây là cơ hội tích lũy. Họ đã mua vào khoảng 245.000 đô la VIRTUAL trong lúc giá giảm, thể hiện sự tự tin vào triển vọng trung hạn của tài sản.

QCác số liệu on-chain cho thấy xu hướng gì về hoạt động của giao thức VIRTUAL?

ACác số liệu on-chain cho thấy hoạt động của giao thức đang suy yếu, với số lượng người dùng giảm xuống khoảng 24.000 và doanh thu giảm mạnh từ 133.000 đô la (ngày 14/2) xuống còn khoảng 32.000 đô la, cho thấy nhu cầu on-chain đang giảm.

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.

marsbit8 phút trước

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

marsbit8 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.

marsbit13 phút trước

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

marsbit13 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.

marsbit1 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

marsbit1 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.

marsbit1 giờ trước

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

marsbit1 giờ trước

Làn sóng tấn công Coldcard thứ 4 nghi ngờ quét sạch 389 Bitcoin: Thorn từ Galaxy

Người dùng ví cứng Bitcoin Coldcard đang được cảnh báo về một đợt tấn công mới nhằm đánh cắp tiền điện tử, chỉ vài ngày sau đợt tấn công đầu tiên. Alex Thorn, Trưởng bộ phận Nghiên cứu tại Galaxy, thông báo đã phát hiện 218 giao dịch đáng ngờ trong vài giờ qua, ảnh hưởng đến 462 địa chỉ và di chuyển khoảng 388,9 Bitcoin. Ông cho biết các giao dịch này có đặc điểm phù hợp với lỗ hổng của Coldcard và tốc độ giao dịch cao gấp khoảng 45 lần bình thường. Hầu hết số tiền bị đánh cắp được chuyển đến các địa chỉ đích mới riêng biệt thay vì tập trung vào một ví. Một số đã được chuyển tiếp lần thứ hai. Nguyên nhân được cho là do lỗi phần mềm chưa từng được phát hiện trước đây trên firmware Coldcard, khiến thiết bị tạo ra seed ví với độ ngẫu nhiên thấp hơn dự định. Ước tính hiện tại có hơn 1.100 ví bị ảnh hưởng với tổng số tiền khoảng 90 triệu USD Bitcoin bị đánh cắp. Người dùng bị ảnh hưởng được khuyến cáo có thể thử chuyển số tiền còn lại sang ví an toàn bằng một giao dịch cạnh tranh với phí cao hơn.

cointelegraph2 giờ trước

Làn sóng tấn công Coldcard thứ 4 nghi ngờ quét sạch 389 Bitcoin: Thorn từ Galaxy

cointelegraph2 giờ trước

Giao dịch

Giao ngay
活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow