Bithumb就奖励支付错误发布声明 – 详情

bitcoinist发布于2026-02-07更新于2026-02-07

文章摘要

韩国交易所Bithumb就内部操作失误发布声明,澄清在促销活动中误将2000 BTC(约1.34亿美元)作为奖励转入695名用户账户,而非原定的2000韩元(约1.34美元)。部分收款人立即抛售,导致交易所出现10%的闪崩,比特币价格短暂跌至5.5万美元左右。 Bithumb在35分钟内冻结了所有相关账户的提现,并已追回99.7%的误转BTC(618,212枚)。对于已售出的1788枚BTC,93%已以韩元或其他数字资产形式回收,剩余部分将由公司资产承担。交易所强调此事与外部黑客或安全漏洞无关,系统运营和用户资产安全管理正常。 此外,全球加密货币总市值在过去24小时上涨5.68%,现报2.34万亿美元,但仍较周期高点4.28万亿美元下跌约45%。市场情绪仍显谨慎,加密恐惧与贪婪指数为8,处于“极度恐惧”状态。

韩国交易所Bithumb就一起内部错误事件发布澄清声明,该错误导致部分用户钱包被误转入"惊人数量"的比特币。值得注意的是,这一失误造成交易所内出现显著价格波动,引发了加密社区观察者的关注。

Bithumb在超额支付错误后启动资金回收工作

2月6日,包括Lookonchain在内的多个加密评论账户披露,Bithumb在奖励发放过程中误向用户每人转账2,000 BTC(1.34亿美元),而非原定的2000韩元(1.34美元)。部分接收者立即进行了抛售,导致该交易所出现10%的瞬时暴跌,价格短暂下探至55,000美元左右。

Bithumb在博客公告中将此事件解释为促销活动过程中发生的超额支付,涉及695名接收者。交易所表示误向这些钱包转移了62万枚BTC,该错误被立即发现,并在交易发生后35分钟内迅速冻结了所有受影响钱包的提现功能。

来源:X平台@lookonchain

值得注意的是,Bithumb已快速回收618,212枚BTC,占超额支付总额的99.7%。同时,已被售出的1788枚BTC中也有93%以韩元和其他数字资产形式被追回。据交易所表示,尚未追回的已售出部分将动用公司资产进行弥补。目前正在全力确保此类操作错误不再发生。

交易所声明称:

Bithumb对此事件高度重视,将通过重新设计整个资产支付流程和加强内控系统,全力防止类似事件重演。

Bithumb同时驳斥了外部或恶意干扰的猜测,向用户保证系统依然安全:

他们表示:

特此澄清本次事件与任何外部黑客攻击或安全漏洞无关,系统安全性和客户资产管理不存在任何隐患。客户资产一如既往安全托管,交易及存提款业务目前正常运行。

加密市场概览

另一方面,全球加密货币总市值在过去24小时上涨5.68%后,目前已升至2.34万亿美元。此前本周市场曾遭遇血洗,总市值一度跌至2.19万亿美元左右。

尽管近期出现回升,CoinMarketCap数据显示数字资产市场较当前周期4.28万亿美元的历史高点仍有约45%的差距。市场情绪持续谨慎,加密恐惧与贪婪指数目前读数为8,显示投资者处于极度恐惧状态。

每日图表显示加密总市值达2.31万亿美元 | 来源:Tradingview.com的TOTAL图表

特色图片来自Blocktempo,图表来自Tradingview

相关问答

QBithumb交易所因什么内部错误导致了价格剧烈波动?

ABithumb交易所在进行促销活动时,误将2000韩元(约1.34美元)的奖励支付错误地转成了2000 BTC(约1.34亿美元)给695名用户。部分收到错误转账的用户立即出售了BTC,导致交易所出现10%的闪崩,价格一度跌至55,000美元左右。

QBithumb采取了哪些措施来回收错误支付的比特币?

ABithumb在交易发生后的35分钟内迅速禁止了所有受影响钱包的提现,并成功回收了618,212 BTC,占总错误支付金额的99.7%。对于已售出的1788 BTC,93%已以韩元或其他数字资产形式追回,剩余部分将由公司资产覆盖。

QBithumb是否认为此次事件与外部黑客或安全漏洞有关?

ABithumb明确表示,此次事件与任何外部黑客攻击或安全漏洞无关,系统安全和客户资产管理不存在问题。客户资产仍安全管理,交易和存提款操作正常进行。

Q此次错误支付事件对Bithumb的运营和未来计划有何影响?

ABithumb表示将非常重视此次事件,通过重新设计整个资产支付流程和加强内部控制体系,尽全力防止类似事件再次发生。

Q当前加密货币市场的总体情况如何?

A加密货币总市值在过去一天上涨5.68%,达到2.34万亿美元,但仍比当前周期的历史高点4.28万亿美元低约45%。市场情绪仍显谨慎,加密货币恐惧与贪婪指数为8,表明投资者处于极度恐惧状态。

你可能也喜欢

生成模型也能端到端训练了?核心竟是一个for循环

长期以来,深度学习在图像分类、检测等任务上凭借端到端训练取得了巨大成功,但生成模型领域却始终是个例外。当前主流的自回归、扩散模型等训练时只学习预测“一小步”,推理时则需要反复展开数百上千步,这种训练与推理的不一致导致了“暴露偏差”等问题,使得生成模型一直未能实现真正的端到端训练。 最近,一篇来自UIUC与哈佛大学的论文提出了“探索式建模(Explorative Modeling,XM)”新范式,其核心是一个简单到近乎朴素的for循环:在每个训练步骤中,模型生成K个候选样本,然后仅选取其中最接近真实数据的一个样本来计算损失和回传梯度。这种做法巧妙地绕开了传统生成模型中因使用重构损失(如平方误差)而导致的“模态模糊”问题——即模型倾向于输出多个可能答案的平均值,而这个平均值往往不属于任何真实的数据模式。 XM通过这种方式,在不拆分生成过程的前提下,直接提升了模型的“生成表达力”,即模型捕捉数据分布中多个独立模式的能力。论文将“探索”验证为继模型参数量、数据量之后的第三根可扩展轴。实验表明,随着模型规模、数据量和计算量的增大,探索带来的性能收益越发显著,在图像、视频、语言等多种任务上均能带来效率与质量的提升。 更重要的是,当探索程度足够时,XM可以实现真正的端到端生成。在机器人控制等任务中,仅需一次网络前向传播的XM策略,其性能可媲美甚至超过需要上百次前向的扩散模型策略,实现了推理效率的飞跃。 尽管“最佳K样本选择”的思想并非全新,但该研究的贡献在于清晰地揭示了这一简单机制如何直接解决生成模型的核心瓶颈,并为实现高效、端到端的生成模型开辟了新的可能性。随着模型规模的持续扩大,探索这一新维度可能将发挥越来越关键的作用。

marsbit48分钟前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit48分钟前

年薪百万抢电工,Meta急到自己办技校

AI竞赛正面临新的瓶颈:工地。美国正面临严重的电工、建筑工等技术工人短缺,这已成为微软、Meta、OpenAI等公司快速建设超大规模AI数据中心(如OpenAI耗资160亿美元的“星际之门”项目)的“头号障碍”。 尽管AI公司愿支付高薪(如电工年薪可达24-28万美元),远超传统行业,但熟练技工仍供不应求。麦肯锡预测,美国在2023-2030年间需额外培养13万名电工和24万名建筑工,而劳工统计局预计每年仍有8万个电工岗位空缺。这种短缺导致项目延迟,每月可能造成数百万美元的收入损失。 AI数据中心建设复杂,需应对巨大功耗(一座设施耗电堪比数十万户家庭)、复杂的配电系统以及高密度散热(需液冷技术)等挑战,因此亟需大量技术娴熟的工人。 为此,科技巨头开始亲自下场培养人才。例如,Meta投入1.15亿美元建立建筑工人培训学校,提供免费培训及生活补贴,以快速输送工人上岗。OpenAI则与建筑工会合作,提前锁定熟练劳动力。同时,企业也将招聘目光投向高中生,鼓励年轻人投身技工行业。这些举措已见成效,Z世代对技工职业的兴趣显著上升。 然而,更深层的挑战在于电力。AI数据中心用电量正以惊人速度增长,已推高部分地区的电价。此外,数据中心建设是项目制的,建设期需要成千上万的工人,但建成后仅需少量常驻人员。这意味着未来可能面临熟练工人短期过剩、并流向其他行业压低薪资的风险。如何实现劳动力与电力资源的长期平衡,仍是悬而未决的问题。

marsbit2小时前

年薪百万抢电工,Meta急到自己办技校

marsbit2小时前

交易

现货
活动图片