卡尔达诺抹去选举反弹全部涨幅——ADA能否守住前十地位?

ambcrypto发布于2025-12-20更新于2025-12-20

文章摘要

卡尔达诺(ADA)已完全回吐了由选举行情带来的涨幅,跌回0.30美元关键支撑位,全年收益归零。其市值在2025年蒸发250亿美元,跌幅达64%,表现甚至不及狗狗币。随着与比特币现金(BCH)的市值差距日益缩小,ADA能否保持加密货币排名前十的位置成为焦点。 基本面疲软加剧了这一风险:尽管网络有所升级,但用户活跃地址从选举期间的9.3万骤降至2.5万以下,总锁仓价值(TVL)远低于市值仅为其三分之一的Sui,表明估值过高。此外,巨鲸在过去两个月抛售了1.2亿ADA,进一步凸显市场信心的流失。 综合用户参与度低、TVL停滞、技术面疲软及巨鲸减持等因素,卡尔达诺的第十名排名恐难维持。

自选举周期引发牛市以来已过去一年有余。

尽管面临各种恐惧、不确定性和怀疑(FUD),宏观不确定性以及接连发生的闪崩,大多数山寨币仍成功守住了选举反弹带来的涨幅,这意味着长期持有者仍享有未实现利润。

然而,卡尔达诺(ADA)并未展现出同样的韧性。在经历了红色第三季度和第四季度后,ADA已回落至选举初期的水平,抹去了全年全部涨幅,回到了0.30美元支撑位附近的关键技术区域。

值得注意的是,这种疲软明显反映在其市值上。

根据CoinMarketCap数据,ADA在2025年已缩水250亿美元,跌幅达64%,其估值降至140亿美元。

相比之下,即使是狗狗币(DOGE)也成功将跌幅控制在50%。

简而言之,ADA的表现甚至不及一枚迷因币。

在此背景下,随着卡尔达诺与比特币现金(BCH)之间的市值差距日益缩小,问题变成了:ADA还能在加密货币排名中保持第十位多久,才会被BCH取代?

疲软的基本面使ADA的排名面临风险

ADA的技术疲软现在正蔓延至基本面。

尽管近期进行了网络升级,但用户参与度一直持平。根据DeFiLlama的数据,卡尔达诺上的活跃地址在选举期间曾跃升至9.3万,现已回落至2.5万以下,使得FOMO(错失恐惧症)情绪低迷。

与此同时,分析师指出Sui(SUI)的总锁仓价值(TVL)是卡尔达诺的4.5倍,尽管其市值仅为ADA的三分之一左右。这种差异表明,相对于同行,卡尔达诺可能被高估了。

值得注意的是,聪明钱(smart money)也开始感受到压力。

分析师指出,鲸鱼在过去两个月内抛售了1.2亿ADA,这与ADA从0.80美元峰值下跌约50%的时间相吻合。这也突显了卡尔达诺难以将0.80美元作为支撑位。

综上所述,疲软的FOMO情绪、下降的TVL、技术疲软以及不稳定的基本面都表明卡尔达诺被高估了。在这种背景下,ADA失去第十名的位置可能只是时间问题。


最终思考

  • 卡尔达诺表现不及大多数山寨币,失去了选举周期的全部涨幅,用户活动疲软、TVL停滞以及FOMO情绪低迷,均显示出技术和基本面的疲弱。
  • 鲸鱼抛售和高估担忧表明,卡尔达诺在加密货币排名中的第十位日益面临风险。

热门币种推荐

相关问答

Q根据文章,卡尔达诺(ADA)在2025年市值下跌了多少百分比?

A根据文章,卡尔达诺(ADA)在2025年市值下跌了64%。

Q文章中提到,与卡尔达诺相比,哪种加密货币的下跌幅度被控制在50%?

A文章中提到,即使是狗狗币(DOGE)也将其下跌幅度控制在了50%。

Q是什么关键的技术支撑位被提及为ADA价格回落的位置?

A文章指出,ADA价格已回落至0.30美元附近的关键技术支撑位。

Q文章列举了哪些因素表明卡尔达诺可能被高估?

A文章列举的因素包括:疲软的用户活动(FOMO情绪低迷)、总锁仓价值(TVL)停滞不前、技术面疲软以及基本面动摇,这些都表明卡尔达诺可能被高估。

Q根据分析,哪个加密货币最有可能取代卡尔达诺成为市值排名第十的加密货币?

A根据文章,比特币现金(BCH)与卡尔达诺的市值差距日益缩小,最有可能取代ADA成为市值排名第十的加密货币。

你可能也喜欢

Anthropic造了套AI越狱「刑法」:你的请求,四种死法

近日,Anthropic公布了其AI安全系统Fable的详细拦截规则,并将用户请求分为四类进行管理:明确禁止的恶意行为(如勒索软件)、高风险双用途行为(如渗透测试)、低风险双用途行为(如漏洞扫描)以及理论上无害的行为(如调试代码)。然而,该系统因“宁可错杀,不可放过”的原则,导致大量正常请求被误拦截,引发了用户不满。 为更系统化地评估安全风险,Anthropic联合Glasswing联盟推出了“网络越狱严重性框架”(CJS)。该框架从能力增益、能力广度、武器化难度和可发现性四个维度对AI越狱行为进行0-10分的量化评分,并划分严重等级。CJS旨在为模型下架等决策提供“客观”依据,但其评分标准由Anthropic及其盟友主导制定,引发了对规则制定权垄断的担忧。 文章指出,此前Fable 5模型因美国出口管制政策被全球断服,标志着监管首次直接作用于模型API。如今,重新上线的模型已配备更严格的过滤系统。而更强大的Mythos模型仅对特定合作机构开放,形成了“技术分层”的管控格局。在此背景下,CJS框架也被视为递给监管者的“行刑尺”。 对于普通用户,文章建议在提示词中避免敏感词汇、注意模型降级信号,并耐心等待系统优化。最终,AI能力的边界已不纯粹是技术问题,更受到了商业策略与地缘政治规则的双重塑造。

marsbit24分钟前

Anthropic造了套AI越狱「刑法」:你的请求,四种死法

marsbit24分钟前

年入1亿美元,两个90后伯克利室友,搞出最赚钱的AI生意

一家不造AI的公司,年收入却高达1亿美元。这家公司名为Arena,前身是加州大学伯克利分校团队在2023年发起的开源研究项目Chatbot Arena。它核心的产品是一个通过用户真实盲测生成的大模型排行榜:用户输入提示词,系统随机分配两个匿名模型作答,由用户投票选择更优者。凭借海量真实数据,该榜单已成为业界公认的权威评测平台,吸引了OpenAI、谷歌、Anthropic等顶级厂商在此“打擂台”。 其商业模式在于“卖水”:为模型厂商和企业提供付费的深度评测服务,利用其庞大的用户社区对模型进行真实世界性能分析。这种服务切中了模型厂商激烈竞争、亟需优化调优的痛点。 公司由两位伯克利室友创立。CEO Anastasios Angelopoulos师从多位学术大牛,专注于对黑箱模型进行数学严谨的评估;CTO Wei-Lin Chiang是知名开源聊天机器人Vicuna的创造者。项目发展迅速,在商业化仅8个月后年化营收便达到1亿美元,并已完成高额融资,估值达17亿美元。 目前,Arena已将评测范围从简单的对话能力,扩展到智能体模式下的复杂长任务(如写代码、研究分析),用任务完成率、幻觉率等更客观的指标进行评估。在AI向智能体演进的时代,中立、可靠的评测变得愈发关键和昂贵,这正是Arena巨大价值的根基。

marsbit29分钟前

年入1亿美元,两个90后伯克利室友,搞出最赚钱的AI生意

marsbit29分钟前

狂揽2.4万星标:一行命令,AI会自己找技能了

过去,AI开发者交换的是提示词模板;如今,风向转变为互相推荐可安装的“技能”(skill)。Vercel推出的Skills项目,正致力于成为AI智能体的“npm”包管理器。通过一行命令(如 `npx skills add <package>`),开发者可以为Claude Code、Cursor等多种AI工具快速安装能力包,涵盖代码规范、设计准则等,实现能力的即装即用和跨工具共享。 该项目上线五个月便在GitHub获得2.4万星标,并配套上线了技能目录网站skills.sh,设有安装量排行榜。其中,“find-skills”技能尤为突出,安装量超230万次,它能让AI根据用户需求自动搜索、筛选并安装合适的技能,相当于为AI提供了“能力搜索引擎”。 这标志着AI编程正从“提示词工程”迈向“能力工程”,将零散经验封装为可复用、可版本管理的模块。Vercel此举意在复制其通过Next.js卡位前端生态的成功经验,在AI智能体工具层建立新入口。 然而,热潮背后存在安全隐患。安全审计发现,技能包中约有13.4%存在严重安全缺陷,可能携带恶意脚本、进行提示词注入或窃取密钥。与传统的npm包不同,技能包融合了提示词、代码和执行权限,风险直接触及本地系统和敏感数据。因此,用户需要像对待代码一样谨慎选择技能,仔细审查来源和所需权限。 Vercel创始人Guillermo Rauch的长期目标,正是将复杂工程简化为“一行命令”的极致体验。从Now、Next.js到如今的Skills,这一理念正被应用于AI领域,在带来便利的同时,也要求开发者带着判断力进场,共同迎接AI能力“npm化”的机遇与挑战。

marsbit30分钟前

狂揽2.4万星标:一行命令,AI会自己找技能了

marsbit30分钟前

Claude工程师终于交出Fable 5焚诀,教你打破和模型之间的信息差

Claude Fable 5模型发布后经历波折,最终回归生产力工具。Claude工程师Thariq Shihipar指出,用户与模型间存在“信息差”(即提示词、技能与真实任务需求间的差距),这常导致输出不如预期。他将此差距称为“未知项”,并强调与Fable协作的核心是迭代地发现和澄清这些未知项。 Thariq将未知项分为四类:已知的已知(明确提出的需求)、已知的未知(自知未明的部分)、未知的已知(未言明的隐含知识)和未知的未知(完全未意识到的部分)。提升AI编程效率的关键在于减少未知项,并主动规划。 他提供了一套贯穿工作流的方法: 1. **实现前**:通过“盲点扫描”让AI帮你发现认知盲区;进行“头脑风暴与原型”快速验证想法;通过“反问”让AI提问以澄清歧义;提供“参考资料”(如代码、设计)辅助沟通;制定“实现计划”并优先审阅易变部分。 2. **实现中**:要求AI维护“实现笔记”,记录临时决策与偏差原因。 3. **实现后**:创建“推介与解释文档”便于团队评审和获批;通过“测验”确保自己理解AI所做的全部变更。 文章以Fable发布视频的制作为例,展示了如何串联这些方法,在陌生领域(视频剪辑与调色)逐步发现未知项并完成任务。总结认为,模型能力越强,用户越需通过系统方法定义未知项,从而让“地图”(计划)匹配“疆域”(现实),高效达成目标。

marsbit34分钟前

Claude工程师终于交出Fable 5焚诀,教你打破和模型之间的信息差

marsbit34分钟前

交易

现货

热门文章

相关讨论

欢迎来到HTX社区。在这里,您可以了解最新的平台发展动态并获得专业的市场意见。以下是用户对ADA(ADA)币价的意见。

活动图片