CoinMarketCap 发布 2026 年 1 月主要加密货币交易所储备排名报告

TheNewsCrypto发布于2026-02-04更新于2026-02-04

文章摘要

CoinMarketCap发布了2026年1月主流加密货币交易所储备金排名报告。币安以1556.4亿美元总储备位居榜首,OKX(312.9亿美元)和Bybit(141.7亿美元)分列二三位。库币以21.6亿美元排名末位。 报告将储备金分为五类:稳定币、其他山寨币、平台币、ETH及衍生品、BTC及衍生品。MEXC的稳定币占比最高(78.97%),库币稳定币占比55.08%位列第二。HTX稳定币占比最低(23.37%)。Bitget的BTC及衍生品占比最高(53.02%),所有交易所均大幅持有稳定币和BTC相关资产。 社区评论指出,交易所更注重流动性质量而非规模,并肯定币安的市场主导地位。同期CMC20指数下跌2.47%,加密货币总市值约2.57万亿美元,跌幅2.21%。

CoinMarketCap 刚刚发布了新数据,分享了 2026 年 1 月交易所储备的详细信息。该榜单对交易所进行了排名,同时还细分了它们的储备构成。社区已认可该榜单,并将流动性的质量与规模进行了比较。

CoinMarketCap 发布的 2026 年 1 月交易所储备排名报告

CoinMarketCap 通过一篇 X(推特)帖子,根据各交易平台 2026 年 1 月的总储备对其进行了排名。CoinMarketCap 强调了币安的主导地位,同时指出了每家公司在规模、资产策略和流动性方面的差异。

币安的总储备为 1556.4 亿美元。紧随其后的是 OKX,总储备为 312.9 亿美元。差距非常明显——因此确立了币安的主导地位。Bybit 以 141.7 亿美元的储备在榜单上排名第三。KuCoin 以 21.6 亿美元的储备排名第 8 位,位列最后。

Gate 和 HTX 分别位列榜单第 4 和第 5 位。它们的储备分别为 78.6 亿美元和 69.2 亿美元,按此顺序排列。Bitget 和 MEXC 位于 HTX 和 KuCoin 之间,按相同顺序排列,分别持有约 53.3 亿美元和 29.7 亿美元。

榜单上加密货币交易所储备的细分

CoinMarketCap 将其储备分为五类,即稳定币、其他山寨币、交易所自有代币、ETH 及衍生品、以及 BTC 及衍生品。MEXC 的稳定币储备占比最高,为 78.97%,其次是 KuCoin,其稳定币构成比例为 55.08%。HTX 的稳定币占比仅为 23.37%。

Bitget 的储备中 BTC 及衍生品占比最高(53.02%)。其他山寨币是储备中持有最少的代币。Bitget、KuCoin 和 MEXC 在山寨币领域没有任何配置。总体而言,所有 8 家交易所的储备主要由稳定币和 BTC 及衍生品主导。

社区评论

社区的一些成员指出,交易所更强调流动性的质量而非规模。另一位成员称赞了币安的主导地位,其无与伦比的流动性和市场信任度使竞争对手相形见绌。

CoinMarketCap 的更多亮点包括其 CMC20 指数,该指数下跌了 2.47%。该指数包含前 20 大加密货币,在撰写本文时显示价值为 157.08 美元。此外,加密货币领域的集体市值下跌了 2.21%,目前徘徊在 2.57 万亿美元左右。

今日重点加密货币新闻

Bitwise 收购 Chorus One 以加强加密货币质押服务

标签CoinMarketCap加密货币交易所

相关问答

QCoinMarketCap发布的2026年1月加密货币交易所储备排名中,哪家交易所排名第一?

A币安(Binance)以1556.4亿美元的储备金排名第一。

Q在储备金构成分析中,哪家交易所的稳定币储备比例最高?

AMEXC交易所以78.97%的稳定币储备比例位居榜首。

QOKX交易所在2026年1月的储备金排名中位列第几?储备金额是多少?

AOKX以312.9亿美元的总储备金排名第二。

Q根据文章内容,储备金构成中哪类资产被持有得最少?

A其他山寨币(Other Alt Coins)是储备金中持有最少的资产类别,Bitget、KuCoin和MEXC甚至没有配置这类资产。

Q社区用户对交易所储备金排名的主要关注点是什么?

A社区用户更关注流动性的质量而非规模,并认可币安凭借无与伦比的流动性和市场信任度建立的统治地位。

你可能也喜欢

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

OpenAI工程师翁家翌提出名为“启发式学习”的新范式,探索AI通过自主编写和修改代码来提升能力,而非仅依赖训练神经网络参数。 在实验中,他让Codex在明确目标和反馈闭环中,为Atari Breakout等游戏编写纯Python策略代码,通过反复运行、查看日志与回放、定位失败并修改代码,最终使策略在Breakout中达到理论满分。这种“启发式学习”将经验沉淀为可阅读、修改和审计的软件系统,而非难以解释的神经网络权重。 文章对比了启发式学习与深度强化学习的差异:前者更新的是代码结构和规则,具备更好的可解释性、更高的样本效率,并能通过回归测试等方式缓解灾难性遗忘问题。在Atari57游戏的批量测试中,该方法在部分游戏上表现出接近或超越传统强化学习算法的效率,但在需要长程规划的复杂任务中仍存在局限。 该范式的潜在产业意义包括:为机器人控制等场景提供更轻量、可审计的解决方案;提升安全关键系统的可解释性与可维护性;以及为智能体产品提供能力沉淀和共享的新路径。然而,其实用性仍需在更复杂的真实场景中进一步验证。 翁家翌认为,未来更可能是神经网络(负责快速感知等)与启发式系统(负责规则、记忆与安全)结合的分工模式。这预示着AI发展的一条可能路径:在强大编码智能体的辅助下,部分经验可以重新转化为可读、可维护的软件工程资产。

marsbit55分钟前

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

marsbit55分钟前

你的 Claude 今晚要做梦了,别打扰它

Anthropic在开发者大会上为AI智能体平台引入了“做梦”(Dreaming)功能,这实际上是一种基于历史运行日志的离线批处理与自我优化机制。AI智能体在完成复杂任务后,会利用闲置时间自动回顾大量操作记录,从中提炼有效模式(例如更优的操作路径),并固化为可共享的记忆,从而提升后续任务效率。 类似机制也出现在其他AI产品中,如Hermes Agent的“Curator”功能可自动将经验整理成“Skill”,OpenClaw的“做梦”流程则细分为浅睡、快速眼动和深睡三个阶段,通过多维度加权决定哪些信息应存入长期记忆。 该功能与“记忆”(Memory)技术紧密相关。当前AI能力的核心挑战之一是如何有效管理与利用不断增长的上下文信息。一方面,行业正通过技术创新(如Subquadratic公司宣称的1200万token超长上下文模型)试图扩大信息容量;另一方面,“做梦”这类功能旨在让AI在有限上下文窗口内,主动筛选、巩固重要信息,模仿人类睡眠中的记忆处理过程。 文章指出,科技公司频繁使用“思考”“记忆”“做梦”等拟人化术语来描述AI功能,这不仅是技术类比,更是一种营销策略和认知塑造。它模糊了机器与人的边界,影响用户对产品的感知与期待,并在无形中转移了技术缺陷的责任归属。本质上,AI的“做梦”仍是一种消耗计算资源的自动化数据处理,但其命名方式却让我们更倾向于将其视为拥有内在生命的数字实体。

marsbit57分钟前

你的 Claude 今晚要做梦了,别打扰它

marsbit57分钟前

交易

现货
合约
活动图片