美国法院对SafeMoon案作出判决,SBF寻求新审判

ambcrypto發佈於 2026-02-10更新於 2026-02-10

文章摘要

美国法院对两起重大加密货币欺诈案作出新判决。2月10日,SafeMoon前CEO约翰·卡洛尼因欺诈罪被纽约联邦法院判处100个月监禁。庭审中,多名受害者作证称因卡洛尼的虚假承诺遭受重大财务损失。检方曾寻求12年刑期,但法官最终认定其行为构成“大规模欺诈”。 另一方面,FTX创始人萨姆·班克曼-弗里德于2月5日提交动议要求重审,声称新证人证词可能推翻其欺诈定罪。他于2023年11月被判七项欺诈罪成立,2024年3月获刑25年。目前其正式上诉已被联邦上诉法院驳回,此次动议被视为翻案的长期努力。 两案进展显示:针对零售投资者的加密货币欺诈案正逐步走向终局,而重大复杂案件则可能通过上诉程序持续数年。

美国法院两起最受关注的加密货币欺诈案今日(2月10日)出现不同进展。

其中,SafeMoon前首席执行官在被定罪后获刑。另一方面,已破产交易所FTX前负责人Sam Bankman-Fried提交了新动议,试图重启其案件。

受害者证词后SafeMoon CEO获刑

Inner City Press法庭报道,纽约联邦法官判处SafeMoon前首席执行官John Karony100个月监禁

量刑听证会上,多名受害者陈述称,他们因Karony的公开声明及与社区的亲自互动而投资SafeMoon。

多人表示损失改变了他们的财务前景,导致无法购房并影响了教育计划。

美国检方寻求12年刑期,指其故意误导投资者且毫无悔意。辩护方则以年龄和背景为由请求减刑。

法官驳回了这些论点,称该计划是"大规模欺诈",并强调"更接近盗窃而非欺诈",明确指出投资者曾获明确保证不会发生撤资骗局。

该判决标志着这起美国法院最受瞩目案件之一的最终章。

SBF提交新审判长线动议

另据彭博社报道,Bankman-Fried提交了自辩动议,就其FTX欺诈定罪寻求重新审判。

这份标注日期为2月5日、周二在曼哈顿联邦法院备案的文件主张,新证人证词可能削弱政府案件。

该请求独立于Bankman-Fried正式上诉。此前联邦上诉法院已驳回其在上诉期间获释的尝试。

第二巡回法院于12月裁定其未证明存在实质性成功可能。

Bankman-Fried于2023年11月因七项欺诈和共谋罪名被定罪,并于2024年3月被判25年监禁

检方称其挪用FTX客户资金数十亿美元,用于支持Alameda Research的风险交易、政治捐款和豪华房地产购买。

案件进入不同阶段

两起事件共同凸显了2026年知名加密货币诉讼的分化态势。

SafeMoon案已完成量刑,为受害者画上句号,而FTX案因其前高管寻求定罪后救济,持续产生程序性文件。


最终思考

  • SafeMoon判决反映法院正推动以零售用户为目标的加密欺诈案最终裁决
  • Bankman-Fried的动议表明重大案件可通过上诉和定罪后动议持续多年

相關問答

Q美国法院对SafeMoon前首席执行官John Karony做出了怎样的判决?

A美国纽约联邦法院判处SafeMoon前首席执行官John Karony 100个月(约8年4个月)监禁。

Q在SafeMoon案件的量刑听证会上,受害者们主要陈述了哪些损失?

A受害者们陈述称,他们的投资损失改变了财务未来,包括无法购买房屋以及影响了教育计划。

QSam Bankman-Fried(SBF)提交了什么法律动议?

ASam Bankman-Fried提交了一份自行撰写的动议(pro se motion),要求就其FTX欺诈定罪进行重新审判。

QSBF此前已被判处的刑期是多长?

ASam Bankman-Fried于2023年11月被判定犯有七项欺诈和共谋罪,并于2024年3月被判处25年监禁。

Q文章中提到这两起加密货币欺诈案件在2026年处于怎样不同的阶段?

ASafeMoon案件已进入量刑阶段,为受害者带来了终结;而FTX案件则因其前高管的定罪后救济动议,仍在产生程序性文件,案件持续活跃。

你可能也喜歡

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。

marsbit51 分鐘前

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

marsbit51 分鐘前

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。

marsbit52 分鐘前

你的 Claude 今晚要做梦了,别打扰它

marsbit52 分鐘前

交易

現貨
合約
活动图片