La capitalisation boursière de $USDe d'Ethena a atteint 10 milliards de dollars en seulement 500 jours.

À 3 heures du matin, en scrollant sur Twitter, je vois un influenceur crier à l'opportunité. Je me dis "Cette fois, ça devrait être fiable, non ?", mes doigts hésitant sur le bouton d'achat pendant un bon moment. J'ai peur d'être liquidé si j'achète, mais j'ai aussi peur de rater une pièce qui pourrait multiplier par cent. Hésitant, je me retourne dans mon lit. As-tu déjà vécu ce cheminement intérieur ? C'est justement pour cela que nous avons créé Vibes, pour t'aider à discerner — ▫️Cette vague de popularité est-elle réelle ou fabriquée ? Les cryptomonnaies qui explosent soudainement sur Twitter, est-ce qu'il y a vraiment des discussions à leur sujet, ou est-ce juste une illusion ? ▫️Quand faut-il fuir ? Quand un KOL commence à crier à l'opportunité, est-ce le moment d'être prudent ? Alors, qu'est-ce que #OKX Vibes — Un outil d'assistance au trading spécialement conçu pour les memecoins et les tokens tendance, qui répond à tes préoccupations les plus pressantes : ▫️Qui crie ? - Suivi en temps réel des mouvements d'adresse ▫️Sont-ils fiables ? - Historique des recommandations et taux de succès ▫️Y a-t-il un risque de rug pull ? - Identification des faux engouements, alertes sur les risques Bienvenue à utiliser et à donner ton avis sur le produit 🫡 ! La version de l'application arrive bientôt 😉

🧐Mind Network est un projet que je suis depuis un certain temps, dont le cœur est le FHE (Fully Homomorphic Encryption), permettant de calculer des informations sous conditions de cryptage sans avoir besoin de déchiffrer, pouvant être utilisé non seulement dans la blockchain, mais aussi par des entreprises traditionnelles. Cela donne à @mindnetwork_xyz l'opportunité de collaborer avec des entreprises Web2 et de pénétrer le marché de manière incrémentale. Récemment, Mind a proposé un protocole de messagerie cryptée sur la chaîne (Encrypted Messaging Onchain), ciblant les transactions RWA sur la chaîne, permettant de garder privées les informations qui ne conviennent pas à une divulgation directe sur la chaîne, tout en réalisant des calculs, des vérifications, etc., dans un état de confidentialité, pour atteindre une confidentialité fiable. Auparavant, dans le domaine de l'IA, Mind a collaboré avec Deepseek, et c'est un véritable partenaire listé sur le GitHub officiel de Deepseek. Cela aurait pu n'être qu'un PR, mais récemment, il y a eu une suite. Mind a de nouveau collaboré avec l'écosystème de ByteDance, BytePlus fournira DeepSeek via sa plateforme ModelArk grâce à une API standardisée. Tout le processus d'inférence impliquant DeepSeek sera protégé par le module FHE propriétaire de Mind, tel que le Mind FHE Rust SDK, garantissant que les données restent cryptées et privées tout au long de l'interaction, de l'entrée utilisateur à l'appel du modèle jusqu'à la sortie finale. Toutes les tâches de vérification et de calcul seront exécutées sur l'infrastructure de calcul fonctionnel de BytePlus. En résumé, grâce à la FHE de Mind, Deepseek peut servir les projets de l'écosystème Byte sans se soucier des problèmes de confidentialité de son propre modèle. Le point fort de cette collaboration est qu'elle peut servir les utilisateurs du logiciel de bureau Lark, qui compte actuellement plus de dix millions d'utilisateurs. Elle a également fourni des services de confidentialité des données pour le COZE AI Agent de l'écosystème Byte, que vous pouvez essayer. En fait, auparavant, Mind avait également collaboré avec Alibaba Cloud. Cela a aidé à résoudre le problème de la confiance dans le calcul des données d'IA en état de confidentialité. De plus, il paraît qu'un partenariat préliminaire a déjà été établi avec une grande entreprise. À suivre, 🧐🧐

@mindnetwork_xyz est un projet que je suis depuis un certain temps, dont le cœur est le FHE (Fully Homomorphic Encryption), permettant de calculer des informations directement sous condition de cryptage, sans décryptage, pouvant être utilisé non seulement dans la blockchain, mais aussi par des entreprises traditionnelles. Cela donne à Mind l'opportunité de collaborer avec des entreprises Web2 et de créer un marché additionnel. Récemment, Mind a proposé un protocole de messagerie cryptée sur la chaîne (Encrypted Messaging Onchain), ciblant les transactions RWA sur la chaîne, permettant de garder privées les informations qui ne conviennent pas à une divulgation directe sur la chaîne, tout en réalisant des calculs, des vérifications, etc., dans un état de confidentialité, pour atteindre une confidentialité fiable. Auparavant, dans le domaine de l'IA, Mind a collaboré avec Deepseek, et c'est un véritable partenaire listé sur le GitHub officiel de Deepseek. Cela aurait pu n'être qu'un PR, mais récemment, il y a eu une suite. Mind a de nouveau collaboré avec l'écosystème de ByteDance, BytePlus fournira DeepSeek via sa plateforme ModelArk à travers une API standardisée. Tout le processus d'inférence impliquant DeepSeek sera protégé par le module FHE propriétaire de Mind Network, tel que le Mind FHE Rust SDK, garantissant que les données restent cryptées et privées tout au long de l'interaction, de l'entrée utilisateur à l'appel du modèle jusqu'à la sortie finale. Toutes les tâches de vérification et de calcul seront exécutées sur l'infrastructure de calcul fonctionnel de BytePlus. En résumé, grâce à la FHE de Mind, Deepseek peut servir les projets de l'écosystème Byte sans se soucier des problèmes de confidentialité de son modèle. Le point fort de cette collaboration est qu'elle peut servir les utilisateurs du logiciel de bureau Lark, qui compte actuellement plus de dix millions d'utilisateurs. Elle a également fourni des services de confidentialité des données pour le COZE AI Agent de l'écosystème Byte, ce qui peut être testé. En fait, auparavant, Mind avait également collaboré avec Alibaba Cloud, aidant à résoudre le problème de la confiance dans le calcul des données AI en état de confidentialité. De plus, il paraît qu'un partenariat préliminaire a déjà été établi avec une grande entreprise. À suivre, 🧐🧐

Aujourd'hui, c'est le troisième anniversaire de mon adhésion à @MantaNetwork 🧐 Pas de petit essai, c'est tout 😜

Solana aura un fort sentiment de crise après le lancement d’Hyperliquid, car il estime que l’objectif de Solana est d’obtenir un Hyperliquid 😂😂 plus puissant et de type CEX

《À partir de maintenant, nous sommes tous des E-gardiens》 (Cet article appartient vraiment à la version de l'annonce, j'espère qu'il sera largement partagé) 1/ L'ETH est en train de reproduire la tendance du BTC sur le marché traditionnel, et commence à être redéfini par Wall Street. Au second semestre de cette année, il est prévu qu'il affiche une performance de prix plus forte. 2/ En dehors du BTC et de l'ETH, d'autres tokens suivent un modèle similaire à MSTR ou SBET, qui est davantage de la spéculation. La différence réside dans : Spéculation : pour faire monter le prix et vendre Mise en œuvre : pour redéfinir le prix À l'avenir, cette distinction deviendra de plus en plus évidente. 3/ Le SOL pourrait entrer dans une "grande retraite". Il faut attendre un nouveau récit (Narrative) pour que le prix puisse remonter. 4/ Le modèle Binance Alpha doit être réévalué : Mélanger de bons et de mauvais projets, le rendement global pourrait être supérieur à celui de la première semaine, il vaut la peine de suivre de près et de participer activement. 5/ La structure du marché a changé. Après une période de stagnation du BTC, l'ancienne dynamique de "rotation des altcoins" est difficile à reproduire. À l'avenir, il y aura davantage de rotation de fonds de BTC vers ETH, et les altcoins connaîtront des hausses de prix qui seront davantage des transactions spéculatives. 6/ 📌 Qui est vraiment le moteur du marché ? Ce n'est pas l'ETF (principalement des petits investisseurs), ni le CTA/quantitatif (suivi de tendance), ni le CEX/MM (fournisseurs de liquidité passifs). Mais plutôt : des fonds de couverture directionnels, comme Galaxy, Millennium Management, qui sont les véritables acteurs du marché. Ces "acteurs" dominent la dynamique de prix du BTC. Lorsque ces fonds commencent à accumuler, d'autres suiveurs de tendance (CTA, MM) et petits investisseurs prendront le relais, poussant le marché global à former une "force collective". Cela explique également pourquoi de nombreux indicateurs traditionnels commencent à échouer - la dynamique du marché a changé. Ce qui est vraiment efficace, c'est de comprendre qui domine le point de départ de la tendance. Les entreprises de type coffre-fort (comme MSTR) achètent par le biais d'OTC, ce qui n'affecte pas la volatilité du marché, ce ne sont pas des "acteurs", ni des fonds qui dominent la dynamique du marché. 7/ 💥 Tom Lee (président de Bitmine) a déjà dirigé un plan de réserve stratégique de 250 millions de dollars en ETH, ce qui a été reconnu par Wall Street, Les institutions de Wall Street sont en train de reconstruire le modèle de prix de l'ETH. L'ETH est le pont de liquidation des stablecoins. Actuellement, plus de 50 % des liquidations de stablecoins se produisent sur l'ETH. Le marché des stablecoins a une taille prévue de 2 trillions de dollars : Selon un CRCL PE de 300, et un PE de 100, l'ETH devrait dépasser les 10 000 dollars, et il n'est actuellement pas encore correctement évalué. 8/ La vision centrale de Wall Street sur la Crypto actuellement : 1. Tokenisation des actions américaines 2. Actions américaines tokenisées L'ETH est le plus grand bénéficiaire de cette logique. 9/ La loi Genesis et les avantages de la réglementation des stablecoins ne concernent pas les chaînes comme SOL, BNB, etc. La logique de tarification macro actuelle ne soutient que le BTC et l'ETH. ———————————————————————— Résumé : BTC, ETH = logique de mise en œuvre, conduite institutionnelle, formation d'une force de tendance SOL, BNB et d'autres altcoins = pas encore établis, manquent de soutien législatif et institutionnel Le véritable moteur est passé des petits investisseurs et de la logique de rotation aux fonds de couverture directionnels.

$ETH Franchissez fortement le niveau de pression de 1 heure et continuez à attaquer après être revenu au niveau de 4 heures, en regardant l’ATH🧐

$ENA joue également le mode micro-stratégie, bon sang. @stablecoin_x a annoncé lever 360 millions de dollars pour acquérir $ENA et cherchera à introduire en bourse ses actions ordinaires de classe A sur le NASDAQ, avec le code boursier $USDE, incluant un don de 60 millions de dollars en $ENA de la part de la fondation @ethena_labs. $ENA a presque atteint la résistance hebdomadaire de 0,6 $, il sera crucial de voir si elle peut franchir cette barrière de manière forte au cours des deux prochaines semaines. Le niveau de correction sur 4 heures se situe autour de 0,45 $, et sur 1 heure, il est d'environ 0,5 $. (C'est plutôt rond, on dirait qu'il y a un trader obsessionnel ici.) En fait, je suis assez impatient de voir @convergeonchain, comment ils peuvent augmenter davantage les scénarios de consommation d'ENA et les sources de revenus, afin de faire monter la limite de valorisation.

Discutons du projet de stockage développé par l'équipe @SuiNetwork, @WalrusProtocol 🧐🧐 La société de développement Sui, Mysten Labs, a en fait développé un projet de couche de données, @WalrusProtocol. Walrus est un projet axé sur le stockage de données et la disponibilité des données. Après mes recherches, j'ai une seule impression : "incroyable". C'est le meilleur projet de stockage que j'ai jamais vu. Voici le corps du texte, Les projets de stockage décentralisé se divisent principalement en deux catégories. La première catégorie utilise une méthode de réplication complète (full replication), échangeant une redondance inefficace contre la sécurité, c'est-à-dire que chaque nœud stocke une copie complète des données, représentant les projets @Filecoin et Arweave. La deuxième catégorie utilise la méthode de code de correction d'erreurs Reed-Solomon, qui divise les données originales en morceaux, représentant les projets @Storj, Sia, etc. ———————————————————————————————— Expliquer les codes de correction d'erreurs (Erasure Codes) en termes simples La méthode de stockage des codes de correction d'erreurs (Erasure Codes) nécessite une explication. Pour être précis, elle consiste à diviser le fichier original en f+1 morceaux originaux, générant 2f morceaux de réparation supplémentaires (repair slivers), chaque nœud de stockage conservant un morceau différent, et n'importe quel f+1 morceaux peuvent reconstruire le fichier original. D'accord, vous pouvez sauter cette explication technique et passer à la suivante. Supposons que nous devions sauvegarder 4 chiffres importants : [3, 7, 2, 5], ces 4 chiffres sont nos "morceaux originaux". Ensuite, nous devons générer des morceaux supplémentaires, Morceau de réparation 1 = 3 + 7 + 2 + 5 = 17 Morceau de réparation 2 = 3×1 + 7×2 + 2×3 + 5×4 = 47 Morceau de réparation 3 = 3×1² + 7×2² + 2×3² + 5×4² = 131 Maintenant, nous avons 7 morceaux : [3, 7, 2, 5, 17, 47, 131], n'est-ce pas ? Supposons que le système ait 7 nœuds, nous les distribuons, Zhang San : 3 Li Si : 7 Wang Wu : 2 Zhao Liu : 5 Qian Qi : 17 Sun Ba : 47 Zhou Jiu : 131 Supposons que Li Si, Zhao Liu et Zhou Jiu perdent leurs données, nous n'avons que : [3, _, 2, _, 17, 47, _]. Comment récupérer les données originales ? Vous vous souvenez de la formule des morceaux supplémentaires ? Exactement, il s'agit de résoudre un système d'équations linéaires. 3 + X + 2 + Y = 17 3×1 + X×2 + 2×3 + Y×4 = 47 Nous obtenons X=7, Y=5. Bien sûr, c'est juste un exemple très simplifié. Vous devez juste retenir l'effet des codes de correction d'erreurs. L'effet est que tant qu'il y a plus de 1/3 des nœuds fonctionnels, c'est bon. En d'autres termes, dans un système de codes de correction d'erreurs, les nœuds n'ont besoin de stocker que des morceaux de données, tant que plus de 1/3 des nœuds peuvent fonctionner, les données peuvent être récupérées, mais les nœuds doivent être stables, car le coût de remplacement est élevé. Mais dans un système de réplication complète, il doit y avoir des nœuds complets qui téléchargent toutes les copies de données. Le premier sacrifie une partie de la sécurité pour obtenir des coûts réduits, tandis que le second échange la redondance pour la sécurité et la stabilité du système. ———————————————————————————————— Innovation des codes de correction d'erreurs en deux dimensions (2D) de Walrus La méthode de Walrus consiste en fait à trouver un point intermédiaire, atteignant un certain équilibre entre les deux. Le cœur utilise également la méthode des codes de correction d'erreurs, mais a créé une technologie améliorée appelée Red Stuff. Red Stuff utilise une méthode de codage plus astucieuse pour le découpage des données. Vous vous souvenez de l'exemple précédent des codes de correction d'erreurs ? Pour sauvegarder 4 chiffres importants : [3, 7, 2, 5], nous devons générer des morceaux supplémentaires, puis résoudre un système d'équations linéaires. Prenons encore cet exemple pour expliquer Red Stuff. La méthode de codage Red Stuff est un algorithme de codage en deux dimensions (2D), que vous pouvez imaginer comme un "sudoku". 3 7 25 dans le codage Red Stuff devient, [3 7] [2 5] Supposons que la règle de codage soit, Colonne 3 = Colonne 1 + Colonne 2 Colonne 4 = Colonne 1×2 + Colonne 2×2 Ligne 3 = Ligne 1 + Ligne 2 Ligne 4 = Ligne 1×2 + Ligne 2×2 Les morceaux supplémentaires deviennent [3 7 10 20] [2 5 7 14] [5 12 18 34] [10 24 34 68] Ensuite, nous distribuons par lignes et colonnes aux nœuds, Zhang San : 3 7 10 20, c'est-à-dire la première ligne Li Si : 2 5 7 14, la deuxième ligne Wang Wu : 5 12 18 34, … Zhao Liu : 10 24 35 68, … Qian Qi : 3 2 5 10, la première colonne Sun Ba : 7 5 12 24, … Zhou Jiu : 10 7 18 34, … Zheng Shi : 20 14 34 68, … Supposons que Wang Wu perde ses données, c'est-à-dire que les données de la 3ème ligne sont perdues. En fait, il lui suffit de demander à Zhang San de la première ligne et à Li Si de la deuxième ligne, respectivement, les chiffres 10 et 7. Encore une fois, il s'agit de résoudre un système d'équations linéaires pour obtenir le résultat. À partir de ces exemples simples mais pas très rigoureux, nous pouvons résumer les caractéristiques de Red Stuff, Lors de la récupération des données, il n'est pas nécessaire d'avoir des lignes ou des colonnes complètes, il suffit d'avoir les données à des positions spécifiques. Cette caractéristique peut être appelée "localité". De plus, un chiffre peut être récupéré à partir de deux dimensions, c'est-à-dire "réutilisation de l'information". Ensuite, pour des données complexes, on peut d'abord récupérer les dimensions plus "faciles" à calculer, puis utiliser les données récupérées pour calculer les dimensions plus difficiles, c'est-à-dire "progressivité". Dans les applications pratiques, supposons qu'un fichier, dans une architecture de codes de correction d'erreurs, soit codé en 301 morceaux. Dans un système de codes de correction d'erreurs classique, la récupération d'un morceau nécessite 101 morceaux, tandis que dans Red Stuff, la récupération d'une paire de morceaux nécessite seulement environ 200 symboles individuels. Supposons que nous stockions un fichier de 1 Go, le système a 301 nœuds, dans un système de codes de correction d'erreurs classique, après une panne de nœud, il faut télécharger 1 Go pour récupérer le morceau, tandis que dans Red Stuff, chaque nœud stocke : morceau principal (3,3 Mo) + morceau secondaire (3,3 Mo) = 6,6 Mo. Lors de la récupération, il suffit de télécharger environ 10 Mo de données symboliques, économisant 99 % de bande passante. Ce design permet à Walrus de maintenir un réseau de stockage décentralisé à grande échelle avec un coût de bande passante extrêmement bas, réduisant le coût de récupération de O(|blob|) à O(|blob|/n). C'est pourquoi Red Stuff est appelé "auto-réparateur". En outre, Walrus a ajouté de nombreuses caractéristiques de sécurité, comme étant le premier protocole à prendre en charge les défis de stockage dans un réseau asynchrone. Le "défi" ici est similaire à un mécanisme optimiste pour vérifier l'état de stockage des données des nœuds. Chaque morceau de Red Stuff ajoute des engagements cryptographiques vérifiables, chaque symbole pouvant être vérifié indépendamment, etc. Pour résumer les caractéristiques, 1) Premier système asynchrone sécurisé : résout le problème de confiance des nœuds dans le stockage distribué ; 2) Auto-vérifiable : mécanisme anti-contrefaçon intégré ; 3) Progressif : gère les changements dynamiques des nœuds ; 4) Évolutif : prend en charge des centaines à des milliers de nœuds ; Pour trouver le meilleur équilibre entre sécurité et efficacité. (Ceci est la première partie de cet article)