OnchainGuru

Something about Newton Protocol keeps making me think beyond today's DeFi.

Most blockchain infrastructure is designed to answer one question:

"Can this transaction execute?"

Newton asks a different one:

"Should this transaction execute?"

That difference sounds small until you imagine a future where financial decisions are increasingly made by software instead of humans.

Think about AI agents.

An AI managing a treasury, rebalancing a vault, or allocating liquidity won't simply need access to a wallet. It will need boundaries.

Should it interact with a sanctioned address?

Should it deposit into a vault if the APY suddenly spikes because of abnormal market conditions?

Should it borrow against collateral if the oracle becomes unreliable?

These aren't execution problems.

They're authorization problems.

This is where Newton Mainnet Beta starts to feel less like another DeFi protocol and more like a foundational infrastructure layer.

Instead of relying on off-chain checklists or manual oversight, Newton evaluates transactions against active policies before settlement, producing a signed on-chain attestation that records whether the action satisfied predefined rules.

The interesting part is that those policies aren't limited to one category. They can span compliance, identity verification, real-time security signals, and risk management, bringing together data from partners like Chainalysis, Hexagate, RedStone and Credora.

For years we've been building faster execution engines.

Maybe the next phase of DeFi is building smarter decision engines.

Because when autonomous capital starts moving at machine speed, the biggest challenge won't be getting transactions onto the blockchain.

It will be making sure the right transactions are the ones that reach it.

@NewtonProtocol

#Newt $NEWT

Un detalle sobre Newton Protocol llamó mi atención, y no fue la Mainnet Beta en sí.

Fue la idea detrás del Newton Vault SDK.

Durante el último año, los vaults de DeFi han pasado de ser simples estrategias de rendimiento a productos que gestionan cantidades significativas de capital. Pero algo sobre ellos siempre ha parecido desconectado.

Los activos viven on-chain.

Los contratos inteligentes viven en la cadena.

Sin embargo, muchas de las reglas que rigen esos activos—límites de riesgo, procedimientos operativos, controles de cumplimiento, requisitos de seguridad—todavía existen fuera de la blockchain.

En documentos de gobernanza.

En procesos internos.

En revisiones manuales.

Esa es una contradicción interesante.

Cuanto más valioso se vuelve un vault, más importantes se vuelven sus reglas. Sin embargo, esas reglas a menudo permanecen fragmentadas y difíciles de aplicar de manera consistente.

Newton Protocol lo aborda de otra forma.

En lugar de tratar las políticas como documentación externa, introduce una capa de autorización donde las políticas pueden evaluarse antes de la liquidación. A través del Newton Vault SDK, el cumplimiento, la verificación de identidad, las comprobaciones de seguridad y los parámetros de riesgo pueden convertirse en parte del flujo de transacciones en sí, en lugar de ser un pensamiento posterior.

Para mí, eso es más que otra herramienta para desarrolladores.

Es un intento de acercar las reglas operativas institucionales a la propia blockchain.

A medida que los activos tokenizados, la DeFi institucional y las finanzas impulsadas por IA continúan creciendo, la ejecución programable sola puede no ser suficiente. La política programable podría volverse igual de importante.

La ejecución determina lo que puede suceder.

La política determina lo que debería suceder.

Esa distinción es la razón por la que he estado prestando más atención a Newton Mainnet Beta.

Si DeFi quiere respaldar sistemas financieros cada vez más sofisticados, mover reglas de los documentos a una lógica on-chain aplicable se siente como un paso significativo hacia adelante.

@NewtonProtocol

#Newt $NEWT

La comparación entre Newton Protocol y Visa no se trata de pagos. Se trata de toma de decisiones.

Cuando la gente compara Newton Protocol con Visa, creo que muchos se centran de inmediato en los pagos.

No pienso que esa sea la parte interesante.

La comparación real es sobre la autorización.

Cada vez que usas una tarjeta de crédito, hay una decisión invisible antes de que el pago se liquide.

¿La tarjeta es válida?

¿Supera los límites de gasto?

¿La transacción coincide con el comportamiento esperado?

¿Se debe aprobar este pago?

Solo después de que se respondan esas preguntas, el dinero realmente se mueve.

Ahora compáralo con la mayoría de las transacciones on-chain.
Una billetera firma.

La transacción entra en el mempool.

Los validadores la ejecutan.

La liquidación ocurre.

La blockchain ejecuta fielmente las instrucciones, pero rara vez pregunta si esas instrucciones satisfacen políticas externas antes de la ejecución.

Ese es un modelo de confianza completamente diferente.

Después de leer sobre Newton Mainnet Beta, me di cuenta de que el protocolo no intenta reemplazar los contratos inteligentes.
Está insertando una capa faltante entre la intención del usuario y la liquidación.

En lugar de ver las transacciones como algo que debería ejecutarse inmediatamente después de una firma, Newton introduce la evaluación de políticas antes de la ejecución y produce una atestación on-chain de esa decisión.

Eso cambia cómo pienso sobre la infraestructura de DeFi.

A medida que más capital fluye a través de bóvedas institucionales, RWA, stablecoins y eventualmente agentes de IA, solo la ejecución puede no ser suficiente.

Los sistemas financieros no solo necesitan ejecución determinista.

También necesitan autorización determinista.
Quizá por eso la comparación con Visa resuena.
No porque la blockchain se esté volviendo finanzas tradicionales.

Sino porque las finanzas on-chain están empezando a resolver un problema que las redes de pagos tradicionales entendieron hace décadas:

Un buen sistema financiero no solo mueve el dinero de forma eficiente.

También sabe cuándo no moverlo.

@NewtonProtocol
#Newt $NEWT

La suposición más grande en DeFi también puede ser su mayor punto ciego.

La mayoría de las personas cree que la parte más difícil de una transacción en cadena es la ejecución.

¿Se liquidará?

¿Funcionará el contrato inteligente?

¿Habrá liquidez disponible?

Pero después de examinar Newton Mainnet Beta, empecé a cuestionar si hemos estado enfocándonos en la capa equivocada todo este tiempo.

Los contratos inteligentes tradicionales son excelentes ejecutando instrucciones exactamente como están escritas. Lo que no hacen es preguntar si esas instrucciones deberían ejecutarse en primer lugar.

Esa distinción suena sutil, pero es fundamental.
En las finanzas tradicionales, un pago no solo se mueve porque alguien lo solicita. Redes como Visa realizan verificaciones de autorización antes de la liquidación. Evalúan políticas, límites, señales de fraude y elegibilidad antes de aprobar la transacción.

La financiación en cadena en gran medida omite este paso.
Una transacción se firma, se transmite y se ejecuta. El análisis de riesgos a menudo ocurre después de los hechos mediante herramientas de monitoreo o paneles de post-mortem.

Newton Protocol aborda el problema de manera diferente.
En lugar de solo observar lo que ocurrió, introduce una capa de autorización que evalúa políticas activas antes de la liquidación y registra una atestación firmada de aprobación o fallo en la cadena. La conversación pasa de "¿Qué ocurrió?" a "¿Debería ocurrir?"

Eso se siente como un cambio arquitectónico significativo.

A medida que DeFi crece para incluir bóvedas institucionales, RWA tokenizadas, infraestructura de stablecoins e incluso agentes impulsados por IA, quizá la ejecución por sí sola ya no sea suficiente. La toma de decisiones antes de la ejecución podría volverse tan importante como la ejecución en sí.

Quizá la siguiente etapa de DeFi no se defina por transacciones más rápidas.

Quizá se defina por mejores decisiones antes de que esas transacciones alguna vez se permita que se liquiden.

@NewtonProtocol

#Newt $NEWT

Una idea que he estado cuestionando últimamente es si los usuarios de IA realmente están eligiendo modelos.

O si están eligiendo entornos.

La mayoría de las discusiones sobre IA se centran en el modelo.

Claude versus Gemini.

Código abierto versus código cerrado.

Razonamiento versus creatividad.

Pero eso es solo parte de la experiencia.

El entorno alrededor del modelo a menudo determina cuán cómodas se sienten las personas al usarlo.

¿Puede recordar el contexto?

¿Puede proteger la privacidad?

¿Puede preservar la continuidad a través de las conversaciones?

¿Puede convertirse en un lugar donde los usuarios estén dispuestos a pensar en voz alta?

Esas preguntas se vuelven más importantes a medida que la IA avanza más allá de simples prompts y se convierte en parte de los flujos de trabajo diarios.

Porque cuanto más valiosa se vuelve una conversación, menos quieren los usuarios tratarla como desechable.

Aquí es donde creo que el mercado de IA podría estar evolucionando.

No de la competencia entre modelos a la competencia entre plataformas.

Sino de la competencia entre plataformas a la competencia entre relaciones.

El ecosistema de IA más fuerte puede que no sea el que tenga el modelo más inteligente en un benchmark particular.

Puede ser el que los usuarios acumulen más contexto a lo largo del tiempo.

Esa es una razón por la que @OpenGradient ha sido interesante de seguir.

OpenGradient Chat combina una arquitectura centrada en la privacidad con una interacción persistente, creando un entorno donde los usuarios pueden construir contexto a largo plazo en lugar de comenzar de nuevo repetidamente.

Cuanto más pienso en ello, más sospecho que el valor de la IA no proviene simplemente de la inteligencia.

Proviene de la continuidad.

La inteligencia responde preguntas.

La continuidad las compone.

Y los mercados suelen ser mucho más lentos en valorar los efectos de composición que en valorar características visibles.

#opg $OPG

Una suposición oculta en la mayoría de las discusiones sobre IA es que la inteligencia crea valor.

Eso suena obvio.

Modelos más inteligentes producen mejores resultados.

Mejores resultados atraen a más usuarios.

Más usuarios crean más valor.

Sencillo.

Pero estoy empezando a pensar que la inteligencia por sí sola no explica por qué la gente sigue regresando a los mismos sistemas de IA.

Porque los humanos no construyen relaciones con la inteligencia.

Construyen relaciones con la familiaridad.

La IA más útil no siempre es la que da la respuesta más inteligente.

A menudo es la que entiende el contexto detrás de la pregunta.

La IA que recuerda cómo piensas.

La IA que entiende lo que estás tratando de lograr.

La IA que no te obliga a empezar desde cero cada vez que abres una nueva conversación.

Por eso encuentro tan interesante el concepto de memoria persistente.

Cada interacción se convierte en parte de un contexto más amplio.

Cada conversación contribuye a una comprensión creciente.

Con el tiempo, el valor del sistema puede provenir menos del modelo en sí y más de la relación acumulada entre el usuario y el modelo.

Esta es una razón por la que @OpenGradient se destaca para mí.

OpenGradient Chat no solo está compitiendo en una carrera por resultados más inteligentes. Ideas como la memoria persistente, interacciones privadas y la inteligencia de propiedad del usuario apuntan hacia un futuro donde la IA se vuelve cada vez más personalizada en lugar de simplemente más poderosa.

El mercado pasa mucho tiempo midiendo la inteligencia.

No estoy seguro de que pase suficiente tiempo midiendo la familiaridad.

Y si la IA se convierte en parte de la toma de decisiones diaria, la familiaridad puede demostrar ser una de las formas de inteligencia más valiosas jamás creadas.

#opg $OPG

Una cosa en la que he estado pensando últimamente es cómo los modelos de IA se están volviendo más fáciles de reemplazar.

Hace un año, cambiar de modelo se sentía como una decisión importante.

Hoy en día, nuevos modelos aparecen constantemente.

Mejor razonamiento.

Mejor codificación.

Mejores capacidades multimodales.

La brecha entre los modelos líderes aún importa, pero se siente cada vez más temporal.

Un modelo puede dominar los titulares un mes y enfrentarse a una competencia seria unos meses después.

Eso plantea una pregunta interesante.

Si los modelos se vuelven reemplazables, ¿dónde se acumula el valor a largo plazo?

Mi apuesta es que el valor no se acumula dentro del modelo.

Se acumula alrededor del modelo.

Dentro del contexto.

Dentro de la memoria.

Dentro de la inteligencia específica del usuario.

Cuanto más alguien usa IA, más única se vuelve su historia de interacción.

Metas.

Preferencias.

Flujos de trabajo.

Patrones de decisión.

Esa es información que no se puede simplemente recrear lanzando un modelo más nuevo.

Se gana a través de interacciones repetidas.

Esa es una razón por la que @OpenGradient ha estado en mi radar.

El proyecto no solo se enfoca en las salidas de IA. Conceptos como memoria persistente, interacciones privadas e inteligencia propiedad del usuario apuntan hacia un futuro donde el contexto acumulado podría volverse más importante que el modelo subyacente en sí.

El mercado pasa mucho tiempo comparando modelos entre sí.

Empiezo a preguntarme si eso es como comparar sistemas operativos mientras se ignora el valor almacenado dentro de la computadora.

Los modelos pueden seguir cambiando.

El contexto del usuario puede persistir.

Y si eso es cierto, la capa más valiosa de la IA podría no ser la inteligencia.

Podría ser la alineación acumulada.

chat.opengradient.ai

#opg $OPG

Una suposición que veo en todas partes en la IA es que el modelo es el producto.

Los nuevos lanzamientos de modelos dominan los titulares.

Los benchmarks atraen atención.

Las velas de rendimiento impulsan la valoración.

Toda la industria parece organizada en torno a medir la inteligencia.

Pero la inteligencia por sí sola no crea identidad.

La identidad proviene de la continuidad.

La razón por la que una relación humana se vuelve valiosa no es porque la otra persona se vuelva más inteligente cada mes.

Es porque el contexto compartido se acumula con el tiempo.

Los recuerdos se acumulan.

Las preferencias se acumulan.

La confianza se acumula.

La IA puede estar dirigiéndose hacia una realidad similar.

En el futuro, es probable que los usuarios interactúen con docenas de modelos diferentes a lo largo de sus vidas.

Algunos serán mejores en razonamiento.

Algunos en codificación.

Algunos en creatividad.

Los modelos cambiarán.

El usuario no.

Por eso me estoy interesando cada vez más en la idea de inteligencia portátil.

¿Qué pasaría si el activo más valioso de la IA no es el modelo en sí, sino el contexto que sigue a un usuario a través de los modelos?

¿Qué pasaría si la identidad se vuelve más importante que la inteligencia?

Esta es una razón por la cual @OpenGradient se destaca para mí.

El proyecto no solo está explorando la interacción de IA. Está explorando conceptos como memoria persistente, privacidad e inteligencia propiedad del usuario que podrían permitir que el contexto permanezca adjunto al usuario en lugar del modelo subyacente.

Eso cambia la forma en que pienso sobre la infraestructura de IA.

Los modelos están mejorando rápidamente y volviéndose cada vez más reemplazables.

El contexto del usuario se está volviendo cada vez más valioso y difícil de replicar.

El mercado pasa mucho tiempo valorando la inteligencia.

No estoy seguro de que esté valorando completamente la identidad digital aún.

Y si la IA se convierte en una capa a largo plazo en la toma de decisiones humanas, la identidad puede demostrar ser más duradera que cualquier modelo individual.

#opg $OPG

La mayoría de la gente asume que la IA se vuelve más valiosa a medida que los modelos se vuelven más inteligentes.

Estoy empezando a pensar que lo opuesto puede suceder eventualmente.

La inteligencia se está volviendo abundante.

Cada pocos meses, llega un nuevo modelo con mejor razonamiento, mejor codificación, mejor escritura y mejores benchmarks de rendimiento.

Con el tiempo, la inteligencia bruta comienza a parecer menos una ventaja competitiva y más una mercancía.
Lo que sigue siendo escaso es el contexto.

La historia de las interacciones.

La comprensión acumulada entre un usuario y un sistema de IA.

Las preferencias, los objetivos, los hábitos y los patrones de decisión que no se pueden descargar de una tabla de clasificación de benchmarks.

Es por eso que encuentro la idea de la inteligencia propiedad del usuario cada vez más interesante.

Si la IA se convierte en un compañero a largo plazo para el trabajo, la investigación, la creatividad y la toma de decisiones, entonces el activo más valioso puede no ser el modelo en sí.

Puede ser la relación que se forma en torno al modelo.

Una relación que persiste incluso a medida que mejoran los modelos subyacentes.

Esta es una razón por la que @OpenGradient me destaca.
OpenGradient Chat no es solo otra interfaz para un modelo. La visión más amplia en torno a la memoria persistente, la privacidad y la inteligencia controlada por el usuario sugiere un futuro donde el contexto pertenece al usuario en lugar de estar atrapado dentro de una plataforma.
Eso cambia la economía de la IA.

Los modelos pueden ser reemplazados.
El contexto no puede.

El mercado pasa mucho tiempo discutiendo computación, parámetros y benchmarks.

No estoy seguro de que esté dedicando suficiente tiempo a pensar sobre la propiedad de la inteligencia acumulada.

Y eso puede terminar siendo el activo más duradero.

#opg $OPG

Algo interesante está sucediendo en la IA en este momento.

Por primera vez, los usuarios están empezando a preocuparse menos por un solo modelo y más por el acceso a múltiples modelos.

Hace un año, la pregunta era:

"¿Cuál IA es la más inteligente?"

Hoy la pregunta se está convirtiendo en:

"¿Cuál IA es la mejor para esta tarea específica?"

Algunos modelos son mejores para codificación.

Algunos son mejores para escritura creativa.

Algunos son mejores para razonamiento.

Algunos son mejores para generación de imágenes.

El problema es que cambiar entre diferentes plataformas a menudo significa sacrificar conveniencia, contexto o privacidad.

Por eso creo que el futuro de la IA podría parecer menos un mercado de ganador se lleva todo y más un ecosistema de modelos especializados.

La verdadera ventaja no necesariamente pertenecerá a la plataforma con un modelo dominante.

Podría pertenecer a la plataforma que le da a los usuarios acceso flexible a múltiples modelos potentes mientras mantiene la experiencia simple.

Esa es una razón por la que @OpenGradient destaca.

Con OpenGradient Chat, los usuarios pueden acceder a diferentes modelos de IA en un solo lugar, incluyendo lanzamientos más recientes como Claude Fable 5, mientras mantienen un enfoque de privacidad primero. Incluso Image Studio permite a los usuarios generar imágenes a través de múltiples proveedores de modelos desde una sola interfaz.

Lo interesante es que la competencia en IA sigue fortaleciéndose.

Nuevos modelos se lanzan cada mes.

Las capacidades mejoran constantemente.

Pero a medida que el paisaje de modelos se vuelve más fragmentado, la capacidad de moverse entre modelos sin problemas puede volverse tan valiosa como los propios modelos.

La mejor experiencia de IA podría no venir de elegir un modelo.

Podría venir de elegir el modelo correcto en el momento adecuado.

#opg $OPG

Creo que la mayoría de la gente evalúa los modelos de IA de la misma manera que evalúan los smartphones.

¿Cuál es más rápido?

¿Cuál es más inteligente?

¿Cuál tiene las funciones más nuevas?

Eso es comprensible. El rendimiento es fácil de medir.

Lo que es mucho más difícil de medir es lo que sucede con tus datos después de presionar "enviar."

Y ahí es donde creo que la industria de la IA se dirige hacia una división interesante.

Un grupo de plataformas competirá principalmente en inteligencia.

El otro competirá en inteligencia y privacidad.

Al principio, esa distinción puede no parecer importante.

Hasta que la IA se convierta en un lugar donde la gente almacene ideas que nunca publicarían públicamente.

Planes de negocio.

Notas de investigación.

Preguntas personales.

Pensamientos inconclusos.

Cuanto más útil se vuelve la IA, más sensibles se vuelven las conversaciones.

Por eso OpenGradient Chat llamó mi atención.

La mayoría de los asistentes de IA piden a los usuarios que confíen en una política de privacidad.

OpenGradient aborda el problema de manera diferente. Los mensajes se cifran en el dispositivo y la información identificativa se elimina antes de que las solicitudes lleguen al modelo. En lugar de tratar la privacidad como una promesa legal, la trata como un desafío técnico.

Lo interesante es que esta filosofía se siente mucho más cercana a las criptos que a la IA tradicional.

En cripto, la confianza a menudo se reduce a través de código y criptografía.

@OpenGradient parece estar aplicando una mentalidad similar a las conversaciones de IA.

Quizás la próxima gran competencia en IA no será sobre quién tiene el modelo más inteligente.

Quizás será sobre quién puede ofrecer inteligencia sin pedir a los usuarios que sacrifiquen su privacidad a cambio.

A medida que la IA se vuelve más personal, esa pregunta se siente cada vez más importante.

#opg $OPG

Creo que la IA tiene un problema de confianza que la mayoría de la gente no nota.

No porque los modelos sean malos.

Sino porque el modelo de privacidad sigue basado en promesas.

Cada vez que usas un asistente de IA, se espera que confíes en que tus conversaciones se manejan de manera responsable. Confía en la empresa. Confía en la política. Confía en que la información sensible no será mal utilizada, filtrada o retenida más tiempo del esperado.

Lo interesante es que el crypto resolvió un problema similar hace años.

La razón por la que la gente confía en las blockchains no es porque confíen en los participantes. Es porque la criptografía reduce la cantidad de confianza que se requiere en primer lugar.

Por eso OpenGradient Chat me llama la atención.

En lugar de pedir a los usuarios que confíen completamente en las políticas, aborda la privacidad como un desafío técnico. Los mensajes se encriptan en el dispositivo del usuario y la información de identidad se elimina antes de que las solicitudes lleguen al modelo. El objetivo no es simplemente decir "confía en nosotros"—es construir un sistema donde se necesite menos confianza.

A medida que la IA se integra más en la vida diaria, esa distinción comienza a importar.

La gente está usando IA para trabajo, investigación, lluvia de ideas, proyectos personales y, cada vez más, conversaciones privadas. Cuanto más útil se vuelve la IA, más importante se vuelve la arquitectura de privacidad detrás de ella.

La mayoría de las discusiones se centran en la inteligencia del modelo.

Estoy empezando a pensar que la infraestructura de privacidad puede ser igual de importante.

La IA más inteligente del mundo no ayuda mucho si los usuarios no se sienten cómodos siendo honestos con ella.

Ese es un problema que OpenGradient parece estar abordando desde un ángulo muy diferente.

@OpenGradient

#opg $OPG

Siempre me ha parecido extraño que la gente discuta sobre la privacidad de la IA como si fuera un problema de configuración.

Desactiva el seguimiento.

Ajusta los permisos.

Lee la política de privacidad.

Espera lo mejor.

Todo el modelo parece estar construido alrededor de la confianza.

Confías en la empresa que almacena los datos.

Confías en los empleados que pueden acceder a ellos.

Confías en que los cambios futuros en las políticas no te afectarán.

Confías en que nada se filtrará.

Cuanto más pensaba en ello, más inusual me parecía.

Porque la criptografía resolvió este problema hace años.

En cripto, no confiamos en que alguien no malutilice nuestros fondos.

Diseñamos sistemas donde no pueden hacerlo.

Por eso OpenGradient Chat llamó mi atención.

En lugar de tratar la privacidad como una promesa, la trata como un problema técnico.

Los mensajes están encriptados en el dispositivo y la información de identidad se elimina antes de llegar al modelo. El objetivo no es pedir a los usuarios que confíen. El objetivo es reducir cuánto se necesita confiar desde el principio.

Esa es una forma muy diferente de abordar el tema que la mayoría de las plataformas de IA.

Lo interesante es que la IA se está volviendo cada vez más personal.

La gente la usa para investigación.

Trabajo.

Ideas.

Planificación.

Conversaciones privadas.

A medida que la IA se integra más en la vida diaria, el modelo de privacidad detrás de ella se vuelve tan importante como el modelo que genera las respuestas.

Quizás esa sea la historia más grande detrás de la infraestructura de IA.

No quién tiene el modelo más inteligente.

Sino quién construye sistemas donde los usuarios no tienen que depender completamente de promesas.

@OpenGradient

#opg $OPG

La primera vez que miré uniBTC, pensé que el intercambio era obvio.

Renuncias a cierta simplicidad.

Ganas utilidad adicional.

Fin de la historia.

Pero cuanto más miro sistemas como este, menos convencido estoy de que la simplicidad y la utilidad sean las verdaderas variables que se están intercambiando.

Creo que el verdadero intercambio es la visibilidad.

Cuando BTC está en un wallet frío, puedo explicar mi exposición en una sola frase.

Poseo Bitcoin.

Eso es todo.

En el momento en que BTC comienza a moverse a través de capas de infraestructura, la explicación se vuelve más larga.

Ahora necesito entender el activo.

El wrapper.

El protocolo.

Los incentivos que mantienen el sistema alineado.

Las suposiciones construidas en la arquitectura.

Lo interesante es que ninguna de estas capas son necesariamente problemas.

De hecho, a menudo son la razón por la que existe utilidad adicional en primer lugar.

La utilidad proviene de las capas.

Pero también lo hace la complejidad.

Por eso @Bedrock se ha vuelto más interesante para mí con el tiempo.

No porque cambie Bitcoin.

Sino porque cambia la relación entre un holder y Bitcoin.

El activo sigue siendo familiar.

La exposición se vuelve cada vez más estratificada.

Y creo que muchos usuarios de cripto subestiman cuán significativo es ese cambio.

Cuando la gente discute productos como uniBTC, la conversación generalmente gira en torno a rendimientos, participación o eficiencia de capital.

Esos son resultados visibles.

La pregunta menos visible es:

¿En qué punto la exposición deja de ser exposición a un solo activo y comienza a ser exposición a todo un sistema?

No estoy seguro de que haya una respuesta perfecta.

Pero cuanto más evoluciona el cripto, más creo que entender la infraestructura puede volverse tan importante como entender los activos que se mueven a través de ella.

#Bedrock $BR

⚽ El fútbol se trata de pasión, trabajo en equipo y momentos inolvidables. Cada partido trae nueva emoción, goles increíbles y actuaciones inspiradoras de jugadores de todo el mundo. ¿Quién crees que será el equipo destacado esta temporada? #BinancePickAndWin

Finalmente llegaron las recompensas de Powerplay 🫣

Gracias 𝗕𝗶𝗻𝗮𝗻𝗰𝗲 💛

Quien se unió al Torneo PowerPlay de Binance - y mantuvo posición en la tabla de líderes - por favor revisa tu centro de recompensas