ATUALIZAÇÃO: 📈 Anthony Pompliano prevê que o mercado de baixa do Bitcoin terminará na segunda metade de 2026, citando tendências históricas de ciclos anteriores. $BTC
ÚLTIMAS NOTÍCIAS: 📊 O CEO da CryptoQuant, Ki Young Ju, diz que o Bitcoin não parece estar perto de um fundo de ciclo, observando que cada grande ciclo já viu seu preço tocar o preço realizado antes de chegar ao fundo — algo que ainda não aconteceu. $BTC
A escala dos ETFs de alavancagem dos EUA atinge recorde: AUM total de US$ 198 bilhões
De acordo com a ChainCatcher, a escala dos ETFs de alavancagem dos EUA está crescendo a um ritmo mais acelerado, e o uso de alavancagem pelos investidores está em níveis elevados.
O ETF dos EUA de 3x posição comprada no Nasdaq 100, TQQQ, tem cerca de US$ 40 bilhões em ativos sob gestão, muito próximo das máximas históricas; o ETF de 3x compra de semicondutores, SOXL, tem ativos sob gestão de US$ 34 bilhões, atingindo uma máxima histórica.
Desde abril, a base de ativos do SOXL cresceu mais de 3 vezes, enquanto a do TQQQ quase dobrou; o ETF QLD, que faz o dobro do Nasdaq 100, aumentou em US$ 7 bilhões no mesmo período e subiu 88%, com a escala chegando a cerca de US$ 15 bilhões, perto das máximas históricas.
Eu Pensei Que a Infraestrutura de IA da OpenGradient Estava Completa—Então Descobri Um Pedaço Que Faltava
Quando li pela primeira vez o whitepaper técnico da OpenGradient, lançado em março de 2026, saí com uma forte impressão: o projeto já havia montado uma arquitetura completa para IA verificável em blockchain.
O design apresentava quatro tipos principais de nós trabalhando juntos de forma integrada: Nós Completos, Nós de Inferência, Nós de Armazenamento e Nós de Dados. No papel, parecia um ecossistema operacional de quatro pilares totalmente funcional.
Mas, ao me aprofundar na documentação técnica, percebi algo que mudou minha perspectiva.
A seção dos Nós de Dados estava marcada como “Em Breve.”
Achei isso particularmente interessante porque os Nós de Dados não são um recurso menor. O papel deles é fornecer informações off-chain confiáveis, como dados de mercado em tempo real e eventos externos, diretamente para os modelos de IA durante a inferência. De muitas maneiras, eles funcionam como uma camada de oráculo especializada para aplicações de IA.
O que me chamou a atenção não foi o fato de que esse componente ainda estava em desenvolvimento. As outras três categorias de nós já estão ativas e processaram milhões de requisições de inferência. A rede está claramente funcionando.
A verdadeira história, na minha opinião, é a transparência.
Em vez de apresentar a arquitetura como completamente finalizada, a OpenGradient reconhece abertamente qual peça ainda está sendo construída. Vejo isso como um sinal positivo. Isso me lembra que projetos sólidos não são definidos por ter cada recurso finalizado, mas por serem honestos sobre onde estão hoje e para onde estão se dirigindo a seguir.