pythroadmapand

Por ejemplo, cambiar ETH por SOL. Echaste un vistazo al precio, te pareció adecuado, hiciste clic en confirmar—en un instante la transacción se completó, suave como usar una tarjeta de crédito.
Pero, ¿te has preguntado: quién establece realmente ese precio? ¿Quién decide cuánto vale 1 ETH en dólares en este momento?
En realidad, detrás de esto hay un sistema llamado 'oráculo' que está trabajando. Son como 'informantes' insertados en el mundo real a través de la blockchain, responsables de informar los precios. Pero la vieja generación de oráculos, muchos son lentos, caros y a menudo dependen de una única fuente de datos, lo que no es muy confiable.
En este momento, apareció Pyth Network. No solo quiere ser una moneda ordinaria, sino que quiere reconstruir toda la infraestructura de datos financieros—reescribiendo las reglas desde la base.

Cuando jugamos a DeFi, lo más frustrante no es no haber acertado en el mercado, sino ser engañado por “datos imprecisos” - por ejemplo, cuando el precio de liquidación de repente “salta”, claramente mirando el precio en tiempo real, pero en la cadena se usaron datos con un retraso de varios minutos, perdiendo dinero en vano. La raíz de este problema está en el “mensajero” que transmite datos a la cadena de bloques - el oráculo. Y el reciente Pyth@undefined justamente soluciona este dolor, e incluso ha expandido el uso de datos más allá de la criptografía hacia áreas financieras tradicionales como acciones y divisas.

Primero, entendamos el núcleo poderoso de Pyth: es un “oráculo de primera parte”. A diferencia de esos oráculos que dependen de terceros para obtener datos, los datos de Pyth provienen directamente de las principales empresas de trading - como equipos que hacen trading de alta frecuencia y trading a nivel institucional, que transmiten sus datos de transacciones en tiempo real directamente a Pyth, sin intermediarios. ¿Qué significa esto? Los datos son rápidos y precisos, no serán alterados por intermediarios y no habrá retrasos. Para nosotros, los usuarios comunes, no seremos engañados por “datos desactualizados” durante la liquidación; para las instituciones, la credibilidad de este nivel de datos es lo suficientemente alta como para atreverse a invertir grandes sumas de dinero en aplicaciones en la cadena.

El mes pasado hice algo bastante absurdo: corté en un intercambio descentralizado el PIB de EE. UU., ganando en tres días lo que ganaría en dos meses. Cuando presumí de esto a un amigo que trabaja en banca de inversión, se quedó mirando el registro de transacciones durante diez minutos, y finalmente soltó: "Ustedes en el mundo cripto están locos, han convertido nuestro trabajo seguro en un juguete."
1. Este oráculo convierte los datos en "seres vivos"
Antes, los datos de precios en la cadena de bloques eran como alimentos próximos a vencer en el supermercado: todo lo que otros habían dejado atrás. Pyth Network permite que las bolsas y los creadores de mercado abran sus propias tiendas para vender al instante:
Los datos de transacciones calientes de Binance llegan a la cadena con el calor de la cocina

En la pista de oráculos de blockchain, la trayectoria de Pyth Network puede considerarse un movimiento de innovación que desafía el modelo tradicional de distribución de datos. Desde el concepto inicial en 2021 hasta convertirse en un desafiante de la industria que apunta a un mercado de 50 mil millones de dólares, cada paso de su evolución ha impactado profundamente las reglas de interacción de datos entre las finanzas descentralizadas y las finanzas tradicionales.
Fase inicial: Fundamentos de la infraestructura (2021-2023)
La historia de Pyth Network comenzó en abril de 2021, cuando el mercado de criptomonedas enfrentaba problemas de retraso en los datos de oráculo, altos costos y falta de confiabilidad. El equipo fundador se dio cuenta de manera aguda de que el modelo de oráculos tradicionales (Push) que transmite datos continuamente no solo desperdicia recursos de red, sino que también tiene dificultades para satisfacer las demandas de escenarios de trading de alta frecuencia. Basado en esta percepción, el equipo estableció el concepto de diseño central de "obtención de datos bajo demanda", #PythRoadmapand sentando las bases para el posterior modelo Pull.