Todo el mundo dice que el mecanismo EOTS de Babylon es la base de seguridad del BTC en garantía, pero ¿realmente se puede estar tranquilo? Lo ingenioso del EOTS (firma recuperable una sola vez) es que, si el nodo verificador al que delegaste se atreve a hacer doble firma, su clave privada queda “expuesta” mediante criptografía; y, además, la cadena aplica automáticamente la confiscación de su depósito, mientras que el BTC bloqueado en tu dirección también puede ser Slash parcial o total. Sí, la “espada del castigo” no solo corta al nodo: también te corta a ti. Muchos creen erróneamente que el BTC en su propia dirección está absolutamente a salvo, pero resulta que el derecho de firmar ya fue delegado. En cuanto el nodo cometa un fallo técnico —por ejemplo, al sincronizar bloques firma dos veces— el EOTS no se pondrá a discutir: directamente ejecuta el castigo. El EOTS se implementa mediante una extensión sobre las firmas Schnorr de Bitcoin. Al registrarse, el nodo expone un marcador único de capacidad de extracción. Siempre que use la misma clave privada para firmar dos bloques de diferentes alturas, esas dos firmas pueden utilizarse para deducir la clave privada mediante operaciones matemáticas. Luego, cualquiera puede construir una transacción de slashing y llevarse tanto los activos de depósito del nodo como el BTC que tú bloqueaste. $BTC Este mecanismo elimina el incentivo del doble firmado malicioso, pero no previene los bugs. El año pasado, en el ecosistema Cosmos, un validador de primer nivel hizo doble firma accidentalmente por una falla de memoria, lo que provocó el slashing de gran cantidad de ATOM delegados. Y eso que eran ATOM baratos; imagina si fuera BTC. ¿Te lo puedes imaginar? El BABY que cavas cada día con tanto esfuerzo quizá ni alcance para tapar ni una esquina. Lo más aterrador es que el BTC se pierde para siempre. Así que, en esencia, BABY es la prima de este seguro de alto riesgo. Cuando lo uses, no olvides qué hay detrás de esa prima. Distribuye de forma razonable los nodos; aunque ganes menos BABY, al menos podrás sobrevivir. #baby @BabylonLabs_io $BABY
En el modelo de confianza de TBV, lo que más fácilmente se pasa por alto es la gestión de la clave privada en el lado del usuario. A diferencia de los sistemas de cuentas de Bitcoin y Ethereum, el tesoro debe administrar la clave privada de la red principal de Bitcoin, y para los usuarios comunes esto ha sido durante mucho tiempo un punto de fricción. Recientemente, los detalles de la colaboración entre Babylon y Ledger han ido saliendo a la luz. El núcleo no es simplemente usar Ledger como una wallet de hardware, sino hacer que el firmador de hardware de Ledger funcione directamente como el “módulo de seguridad” del tesoro: realiza en local las firmas que generan la conversión de estado y luego transmite el resultado de la firma. La clave privada no se conecta a la red en ningún momento, e incluso los nodos testigo del tesoro no pueden obtenerla. La ingeniosidad de este diseño radica en que elimina la parte que más aterra al usuario—que la clave privada sea robada o que el testigo actúe mal—mediante aislamiento físico. Incluso si el ordenador se ve completamente comprometido, el atacante no consigue la capacidad completa de firma. Quienes probaron en la testnet comentan que, al usar Ledger, todo el proceso de depósitos se redujo de siete pasos a tres, y la tasa de error disminuyó notablemente. Para los usuarios institucionales que desean adoptar TBV a gran escala, la modularización del hardware es la primera barrera que supera una auditoría de cumplimiento. $BTC Los tenedores de $BABY quizás se preocupen más por la expansión del ecosistema, pero la madurez de estas herramientas de capa base es el requisito para que el valor de BABY pueda mantenerse estable. Sin un acceso útil, incluso la mejor narrativa de autocustodia solo puede servir a los geeks. Ahora, la cadena de herramientas de frontend de TBV ya cubre Ledger y Keystone; a continuación, la solución de “wallet-as-a-service” se irá lanzando gradualmente. La velocidad de estos avances merece observarse más que el precio del propio token. Al fin y al cabo, una vez que el ecosistema funciona, la necesidad de tokens de gobernanza de BABY no es un ejercicio vacío. #baby @BabylonLabs_io $BABY
Cuando un “pin” se convierte en el gatillo del stop loss: ¿sigue valiendo la pena confiar en el control de riesgos automatizado de Newton?
El relato más atractivo de la automatización on-chain es que el robot proteja nuestras posiciones mientras dormimos. La plantilla de stop loss del Newton Protocol es precisamente la funcionalidad central que encarna esa expectativa: el usuario configura el precio de activación, firma la session key y luego se queda tranquilo y se duerme. Sin embargo, detrás de esa “tranquilidad” hay una suposición extremadamente frágil: que el precio al que se alimenta (la cotización) es estable y correcto. Y, en el mundo cripto, esa suposición básicamente no se cumple. La semana pasada, alguien en la comunidad compartió registros on-chain: en una madrugada, un activo apareció durante un breve lapso mediante un “pin”, y su precio cayó instantáneamente por debajo de la línea de stop loss, aproximadamente un 2.3%. Dos bloques después, se recuperó rápidamente. En esos escasos 12 segundos, el agente de Newton completó la detección, el disparo, la firma y la presentación de una orden de venta a precio de mercado; el slippage, sumado al gas, hizo que la pérdida real de ese usuario fuese casi un 1.7% mayor que la del stop loss “normal”. Aunque el monto absoluto no fue grande, el incidente sacó a la luz a muchos usuarios que estaban “zambullidos”/ocultos, y comenzaron a cuestionar la lógica de ejecución de las plantillas de stop loss.
Descubrí que mi plantilla de stop-loss apareció una vez con un “falso disparo” durante la noche. El motivo fue un pin instantáneo en la cotización (price feeding): el agente ejecutó directamente una venta a mercado. Aunque al final, por la rápida recuperación del mercado, no causó una pérdida material, esa sensación de sobresaltarte a mitad de la noche y revisar los registros on-chain… quien lo usa lo entiende. $BTC Volví a mirar los parámetros dentro de la plantilla: el precio de activación del stop-loss y la cotización del oráculo usada para la ejecución eran, en realidad, la misma fuente de datos. Es decir, cada vez que el precio on-chain hace un temblor violento por un instante, incluso si solo ocurre por uno o dos bloques con anomalías, el agente lo trata directamente como una ruptura real. Este diseño no tiene ningún margen de tolerancia, y tampoco se puede añadir un criterio de “confirmación de N bloques consecutivos”. @NewtonProtocol Esto es un defecto mortal para activos de alta volatilidad. En el mercado cripto, los pinches del order book en los exchanges, las desviaciones temporales en las cotizaciones del oráculo y el retraso de precios en puentes cross-chain no son sucesos aislados: son la norma. Si cada pin tiene que ser tratado por el agente como una señal real de stop-loss, entonces lo que llaman “stop-loss inteligente”, en esencia, es una máquina automática de cosechar pines. $NEWT Lo más surrealista es que las órdenes de stop-loss en un CEX normal te permiten ajustar una modalidad en la que, tras activarse, se publica una orden: incluso algunos soportan órdenes iceberg para reducir el deslizamiento. Pero Newton ahora hace una ejecución a mercado de “todo o nada”, y eso convierte el stop-loss en una herramienta-paradoja: “solo se dispara en el peor de los casos, pero cuando se dispara, sigue siendo lo peor”. Esto se desvía por completo del propósito original del control de riesgo. #Newt De verdad creo que la plantilla de stop-loss necesita añadir, de inmediato, dos capas de optimización: primero, permitir que el usuario elija que “se active solo si el precio está por debajo del umbral durante N bloques consecutivos”; segundo, que soporte órdenes límite colgadas después del disparo en lugar de un martillazo a mercado incondicional. Estos dos puntos no requieren un cambio radical de arquitectura: basta con añadir un verificador on-chain ligero antes de ejecutar la estrategia. Si no se hace, en las futuras transiciones entre bull y bear, la función de stop-loss se convertirá, por el contrario, en una mecha que puede volar posiciones.
Siempre quise ejecutar una cuadrícula, pero la latencia de los DEX tradicionales me echó para atrás. Esta vez probé conectando la API de GRVT con un pequeño script que escribí yo, y para mi sorpresa la experiencia fue mucho más fluida de lo esperado. Mi estrategia es bastante simple: establezco el rango de volatilidad de BTC en 7000 puntos, coloco órdenes en 10 tramos, con 500 USDT por tramo, y que todas sean órdenes maker para capturar el rebate. Después de una semana, se ejecutaron un total de 93 operaciones; la gran mayoría fue consumida por órdenes taker. La ganancia promedio por operación está entre 0.8 y 1.2 USDT. Sumando el rebate maker, la utilidad bruta acumulada llegó a 128 USDT. Durante el proceso, el mayor deslizamiento ocurrió en las horas de madrugada, cuando la liquidez era un poco más delgada. Hubo dos ocasiones en las que las órdenes no se completaron del todo y el precio saltó, lo que desordenó la cuadrícula. Al final ajusté manualmente una vez. Aun así, fue bastante controlable: no hubo liquidaciones en margen ni “órdenes fantasma”. Con lo que corrí esta vez, la impresión que me dejó la API de GRVT es mucho mejor. La estructura de la documentación es muy clara; tanto REST como WebSocket son suficientes y, en pruebas en horarios de baja demanda, responden prácticamente al segundo. Lo único a tener en cuenta es que si haces demasiados cambios de órdenes en poco tiempo, es probable que te apliquen rate limit; así que hay que diseñar un equilibrio entre la densidad de la cuadrícula y la frecuencia de actualización, sin llegar a refrescar como en un exchange centralizado con rondas cada decenas de milisegundos. $BTC Se nota claramente que este plataforma está intentando trasladar una experiencia de trading a nivel CEX a la cadena. Aunque todavía tiene algunos detalles por mejorar, para mí —que quiero ejecutar cuantitativas con autocustodia— ya es una etapa bastante valiosa para probar. #grvt @grvt_io
Cuando hablamos de agentes de IA, Newton Protocol habla de límites verificables
El punto de entusiasmo de la comunidad ha vuelto a ser “IA + DeFi”. Parece que con solo conectar ChatGPT a una billetera, puede nacer un súper mayordomo que gana dinero 24 horas al día. Después de varias pruebas, tengo que echar un balde de agua fría: en la etapa actual, los grandes modelos aún distan muchísimo de estar lo suficientemente maduros como para comprender el contexto on-chain, manejar cambios de estado en tiempo real y prevenir entradas adversarias. Lo más grave es que, en la mayoría de los proyectos de agentes de IA, lo que se hace es convertir directamente las salidas del modelo en transacciones on-chain, faltando una capa intermedia de restricciones de ejecución verificables.
Siempre me pareció que lo más difícil no era escribir una estrategia, sino plasmarla de una forma que otra gente pueda entender y que además no se pueda manipular. Antes, junto con un compañero de equipo, administrábamos un pequeño fondo: cada uno supervisaba distintos indicadores y acordamos que no interferiríamos el uno con el otro. Pero una vez, cuando en mi lado detecté que hacía falta reducir posiciones, él consideró que era una falsa señal y, a la fuerza, tuvo que reemplazar mis operaciones manualmente. Al final, no pasó nada grave, pero esa grieta en la confianza es difícil de reparar. El problema no está en las personas, sino en el mecanismo: no habíamos acordado con antelación unas reglas de decisión, y que además pudieran ejecutarse automáticamente. Luego intenté incorporar en las restricciones de la estrategia de @NewtonProtocol tanto las condiciones de mi compañero como las mías: si mi indicador alcanza el umbral A y, además, su indicador no activa la condición de veto B, entonces el agente puede proceder a reducir posiciones. Tras comprobar que esta lógica se ejecuta correctamente en simulatePolicy, ya no necesitamos intervenir manualmente ninguno de los dos: nadie tiene que persuadir al otro, la estrategia se ejecuta según las reglas y los resultados de la verificación son evidentes. En realidad, lo que más agota la energía en la colaboración cotidiana es tener que confirmar una y otra vez si la otra parte está haciendo lo acordado. La idea de Newton de convertir las reglas de colaboración en un policy verificable elimina de inmediato la mayor parte del desgaste interno. Creo que esto no solo es útil en la gestión de activos, sino que su valor es aún mayor en escenarios como la gestión de tesorerías de DAO y la distribución de permisos mediante multisig. Ya no hace falta mirar a las personas: basta con mirar las restricciones.$BTC Mi plan es dar el siguiente paso e integrar también los límites de gasto y la lista blanca de protocolos en la estrategia, para ir delegando en código todo lo que se pueda delegar y dejar que los humanos solo conserven el último derecho de veto. #NEWT $NEWT @NewtonProtocol
La mayor incomodidad de hacer derivados en cadena suele no ser el deslizamiento, sino que tú mismo te conviertes en el “blanco vivo” de otros. En algunas plataformas descentralizadas del pasado, las órdenes grandes, la distribución de posiciones y el historial de cierres eran casi totalmente transparentes. Con un poco de experiencia, un seguidor puede trazar tu flujo de fondos y tus hábitos de operación. Esto es especialmente delicado en el trading a nivel institucional. Simulé durante un tiempo con GRVT y descubrí que dibuja una línea muy interesante en la frontera entre privacidad. Como la capa subyacente usa una arquitectura Validium basada en pruebas de conocimiento cero, GRVT no expone en la cadena pública los detalles de cada operación. Que una transacción ocurra realmente y que las actualizaciones de estado sean conformes se respaldan mediante pruebas de validez, sin necesidad de mostrar públicamente compradores/vendedores, el precio de ejecución o los cambios de posición. Es como completar una operación en una sala cerrada pero verificablemente justa: quienes están fuera solo pueden confirmar “aquí ocurrió algo que cumple las reglas”, pero no pueden ver exactamente qué estás haciendo. Para los usuarios comunes, la ventaja directa es reducir el riesgo de que se rastreen sus estrategias. Antes, esas herramientas que se dedicaban a vigilar direcciones de grandes tenedores para rastrear puntos de formación de posiciones, aquí casi pierden eficacia. Para creadores de mercado y capital institucional, esto significa poder proporcionar liquidez a mayor escala sin exponer su propio marco de control de riesgos. Al mismo tiempo, no equivale a anonimato total: siempre que uses la misma dirección para publicar retiros, en la cadena aún se puede ver el destino del flujo de fondos. Por eso, la descripción más precisa sería “privacidad verificable”, no una caja negra.$BTC Por supuesto, la protección de la privacidad a menudo mantiene una tensión prolongada con las necesidades regulatorias. Habrá que ver si en el futuro esta arquitectura permitirá una divulgación selectiva de información, o si se introducen “vistas de cumplimiento”. Pero, desde la ruta puramente técnica, GRVT hace que los traders ya no tengan que sacrificar entre “descentralización” y “ocultar la intención de las operaciones”. Para jugadores avanzados, el valor de esto podría ser mucho mayor que ahorrar esos pocos costos de Gas. #grvt @grvt_io
De “confiar en el código” a “confiar en el proceso”: Newton intenta redefinir el paradigma de confianza para la automatización en cadena
El eslogan más contundente de la DeFi en sus inicios fue “Don't Trust, Verify”. En aquella época, la confianza se depositaba en el código del contrato: mientras el código fuera de código abierto y pasara auditorías, la gente estaba dispuesta a poner su dinero. Pero al entrar en la era de los agentes de IA, verificar solo el código ya no es suficiente, porque el comportamiento del agente no depende únicamente del código, sino también de entradas externas que cambian constantemente y de combinaciones de estrategias complejas. El objeto de la confianza está pasando de “código estático” a “proceso de ejecución dinámico”. @NewtonProtocol Justo está en este punto de inflexión. Utiliza ZK y TEE para demostrar la corrección del proceso de ejecución, usa Keystore Rollup para delimitar los límites de permisos y un motor de Policy para fijar la intención del usuario. Estas tres capas superpuestas, en esencia, están creando un “caja negra de ejecución” auditable. Incluso si el agente realiza trescientas acciones, cada paso puede reconstruirse, verificarse y compararse con las limitaciones que el usuario había definido originalmente.
¿No os habéis fijado en que la función de compartición de estrategias de Newton tiene un atractivo social invisible? Las políticas que escribe el propio usuario se pueden publicar para que otros las usen; suena como compartir un guion, pero en realidad se parece más a “contratar a un pequeño equipo de IA que trabaja para ti”. Pero enseguida me viene un problema del mundo real: aunque no hablemos de si el autor de una estrategia comparte gana dinero o no, ¿tiene que hacerse responsable del rendimiento de la estrategia? @NewtonProtocol actualmente enfatiza la ejecución verificable, pero la “calidad” de la estrategia en sí no está dentro del alcance de la verificación. Una estrategia que parece perfecta en lógica puede, en cierta estructura de mercado, convertirse en una máquina estable de pérdidas. Esto nos lleva a la preocupación real de $NEWT : si cito la estrategia de otra persona y pierdo dinero, ¿me culpo yo o se culpa al autor? En el mundo on-chain no existe una línea de atención al consumidor. Newton quizá necesite un mecanismo de exención de responsabilidad ligero, o al menos mostrar el historial de simulaciones de esa estrategia (aunque no sea con fondos reales), para que los usuarios tengan una noción borrosa antes de lanzarse. $BTC Dicho desde otro ángulo, esto podría incluso dar lugar a una nueva figura: los “auditores de estrategias”, que se dediquen a analizar defectos lógicos de las Policy populares y escenarios extremos. En el futuro no solo se auditará el código, también habrá que auditar las estrategias. Ese es el lado interesante de la era de los agentes de IA: la confianza ya no se queda solo en el nivel del contrato, sino que se va expandiendo hasta llegar a las propias ideas de estrategia. #Newt $NEWT @NewtonProtocol
Amigo: “Acabo de empezar a usar @grvt_io y te pregunté: ¿por qué en mi cuenta aparece que hay una gran cantidad de U, pero al retirarla al monedero siempre me sale que el saldo disponible es insuficiente?” Le pedí que lo revisara, y efectivamente estaba tratando los comprobantes dentro del “saldo unificado” que todavía están en el periodo de devengo de intereses como si fueran fondos disponibles para usar. Este problema, para principiantes, es algo que uno pisa sin querer. GRVT, para mantener la eficiencia general de los fondos, tiene ventanas de liquidación implícitas para ciertos activos con bloqueo por rendimiento. Especialmente en el flujo que utiliza Validium para la confirmación final de los datos, desde el cierre de la posición hasta que se pueda retirar, hay un periodo de enfriamiento de verificación que parece silencioso pero que en realidad existe. A simple vista, tu saldo está ahí; en realidad, necesitas esperar a que el comprobante de conocimiento cero (ZK) de los datos subyacentes termine la validación final, para que los fondos se transfieran de forma real a tu dirección de autocustodia. El matching de alta velocidad y los retiros rápidos, en una arquitectura híbrida, por ahora todavía no se pueden tener ambos. $BTC Mi propia forma de protegerme es: mantener siempre al menos un 20% de “U” sin devengo de intereses dentro de la cuenta de GRVT, de ningún modo participando en el rendimiento. No busco ganar ni un centavo de intereses con esa parte; la uso específicamente para cubrir emergencias de liquidación forzada y necesidades de retiro urgente. Todo el capital que obtiene intereses, trátalo como carne congelada en la nevera: no cuenta como fondo de liquidez diaria antes de abrir una orden. Así, cuando haya que complementar rápidamente el margen en un escenario de aguja (alta volatilidad), no te quedas mirando cómo te arrebatan por culpa de la ventana de congelamiento. En un exchange híbrido, la granularidad de la gestión de liquidez importa muchísimo más que los rendimientos por intereses. #grvt @grvt_io
La ilusión del chip: ¿qué tan fiable es realmente el modelo de seguridad del TEE de Newton?
En las narrativas de Web3, “Trustless” es la etiqueta más preciada. Newton construye la base de una capa de autorización para agentes de IA verificables, transfiriendo la confianza de las personas hacia el hardware mediante los TEE. Afirma que los operadores ejecutan dentro de la zona segura Intel SGX; cada verificación de una transacción genera pruebas de attestation, y cualquier intento de hacer el mal será eliminado por no coincidir con la prueba. Suena a inalterable y absolutamente fiable. Lamentablemente, la realidad de la seguridad de los chips es mucho más compleja: ese supuesto candado de hardware invulnerable ya se ha forzado en más de una ocasión. Recapitulemos los principales fallos de Intel SGX en los últimos años. Foreshadow (fallo del terminal L1) revelado en 2018 permitía leer directamente contenidos de memoria cifrada dentro de un enclave SGX, lo que posibilitaba que el atacante robara claves privadas y datos sensibles. En 2020, Plundervolt explotó interfaces de ajuste de voltaje para provocar errores en el procesador, y con ello comprometer la integridad del enclave. En 2022, los investigadores hicieron público ÆPIC Leak, una grave vulnerabilidad de filtración de información presente en la última generación de procesadores Xeon, que permite a los atacantes acceder al contenido de regiones de memoria SGX. Además de esto, también hubo una serie de ataques conocidos como LVI y SGAxe. Cada revelación añade una sombra sobre las cuatro palabras “raíz de confianza en el hardware”. ¿El TEE de Newton ya está inmunizado contra estas amenazas? No parece probable. Si sus nodos de verificación usan firmware sin parches al día, o si están en máquinas físicas compartidas en la nube, también quedan expuestos a estas superficies de ataque.
La arquitectura TEE de Newton siempre ha enfatizado el lema “confiar en los chips, no en las personas”, pero esa consigna esconde un gran fallo lógico: los chips también son diseñados por humanos, y también puede contaminarse la cadena de suministro de los chips. El listado de vulnerabilidades de Intel SGX en los últimos años es más largo que el de incidentes de muchos protocolos DeFi. Desde Spectre, Foreshadow hasta el ÆPIC Leak de los últimos tiempos, cada ataque que atraviesa el aislamiento de un enclave nos recuerda que el llamado “hardware confiable” es más bien una puerta de cristal que queda cerrada, pero que puede abrirse con una palanca. En cuanto se lee la memoria dentro del enclave, todas las pruebas de attestation se vuelven papel mojado y la verificación del motor de políticas se convierte en un juego de niños. @NewtonProtocol Lo más sutil es que los validadores de Newton afirman hacia afuera ejecutar un entorno SGX, pero sobre qué versión exacta de hardware y firmware usan, y si han aplicado las últimas correcciones de microcódigo, no existe ninguna forma verificable en cadena. $BTC El usuario solo puede elegir una vez más seguir confiando. Trasladar la confianza de las personas a los chips, pero sin hacer que ese chip sea realmente auditable, no es más que cambiar el discurso para seguir confiando: en los ingenieros de Intel, en el mantenimiento del centro de datos, en que no aparecerán nuevos canales laterales que descubran los hackers. Este modelo de seguridad está a una distancia enorme de “sin necesidad de confianza”. Si algún día en el futuro Intel anuncia que dejará de mantener alguna versión de SGX, ¿qué quedará como base de seguridad para Newton? Esa es una pregunta que cada titular debería hacerse. #NEWT $NEWT @NewtonProtocol
Dejando de lado los detalles del trading, hablemos de GRVT desde la capa de narrativa del sector. Este año, el mercado de derivados descentralizados está bastante competido; la mayoría de los proyectos se está enfocando en “activos sintéticos más complejos” y “mayor apalancamiento”. Sin embargo, dejan de lado los elementos subyacentes que realmente brindan tranquilidad para que entre capital de gran escala: propiedad bien definida y jerarquía de permisos. GRVT va en una dirección claramente distinta. En esencia, está construyendo una capa de negociación de contratos a nivel institucional con custodia propia (self-custody). Los activos del usuario permanecen en todo momento en direcciones que el usuario mantiene bajo custodia; el exchange no toca el dinero. Además, resuelve la división del trabajo dentro de la institución mediante una estructura de cuentas en dos capas: el jefe gestiona el dinero, el trader gestiona la estrategia y el área de riesgo gestiona los límites; todo queda fijado mediante contratos. Esta narrativa se parece más a la actividad de un “principal broker” (corredor principal) en las finanzas tradicionales, en lugar de simplemente montar un contrato en cadena para hacer apuestas cruzadas. $BTC En cuanto a la implementación técnica, se usa ZK Validium. La ventaja de esta solución es que conserva el rendimiento del motor de emparejamiento fuera de la cadena, y al mismo tiempo ancla la liquidación y la liquidación forzosa clave a la seguridad de la red principal de Ethereum mediante pruebas ZK. En comparación con un Optimistic Rollup puro, se prescinde del periodo de desafío, lo cual es adecuado para escenarios financieros. Y frente al emparejamiento 100% en cadena, la experiencia de usuario es mucho mejor. El mayor dolor de Web3 en la actualidad es que el capital institucional quiere entrar, pero no existe infraestructura de cumplimiento y auditable en cadena. Si GRVT logra desplegar el motor fuera de la cadena en nodos múltiples y, al mismo tiempo, conectar la puerta de cumplimiento regulatorio, podría no solo capturar usuarios de DEX, sino también fondos tradicionales que quieren gestionar activos en cadena, oficinas familiares y equipos de trading. Por supuesto, en esta etapa las expectativas de valoración no se pueden inflar demasiado: el producto todavía está en la red de pruebas, y los detalles del modelo de token de la ecosistema y de los incentivos de nodos tampoco se han publicado. Pero los usuarios semilla que entren ahora para dominar el flujo completo de principio a fin están aprovechando una ventana típica de “descubrir temprano y vincularse temprano”. Después de todo, cuando los datos despeguen en la red principal, el costo ya no será el mismo. #grvt @grvt_io
Quizá el “gobierno on-chain” que veneras sea solo un sello de goma en manos del ballenero
Si todavía te emocionan las lágrimas con el relato de Newton sobre la “gobernanza on-chain impulsada por la comunidad”, permíteme decirte una verdad poco halagadora: tu voto, desde el mismo instante en que se deposita en el contrato de gobernanza, ya ha quedado preinstalado dentro de un agujero negro de ponderación de votos, encerrado y sellado por las matemáticas. La idea de gobernanza de Newton suena realmente hermosa: solo tienes que hacer staking de NEWT para obtener un poder de voto ponderado igual a la cantidad, con todas las propuestas publicadas en cadena y a la vista de todos, y cualquiera puede, en un supuesto marco “que no puede ser revocado unilateralmente”, decidir conjuntamente el futuro del protocolo. Sin embargo, lo que de verdad determina el destino del protocolo no es ese contador de votos adornado, sino el triple filtro oligárquico escondido entre el mecanismo de delegación del poder de voto y los umbrales de las propuestas.
Mira lo brillante y dorado que deja las palabras “nuevo paradigma económico” en el Libro Blanco de Newton: solo tienes que hacer una cosa. Abre el formulario de asignación de tokens, suma las participaciones del equipo, la fundación y la colocación privada temprana, y luego compáralo con la supuesta “curva de liberación de la comunidad”. Yo me lo desmonté con el método más torpe: rastreé la dirección génesis on-chain y la correspondencia de cada liberación lineal que hubo. Lo que obtuve no fue un paraíso pastoral de Web3, sino una máquina expendedora controlada por un reloj de precisión. El calendario de bloqueo de la participación del equipo está diseñado, a simple vista, para que no haya ni una gota de agua; pero el ritmo de desbloqueo encaja, precisamente y sin margen de error, con cada momento álgido del mercado. En la última subasta de dominios, la euforia de la comunidad acababa de llegar al máximo: una dirección de fundación que había estado dormida durante dos años transfirió ocho millones de $BTC NEWT al monedero de un market maker desde el punto más alto. ¿Dices que es coincidencia? Pues te cuento el siguiente “accidente”: dentro de las setenta y dos horas posteriores a cada votación oficial de gobernanza, siempre hay una dirección de la ronda semilla temprana cuyo staking vence justo en ese momento y sale. Tras salir, ni participa en el consenso ni revierte al fondo del ecosistema: en cambio, recorre una ruta fija entre cadenas y, en silencio, desemboca en algún monedero caliente de An. El monto es ni tan grande ni tan pequeño: justo lo bastante para quedarse por debajo del umbral que dispararía alertas on-chain de gran cuantía. Esta operación, en términos literales, no se llama “dumping”; se llama “desbloqueo legal para la construcción del ecosistema”. Pero la construcción del ecosistema, en concreto, es que tus monedas se vuelven cada vez más pesadas y sus direcciones cada vez más ligeras. Lo más avanzado está en que la emisión se distribuye en una docena de direcciones intermedias que aparentan ser independientes entre sí. Incluso si usas Nansen para perseguirlas, en la primera mirada parecerá una transferencia normal entre usuarios. Pero si juntas la secuencia temporal de todas esas direcciones intermedias y calculas el coeficiente de Pearson, verás que el ritmo con el que transfieren sus salidas se ajusta de forma perfecta a un mismo proceso de Poisson. Si eso no es el resultado de un mismo conjunto de scripts de automatización controlándolo todo, me trago el libro blanco allí mismo. Newton vende su modelo económico de tokens: en esencia, es una deshidratación crónica de la liquidez. El rendimiento anual que te seduce es un número tentador; lo que ellos desbloquean, en cambio, es moneda real y tangible. Ese APY tan bonito nunca ha sido una “lluvia de maná” que compense la inflación: es éter para anestesiar tus sensaciones dolorosas. #Newt $NEWT @NewtonProtocol
Me pasé toda la tarde revisando el volumen de operaciones de los pares de 24 horas de GRVT y encontré un punto de desgaste “oculto” que es muy fácil de pasar por alto. Todos se fijan en las tarifas nominales de Maker y Taker, pero casi nadie se toma el tiempo de calcular cuánto vale, en realidad, el deslizamiento final cuando una orden choca con la curva de un AMM dentro de un pool de liquidez mixta. Hice una comparación mediante una simulación con BTC-PERP. Con la misma orden de mercado de 0.5 BTC, en momentos de buena profundidad (en la franja de la sesión asiática/horario de los principales), prácticamente toda la orden se ejecuta contra el libro de órdenes y el deslizamiento es de aproximadamente 0.02%. Pero en periodos de menor liquidez, por ejemplo, el “vacío” entre el mediodía de Europa y antes de la apertura de las acciones/mercado estadounidense, la misma orden primero atraviesa las órdenes superficiales del libro y luego se come directamente la curva del AMM; el deslizamiento agregado puede saltar hasta alrededor de 0.17%. Esta diferencia es varias veces la de las tarifas nominales, pero en la página de confirmación de la orden solo se clasifica como “impacto de precio”, sin desglosarlo por separado. Muchos creen que las “tarifas bajas” de GRVT les permiten hacer “sniping” de alta frecuencia sin coste, pero si desglosas las órdenes y entras con frecuencia en momentos de poca liquidez, el desgaste acumulado por deslizamiento puede terminar siendo incluso mayor que la tarifa VIP3 de un exchange centralizado. $BTC No digo que el modelo de GRVT esté mal. La liquidez mixta, en escenarios extremos, realmente ofrece un “respaldo” para que la operación se ejecute, evitando que se reporte directamente algo como “no se puede ejecutar”, como ocurriría con un libro de órdenes puro. Sin embargo, si estás acostumbrado a meter órdenes grandes cuando la profundidad del libro es débil, este coste oculto se convierte en una pérdida continua. Mi primera impresión: en la etapa actual, GRVT se adapta mejor a participar en los periodos de los principales usando órdenes limitadas, mientras que las estrategias puramente de mercado y alta frecuencia necesitan ajustar la ejecución con instantáneas históricas del book para que el modelo funcione. Ayer ya empecé a recopilar datos de la API para muestreo de deslizamiento a nivel de minuto; más adelante compartiré la tabla completa. #grvt @grvt_io
El espejismo de la “diversidad de datos” de Newton: cuando todos los nodos se unifican silenciosamente ya desde el origen
En el libro blanco, Newton describe con orgullo un panorama: a partir de cientos y miles de operadores independientes, que rastrean datos desde una enorme variedad de fuentes heterogéneas, y los consolidan hasta convertirlos en hechos de precios impenetrables. Esta “diversidad de datos” (Data Diversity) es el pilar teórico con el que contrarresta los ataques a los oráculos. Suena bastante sólido, pero si dejamos a un lado lo ideal y solo hablamos de los hechos: cuando esos operadores son arrastrados por la gravedad de los costos y la eficiencia, de forma espontánea tienden hacia un mismo destino. En última instancia, la llamada “diversidad” ya se unifica en silencio en el origen de las fuentes de datos, y todo el modelo de seguridad de Newton se apoya en un montón de arena.