[Uber a testé la possibilité de retirer des fonds en dehors des heures bancaires, même le week-end ; Primus a également soumis une proposition de développement] @primus_labs @CantonNetwork Uber a testé s’il était possible de retirer des fonds déposés, même pendant le week-end, en dehors des heures d’ouverture bancaire. Lors d’une démonstration publiée le 30 octobre, Uber a acheté des fonds du marché monétaire de Franklin Templeton en utilisant des dépôts tokenisés de HSBC et a confirmé qu’il était possible de convertir une partie de ces fonds en espèces même pendant le week-end. La blockchain utilisée pour cette transaction est Canton Network. Primus et HashCloak ont soumis une proposition visant à intégrer la technologie de vérification de données zkTLS au fonds de développement de Canton. Le montant demandé est de 1 303 500 Canton Coins (CC), soit environ 150 000 dollars au taux de change au moment de la soumission. La durée du développement est fixée à 14 semaines. L’expérience d’Uber se concentre sur le processus permettant aux entreprises de placer des fonds et de les récupérer lorsqu’elles en ont besoin. La proposition de Primus vise à ajouter à l’application Canton la capacité de vérifier si des conditions sont remplies en utilisant des informations financières externes, sans révéler les données d’origine. Par exemple, supposons qu’une entreprise doive vérifier les conditions de détention de fonds d’un partenaire avant d’effectuer une transaction. Au lieu de récupérer et de conserver l’intégralité du relevé bancaire, elle pourrait vérifier une preuve basée sur des données confirmées par des sources autorisées. Primus prévoit de créer des preuves pour les données web, tandis que HashCloak développera les outils permettant à l’application Canton de vérifier directement ces preuves. La proposition publique mentionne comme résultats attendus un exemple d’application Canton capable de vérifier directement une preuve mathématique sans recevoir les données d’origine, ainsi qu’un outil public réutilisable par d’autres développeurs. Une fois mis en œuvre, les applications vérifiant les informations financières pourront s’appuyer sur la preuve elle-même, et non uniquement sur la signature de Primus. L’expérience d’Uber concernant la gestion des fonds le week-end est une démonstration achevée, tandis que la proposition de Primus et HashCloak est actuellement en cours d’évaluation. Les deux initiatives abordent des problèmes différents au sein du même écosystème Canton. La prochaine étape consistera à déterminer si l’infrastructure permettant d’exécuter des transactions peut intégrer une fonctionnalité sécurisée pour vérifier les informations financières externes. Ce qui sera ensuite vérifié, c’est le fonctionnement réel de la fonctionnalité de vérification, et non le montant du financement. Le critère déterminant pour juger si cette idée progresse sera la sortie d’un test public permettant à l’application Canton de vérifier directement la preuve de Primus sans recevoir les informations financières d’origine. #Primus #CantonNetwork

Pourquoi la réception d’un jugement AI sur Solana ne signifie pas que le règlement est terminé @GenLayer Supposons que le marché d’agents AI de Solana confie l’évaluation de la qualité des tâches à GenLayer. Même si les vérificateurs sont d’accord sur le résultat, il reste une question distincte : sur quel compte Solana le paiement doit-il être enregistré ? Le code de pont publié par la Fondation GenLayer inclut une structure qui transmet des messages entre GenLayer et Solana via LayerZero V2 et un hub EVM. Ici, l’endroit où le jugement AI est effectué et l’endroit où l’état de l’application est modifié en conséquence sont séparés. La manière dont Solana reçoit les messages dépend de la configuration du compte cible. Si le compte destinataire est prédéfini, l’état d’inscription enregistré dans le chemin DirectCpiReceiver peut être mis à jour directement. L’appel externe réel au programme doit être implémenté en fonction du programme destinataire. En revanche, si le compte à modifier varie selon la commande ou l’utilisateur, le message est d’abord stocké via StoreAndClaim, puis les comptes nécessaires sont spécifiés lors de l’appel claim_message. Solana exige que la liste des comptes à utiliser soit spécifiée avant l’exécution de la transaction. Par conséquent, il ne faut pas indiquer qu’un utilisateur a été rémunéré uniquement parce qu’un message a été reçu via le pont. La provenance du message est également vérifiée indépendamment du jugement. L’implémentation publique est conçue pour valider un pair de confiance et empêcher le traitement en double des demandes identiques grâce à un message_id unique. Cependant, la prévention des doubles traitements et la transmission correcte des messages ne constituent pas une preuve que le jugement AI lui-même est correct. Ce que j’ai abordé en créant PolicyGuard sur Studio, c’était la question de déterminer si les règles du document avaient réellement changé. Ce pont permet de constater que, pour connecter le résultat à un service sur une autre chaîne, il faut concevoir non seulement les critères de jugement, mais aussi la transmission, la réception et l’état de règlement. Les enregistrements de tests bidirectionnels entre Base Sepolia et Solana Devnet sont actuellement disponibles dans le dépôt public, mais ils ne doivent pas être considérés comme des réalisations opérationnelles pour des services Solana commerciaux utilisant les jugements AI de GenLayer. Les preuves de réussite nécessaires dans une application AI cross-chain se divisent en trois éléments : la confirmation finale du jugement GenLayer, le message provenant d’une source de confiance, et le changement réel d’état du compte cible. Code public : https://t.co/N4zVSxjYG7 #GenLayer #GenLayerDOKDOPioneer

[ENSv2 : un seul nom pour des milliers de comptes] @ensdomains @ethereum Avec le lancement d’ENSv2 le 27 octobre, il est désormais possible de faire gérer séparément https://t.co/NvxB4rnXZr.eth et https://t.co/xwZsp1UT6i.eth. Cela permet aux entreprises de déléguer uniquement les autorisations nécessaires à chaque équipe, sans avoir à transférer la propriété de company.eth. Cette structure comporte toutefois un risque : un seul petit nom peut devenir un point faible pour l’ensemble du service. Si le nom parent expire, tous les noms enfants deviennent inaccessibles. ENS est connu comme un service qui remplace les longues adresses de portefeuille par des noms lisibles comme alice.eth. Selon les chiffres publiés par ENS en octobre, il existe environ 905 000 noms .eth et 34 millions de noms enfants. Ce total de plus de 36 millions de noms inclut à la fois les noms enregistrés directement par des particuliers et les noms enfants délivrés par des organisations. Le modèle consistant à gérer plusieurs personnes et services via un seul nom est déjà largement utilisé. ENSv2 réstructure la gestion de ces noms enfants. Chaque nom peut désormais posséder son propre registre d’enfants, et le propriétaire peut répartir les autorités — enregistrement, modification de profil, gestion des noms enfants — selon des rôles précis. Par exemple, une organisation peut attribuer un nom distinct à chaque employé ou accorder des droits de modification spécifiques à chaque équipe chargée d’un service. Bien que les noms enfants aient toujours pu être créés auparavant, ENSv2 intègre ces fonctionnalités directement dans la structure du contrat principal. En contrepartie, la responsabilité se concentre. Lorsqu’on recherche un nom dans ENSv2, le système remonte la chaîne des registres parents. Si company.eth expire ou si la connexion au registre enfant est rompue, il devient impossible de retrouver l’adresse de paiement associée à https://t.co/xwZsp1UT6i.eth, même si vous en êtes le titulaire. La capacité de gestion du titulaire du nom enfant dépend désormais directement de la maintenance et de la gestion des autorisations du nom parent. Les règles d’expiration renforcent encore cette responsabilité. ENSv1 maintenait l’accessibilité du nom pendant 90 jours après expiration. ENSv2 réduit cette période à 28 jours, et l’accès cesse immédiatement à l’expiration. Un renouvellement pendant cette période restaure l’accès, mais tout retard entraîne une interruption potentielle des services connectés. Lorsqu’on migre un nom existant vers v2, la date d’expiration est reportée de 62 jours pour compenser cette différence. Par exemple, si un nom v1 avait encore 100 jours avant expiration, après migration il en restera environ 162 ; le moment où un autre utilisateur pourra l’enregistrer sera le même dans les deux cas — environ 190 jours plus tard. Mais avec v2, le nom ne sera plus accessible durant les 28 derniers jours. Le risque de perte du nom et celui d’une interruption de service ne suivent donc pas le même calendrier. Pour un simple pseudonyme personnel, cela ne représente qu’un risque d’oubli d’alerte de renouvellement. Mais si une organisation a délivré des milliers de noms enfants à ses clients, employés ou agents, l’échec d’un seul renouvellement du nom parent peut entraîner des problèmes d’accès pour plusieurs services. C’est pourquoi la conception fine des rôles exige une attention particulière à la responsabilité du renouvellement du nom parent et aux procédures de reprise en cas d’urgence. Les changements de prix s’alignent également sur cette conception. Le prix annuel de base pour un nom .eth de cinq caractères ou plus passe de 5 $ à 8 $ (+60 %), mais s’il est enregistré pour plus de six ans, le prix annuel tombe à environ 4,50 $. Cette structure incite à une utilisation à long terme plutôt qu’à une détention temporaire. Cependant, plus un nom est lié à de nombreux comptes, plus le coût d’un échec de renouvellement peut dépasser largement le prix initial d’enregistrement. La croissance d’ENSv2 ne pourra pas être mesurée uniquement par le nombre de nouveaux noms enregistrés. Des signaux plus convaincants seront la quantité réelle de noms enfants gérés par les organisations, la délégation précise des rôles et la propagation croissante des applications capables de lire ces noms de manière fiable. ENS affirme déjà soutenir la recherche de noms dans plus de 600 applications. Ce qui déterminera désormais la confiance dans le protocole, ce sera qui assurera la responsabilité et l’exploitation stable de ces noms. #ENS #Ethereum

Questions that the AI research lab will receive before purchasing 12,480 records @datafdn @SuiNetwork [Three stages of data purchase that DATA’s Trace aims to connect with Sui and Walrus] Let’s assume an AI research lab is searching for data for voice training. If a seller presents a dataset of 12,480 records, the researcher cannot determine the actual volume of desired material just by counting total files or reviewing contracts. In fact, the audit example shown by DATA Foundation’s Trace, which amounts to 1.42 TB, includes 6,140 videos, 3,770 images, 1,710 documents, and 860 audio files. A lab seeking audio data would begin by examining the 860 audio files, representing approximately 6.9% of the total. These figures are not actual transaction results but demo data from Trace — useful as an example to help buyers understand what information they should review. After filtering by file type, the buyer must verify the provider’s identity, review consent and terms records, and confirm the integrity of received files. On the same demo screen, a KYC verification rate of 96.4% refers to contributor status, while a latest terms adoption rate of 91.8% reflects the scope of consent version application. Since these rates are based on different criteria, buyers must separately examine the provider’s authentication status and terms records for each file. The collaboration between DATA Network and Sui, announced on October 12, 2026, aims to link this review process directly to original files and usage rights. At that time, Trace had registered over 250 million AI data contribution records and processed over 3 million receipts per day on average. The Sui Foundation invested $30 million in DATA Network, and DATA plans to gradually migrate from its independent blockchain to a Sui-based protocol. [Five steps remaining on a 19.1KB receipt] A single Kled receipt published on Trace contains the hash (SHA-256) of a 19.1KB HEIC image, resolution 196 × 348, provider KYC status: Verified, along with upload/signature/registration history and on-chain transaction linkage. The upload time is October 6, 2026; provider signature and Trace registration date are October 7. This page displays registration history and verification items instead of the original image. This receipt’s lifecycle consists of five stages. The “Captured” stage — representing the moment of capture — shows “Not recorded yet.” Detailed data includes the file occurrence time (occurred_at) and upload time (uploaded_at), but these fields alone cannot definitively determine the actual camera capture time. The terms of use also show “Not recorded” in the Origin section and “Current” under the Identity & consent version field. These distinctions help buyers break down their review criteria precisely. The hash serves as an identifier to verify what file information was registered; signatures and on-chain records provide evidence of who registered this information and when. Provider authentication status and terms version are separate criteria. The researcher’s right to use data for learning must be determined based on actual consent content and licensing agreements. [Function to turn one receipt into ten thousand reviews] On Trace’s Verify screen, users can paste up to 10,000 data IDs or submit larger lists via CSV. Trace aggregates receipts belonging to a dataset to summarize provider identity verification status, terms version, media type, and modification history, allowing users to drill down into individual records. In the earlier demo of 12,480 records, combining videos and images yields 9,910 entries — approximately 79.4% of the total. A lab seeking audio data and another seeking video data would receive the same sales list but examine entirely different targets. Displaying provider verification rates alongside terms adoption scope enables buyers to select files matching their purpose and then locate the necessary proof for those specific records. Trace also includes records from Numo (handling audio and video data) and oto (handling conversational audio), among others besides Kled. Receipts registered by each application are bundled into Merkle roots and anchored on-chain. Therefore, a daily processing volume exceeding three million receipts does not equate to three million individual on-chain transactions. This architecture allows for registering massive contribution records while providing audit trails for individual datasets. [How review changes when records connect to original files] Currently, Trace stores receipts and associated metadata but does not host original files. The announcement of DATA and Sui’s collaboration introduced a vision to adopt Walrus as the default storage layer for DATA Foundation applications and link encrypted references to original files with Trace records.Par exemple, si un laboratoire a reçu un fichier acheté, il peut concevoir une procédure pour obtenir les autorisations nécessaires, récupérer le fichier de référence de Walrus et comparer les hachages. Cela fournit une base pour déterminer si le contenu a été modifié pendant le transfert et comment le fichier traité ultérieurement diffère du fichier de référence enregistré. Le fichier de référence étant initialement soumis par le fournisseur, cette comparaison constitue une preuve d’identité du fichier, mais ne garantit pas automatiquement l’authenticité des circonstances de prise de vue ou du consentement original. Les données stockées dans Walrus sont par défaut accessibles en lecture publique ; il est donc nécessaire de les chiffrer avant le stockage pour préserver les fichiers originaux confidentiels. Seal, dans l’écosystème Sui, combine le chiffrement côté client, les politiques Move et un serveur de clés pour implémenter des conditions d’obtention de la clé de déchiffrement. Il est possible de concevoir un service qui ne fournit la clé qu’aux détenteurs de licence, mais ce service ne permet pas de révoquer rétroactivement les clés déjà délivrées. Les limites légales d’utilisation doivent être enregistrées séparément dans la licence et les registres de consentement. Trace constitue la couche permettant de rechercher l’historique d’enregistrement et de consentement, Walrus la couche de stockage des fichiers originaux chiffrés, tandis que Sui et Seal servent d’outils pour traiter les jeux de données comme des actifs programmables et appliquer des conditions d’accès. Les fonctionnalités d’enregistrement et d’audit de Trace sont déjà opérationnelles ; l’intégration du stockage des fichiers originaux via Walrus et le contrôle d’accès basé sur Seal à ce service est prévue pour une mise en œuvre ultérieure. [Décision de migrer la chaîne propre vers Sui] DATA Network a expliqué qu’elle migre vers Sui afin de réduire la charge liée au maintien d’une L1 indépendante et d’améliorer son échelle. L’ancien réseau continuera d’opérer jusqu’à la fin de la transition ; les soldes $DATA seront transférés au taux 1:1, et les conditions de verrouillage et de déblocage progressif seront conservées. L’introduction de Walrus et la migration du réseau se dérouleront progressivement ; les calendriers détaillés feront l’objet d’une annonce séparée. DATA importe dans l’écosystème Sui les historiques d’enregistrement des services Trace déjà en production et des applications fournisseurs de données. Sui permet d’exprimer les jeux de données et les licences comme des objets programmables, tandis que Walrus peut stocker des fichiers originaux volumineux. Cela laisse également la possibilité de recentrer les compétences de développement précédemment consacrées à l’exploitation de la chaîne sur les produits d’enregistrement, de licence et de vérification des achats. Le critère d’évaluation du succès de cette combinaison ne se limite pas à la vitesse à laquelle augmentent les reçus d’enregistrement. Le véritable indicateur de performance du produit réside dans la capacité des acheteurs réels à sélectionner le fichier souhaité, à vérifier l’authenticité du fournisseur et les registres de consentement, à comparer le fichier reçu au fichier original de référence, et à utiliser les données selon les droits d’accès définis par le contrat. Les 12 480 écrans de démonstration d’audit montrent comment les acheteurs lisent les jeux de données. Le reçu de 19,1 Ko illustre jusqu’où il est possible de vérifier l’historique d’enregistrement d’un seul fichier. La collaboration entre DATA et Sui vise à relier ces deux voies d’audit au stockage des fichiers originaux et au contrôle d’accès. Si les fournisseurs de données pour l’apprentissage automatique peuvent présenter leurs registres et que les acheteurs peuvent examiner conjointement ces registres avec les fichiers réels, alors des centaines de millions de reçus d’enregistrement deviendront une infrastructure utilisable dans chaque contrat d’achat individuel. #DATAonSuiQuest

[Raison pour laquelle Kaito a rendu Aura gratuit] @KaitoAI @KaitoStudio_ Même si quelqu’un sur X affirme « Je suis sûr de ce trade », il est difficile de savoir s’il a réellement mis de l’argent en jeu. C’est précisément cet écart informationnel que Kaito cherche à réduire avec Aura. L’objectif est de relier les discours sur les réseaux sociaux aux activités réelles, en les intégrant dans un seul historique individuel. Aura est le système de réputation de Kaito. Il relie l’influence accumulée sur X à des activités de trading vérifiables, afin de présenter et d’évaluer l’historique d’un compte. Kaito présente Aura comme une fonction permettant d’évaluer les trades vérifiés et d’attribuer une valeur aux activités réelles. Vous pouvez connecter votre compte sur la page Aura pour consulter son historique ; les points accumulés au cours des 48 dernières heures peuvent être recalculés. Par exemple, supposons qu’une personne publie fréquemment ses prévisions sur Polymarket. La portée de ses publications peut être mesurée par les réactions sur X. Mais savoir s’il a effectivement pris une position est une information distincte. Kaito Pulse affiche les données de trading à côté des publications sur X, tandis qu’Aura utilise ces activités comme éléments de réputation. Aura Arc établit un graphe reliant les activités connectées à travers plusieurs services et leurs comptes sociaux. La connexion des services dépend du choix de l’utilisateur, et la portée des données publiques varie selon les applications partenaires. Autrement dit, Pulse affiche l’historique des activités sur l’écran social, Aura traite cet historique comme une réputation, et Aura Arc tente d’étendre cette relation à d’autres services. Kaito a annoncé qu’il rendrait Aura Arc gratuit et accessible aux produits externes. Cette décision gratuite peut avoir des raisons commerciales : plus les données communes sur qui a acquis de la confiance dans quel domaine seront largement utilisées, plus la demande pour identifier les bonnes personnes ou exécuter des collaborations basées sur ces données augmentera. Studio aide les marques à sélectionner, contracter et gérer les paiements aux créateurs, tandis que Katalyst relie les performances des campagnes — clics, inscriptions, dépôts — à des récompenses. La campagne Jumper présentée par Kaito le 22 octobre a reçu 2 065 candidatures de créateurs, dont 69 ont signé un contrat, générant plus de 760 000 impressions à travers 119 publications. C’est un exemple concret de capacité à rassembler des personnes et à gérer des campagnes. Mais Aura présente aussi des défis. Il ne s’agit pas seulement de vérifier les historiques de trading. Si seuls les comptes gagnants sont connectés et que les comptes perdants sont cachés, les historiques individuels peuvent être authentiques, mais la réputation globale sera déformée. Un bon trader n’est pas nécessairement un expert en analyse technique ou en recherche de sécurité. Il faut donc pouvoir distinguer qui est célèbre de ce que quelqu’un a effectivement accompli dans chaque domaine. Si ces réputations sectorielles améliorent réellement les décisions des entreprises, le champ d’action d’InfoFi pourra s’étendre. Les indicateurs clés à observer seront : le taux de réembauche des créateurs par les marques, le nombre de clients supplémentaires générés par les campagnes, la diversité des activités connectées par Aura et la réduction des biais dans le choix des données. La prochaine compétitivité de Kaito dépendra moins de sa capacité à mesurer l’attention reçue que de sa capacité à prouver que l’historique derrière cette attention constitue une base fiable pour les décisions réelles. #Kaito #Aura #InfoFi

[Est-ce que l’IA a recommandé ma marque ? Un outil d’investigation pour 5 $ minimum] @termix_ai Sur le marché d’agents TermiX AI, une offre inattendue vient d’être publiée. Son nom : GEO Specialist. Il s’agit d’analyser à quelle fréquence une IA mentionne une marque spécifique, où elle la recommande, et quelles sources elle cite. Le prix de départ est de 5 dollars. Imaginons une équipe qui développe des outils de sécurité sur BNB Chain. Même si leur site web est bien conçu, lorsqu’un utilisateur demande à une IA de recommander un endroit pour auditer des smart contracts, d’autres services pourraient apparaître uniquement. C’est un problème qui surgit lorsque les utilisateurs se reposent sur les réponses de l’IA pour réduire leur liste de candidats avant d’analyser manuellement les résultats de recherche. Ce domaine est appelé GEO (Generative Engine Optimization). Google explique lui-même que les réponses et la composition des liens peuvent varier entre le résumé IA et le mode IA. Les principes fondamentaux du SEO traditionnel restent valables, et aucun balisage spécial n’est requis pour apparaître dans les recherches IA. Mais peut-on mesurer concrètement à quelle fréquence une marque apparaît dans les questions réelles des clients ? En sélectionnant 10 questions sans mention de la marque et en posant les mêmes questions à deux services d’IA pendant trois jours, on obtient 60 réponses au total. Trois éléments doivent être enregistrés : 1. La marque a-t-elle été mentionnée ? 2. A-t-elle été incluse dans les recommandations réelles ? 3. Les liens cités sont-ils pertinents comme preuves pour ce service ? Le résultat peut varier selon la manière dont les questions sont formulées. Si l’on demande « Qu’est-ce que notre entreprise ? » et que le nom apparaît, c’est comme donner la réponse directement sur un examen. Mais si la question est « Recommandez-moi un endroit pour résoudre ce problème », et que le nom apparaît, alors on s’approche davantage du processus de découverte d’un client qui ne connaît pas encore la marque. Sur le marché d’agents de TermiX, ce type d’enquête est proposé comme un service payant. La structure d’échanges entre agents et de règlement sur chaîne relie non seulement le développement de smart contracts et l’analyse de données, mais aussi l’étude de la manière dont les marques sont découvertes dans l’environnement de recherche par IA. La manière dont un utilisateur qui connaît déjà la marque la recherche diffère fondamentalement de celle d’un utilisateur qui découvre une marque via une recommandation IA. Lorsqu’on mesure la visibilité d’une marque dans la recherche par IA, il est essentiel de noter non seulement à quelle fréquence elle est mentionnée, mais aussi à travers quelles questions elle apparaît. #TermiX #GEO

[XO가 한국에서 열리려면 먼저 바뀌어야 할 것] @xomarket은 10월 20일, BTC가 5분 후 상승할지 하락할지 예측하여 손익(PnL)로 순위를 겨루는 Pulse PnL Panache(PPP) 대회를 시작했습니다. 상위 10명에게 총 3,000 USDC 및 30,000 CP가 지급됩니다. 참가 신청 후 거래만 집계되며, 단건 최소 5 USDC, 누적 거래량 100 USDC를 충족해야 순위에 오를 수 있습니다. 마감일은 11월 3일입니다. 그러나 한국에서는 참가 조건을 충족하더라도 거래가 합법적으로 허용되는 것은 아닙니다. 8월 Polymarket 접근 차단이 의결되었고, 9월에는 국내 사용자 26명이 도박 혐의로 입건되었으며, 이 중 18명이 검찰에 송치되었습니다. 아직 유죄가 확정된 사례는 아니지만, 해외 서비스 접근 및 거래 허용과 국내 법률상 허용은 명확히 다름이 분명해졌습니다. XO가 한국에 진입하려면 한국 접속 허용보다 먼저 어떤 계약을 허용할 수 있는지를 명확히 해야 합니다. PPP의 BTC 5분 Up/Down은 가상자산 가격을 기준으로 결과가 결정됩니다. 반면 선거나 스포츠 결과에 돈을 걸는 계약은 그 기준 사건의 성격 자체가 다릅니다. 2026년 국내 상사법 연구 또한 정치 및 스포츠 사건 기반 계약을 자본시장법상 파생상품으로 포섭하기 어렵다고 분석했습니다. BTC 가격 기반 계약은 별도로 기초자산, 거래 구조, 정산 방식에 대한 법률 검토가 필요합니다. 가격을 지표로 사용한다고 해서 자동으로 합법적인 금융상품이 되는 것은 아닙니다. 이 구분 이후에는 실제 허용 경로가 따라야 합니다. 해당 상품이 현행법상 합법적으로 취급될 수 있는지, 누가 어떤 인가 또는 허가 하에 제공할 수 있는지, 도박 또는 사행행위 관련 규정과 어떻게 충돌하지 않는지를 관련 기관의 판단과 법적 근거로 정리해야 합니다. 현행 제도로 해결되지 않는 계약이라면 별도의 입법 논의가 필요할 수 있습니다. 금융 규제 샌드박스 지정만으로 형법상 도박 문제를 자동으로 면제받는 것도 아닙니다. 마지막으로 제품 설계입니다. 법적 근거를 확보하기 전까지 한국 사용자의 USDC 거래, 대회 참가, 현금성 보상을 상품별로 제한하고, 자금을 걸지 않는 기능—예를 들어 시장 데이터 열람이나 판정 규칙 분석—은 별도로 제공할 수 있는지 검토해야 합니다. XO의 이용 약관 자체도 현지 법률에 위반되는 지역의 이용을 금지합니다. 여기서 XO의 향후 경쟁력을 가를 변수가 드러납니다. 더 많은 예측시장을 개설하는 능력만큼, 국가, 계약 유형, 사용자 행동에 따라 이용 권한을 다르게 적용하는 능력이 중요해질 수 있습니다. BTC 가격 기반 상품에 합법적 경로가 열린다고 해서 모든 정치·스포츠 예측시장 및 보상형 대회가 동시에 허용되는 것은 아니기 때문입니다. 한국 사용자를 위한 진정한 출시는 허용되는 계약의 범위, 운영 주체의 법적 자격, 거래/정산/보상에 대한 국내 이용 조건이 공개되고 실제로 적용되는 순간입니다. #PredictionMarkets

Si je reçois mon salaire en USDC, l’entreprise pourra-t-elle voir mon solde ? @Americanfort_io Supposons qu’un freelance reçoive chaque mois des USDC sur la même adresse de portefeuille. Si l’on entre cette adresse, que l’on a communiquée à l’entreprise, dans un explorateur de blocs, on peut consulter tous les autres dépôts et le solde de cette adresse. L’information que l’on partage pour recevoir des paiements devient ainsi une piste permettant de suivre ses activités financières. AmericanFortress d’AmericanFort vise à résoudre ce problème en séparant l’identité publique utilisée pour recevoir des paiements de l’adresse réelle où les fonds sont effectivement reçus. Tout d’abord, on enregistre un nom d’utilisateur sous la forme @FortressName. Au lieu d’entrer une adresse de portefeuille complexe, l’expéditeur saisit ce nom, et le système calcule automatiquement une nouvelle adresse stealth pour effectuer le transfert. Une adresse stealth est conçue pour empêcher tout lien facile entre le nom public et les transactions individuelles reçues. Ainsi, on peut continuer à utiliser le même nom tout en réduisant la répétition de l’exposition de l’adresse réelle de réception. Et si une preuve de paiement est nécessaire ? La fonctionnalité SafeSend, actuellement en développement, prévoit de permettre à l’utilisateur de partager uniquement les informations de paiement nécessaires, et non l’historique complet de son portefeuille. Par exemple, un freelance pourrait prouver qu’il a bien reçu un montant spécifique, ou une entreprise pourrait fournir à son auditeur uniquement les transactions requises. Les transactions restent enregistrées sur la blockchain, mais on cherche à éviter le risque de relier toutes les activités financières personnelles à une seule adresse publique. Le portefeuille macOS actuellement publié est une version bêta. Les noms enregistrés en bêta ne peuvent pas être utilisés pour des transferts réels d’actifs et ne seront pas transférés vers l’environnement de production. Un SDK pour intégrer cette fonctionnalité à des portefeuilles et services externes est également en préparation. Une expérience permettant de recevoir des fonds sans jamais révéler directement son adresse de portefeuille, tout en ne partageant que les preuves de transactions spécifiques lorsque cela est nécessaire. Si la solution de paiement privé conçue par AmericanFortress est concrétisée, elle pourrait s’appliquer à des activités financières courantes telles que les salaires en stablecoin ou les règlements pour freelances.

[Les actions privilégiées à 15 % annuels investies par Saturn, calculées sur le montant reçu par l'entreprise : 17,2 %] @saturn_credit Les actions privilégiées $SATS émises par Strive le 20 octobre ont un montant total d'émission de 630 millions de dollars. Cependant, en calculant les dividendes annuels accumulés contractuellement sur les 7 millions d'actions, on obtient 105 millions de dollars, soit environ 16,7 % du montant total d'émission. Saturn a également participé à cette IPO en utilisant ses propres fonds de trésorerie. La différence commence à partir du prix nominal de 10 $ par action. Les SATS ont un taux de dividende annuel de 15 %, mais la base de calcul est fixée à 100 $ par action. Le prix d'émission était de 90 $. Ainsi, le dividende annuel accumulé par action est de 15 $, et le rapport par rapport au prix d'émission est le suivant : 15 / 90 * 100 = environ 16,7 % On peut également effectuer un calcul du point de vue de l'émetteur. Les frais d'émission publiés par Strive s'élèvent à 3 $ par action, soit un total de 21 millions de dollars. En déduisant ce montant du total d'émission, le montant effectivement reçu par l'entreprise, avant déduction des autres frais d'émission, s'élève à 609 millions de dollars. 105000000 / 609000000 * 100 = environ 17,2 % Il s'agit du ratio indiquant la proportion des dividendes annuels accumulés par rapport au montant effectivement reçu par l'émetteur. Ce n'est pas un rendement sur investissement prenant en compte les variations du cours, les réinvestissements ou les dates réelles de paiement des dividendes. Strive a également indiqué dans son dossier d'enregistrement qu'elle déposera un fonds de réserve correspondant à 22,50 $ par action pour couvrir les dividendes des 18 premiers mois. Sur la base des 7 millions d'actions totales, cela représente 157,5 millions de dollars. Il s'agit d'une mesure visant à sécuriser les ressources initiales pour le paiement des dividendes élevés fixés. Ces actions bénéficient d'une priorité spécifique. Les SATS sont subordonnées aux actions privilégiées SATA et privilégiées par rapport aux actions ordinaires ASST. Les dividendes sont cumulatifs, mais leur paiement en espèces nécessite une déclaration du conseil d'administration ainsi que des fonds légalement disponibles. La première date prévue pour le paiement régulier des dividendes est le 9 novembre. Cette transaction laisse donc deux calculs différents : l'un pour les investisseurs, l'autre pour l'émetteur. Les investisseurs acceptent les risques de fluctuations de prix, de non-paiement et la subordination aux titres de rang supérieur en échange d'un dividende élevé. L'émetteur obtient des capitaux destinés à l'achat de Bitcoin ou au financement du cycle opérationnel, tout en assumant une charge de dividendes à long terme. Le rôle de Saturn dans cette opération doit également être distingué : Cet investissement provient de sa propre trésorerie, indépendante des actifs des utilisateurs d'USDat ou de sUSDat. Il s'agit d'un exemple où Saturn choisit des produits de crédit basés sur le Bitcoin comme objet réel d'allocation de capital, sans aucune annonce modifiant la garantie ou les conditions de paiement des produits existants. Les éléments à surveiller désormais sont la mise en œuvre réelle des dividendes à partir de novembre, le prix des SATS sur le marché et la gestion des fonds de réserve et des liquidités de l'émetteur. Ces trois facteurs interagissent pour déterminer la durabilité réelle d'un dividende élevé dans le domaine du crédit numérique. #Saturn

[Un seul GPU a prouvé 7 200 blocs Ethereum. Mais l’épreuve réelle à surmonter est différente.] @zksync a prouvé 7 200 blocs consécutifs du réseau principal Ethereum avec un seul GPU. Parmi ceux-ci, 99 % ont été prouvés en moins de 10 secondes, et tous les blocs en moins de 12 secondes. Cependant, selon les indicateurs en temps réel d’EthProofs, soutenu par la fondation Ethereum, seuls 2 des 8 proveurs évalués ont récemment satisfait aux critères hebdomadaires d’éligibilité. Ces deux résultats ne peuvent pas être comparés directement, car ils mesurent des choses différentes et dans des environnements distincts. Au contraire, cette différence révèle la prochaine tâche pour la technologie ZK. Résumé succinct : - Airbender Prime a démontré la possibilité de répondre au cycle de création de blocs d’Ethereum d’environ 12 secondes avec un seul GPU. - Dans un environnement de production réel, il faut prendre en compte non seulement la vitesse de preuve, mais aussi la disponibilité, les échecs de preuve et les exigences matérielles. - À long terme, la compétitivité des zkEVM sera probablement déterminée par la vérification de l’exactitude, le coût de preuve dans les pires conditions et la capacité à fonctionner de manière stable, plutôt que par la vitesse de traitement des preuves. Airbender Prime, annoncé par ZKsync le 13 octobre, a prouvé 7 200 blocs consécutifs du réseau principal Ethereum avec une seule GPU NVIDIA RTX PRO 6000 Blackwell. Étant donné qu’Ethereum génère un bloc environ toutes les 12 secondes, 7 200 blocs correspondent à environ 24 heures de blocs en théorie. Le fait que 99 % des blocs aient été traités en moins de 10 secondes, y compris le temps nécessaire pour préparer les données d’entrée (witness), est significatif. Si la vitesse de génération des preuves dépasse la vitesse à laquelle les nouveaux blocs apparaissent, les vérificateurs peuvent confirmer les résultats d’exécution grâce à des preuves cryptographiques, au lieu de réexécuter toutes les transactions. Cela réduit potentiellement la charge de calcul nécessaire à la vérification. Mais tester la performance sur 7 200 blocs et fournir continuellement des preuves dans un environnement réel sont deux problèmes différents. EthProofs mesure publiquement les performances et l’état opérationnel de plusieurs systèmes générant des preuves en temps réel pour les blocs Ethereum. Au moment de la consultation du tableau de bord le 26 octobre, les chiffres suivants étaient affichés : - 8 proveurs évalués, dont seulement 2 ont satisfait aux critères d’éligibilité hebdomadaires récents ; - Taux de réussite des preuves en moins de 10 secondes par rapport aux créneaux de bloc : 69,7 % ; - Taux de proveurs classés hors ligne : 26,2 %. Ces chiffres ne représentent pas les résultats du test unique GPU d’Airbender Prime. Il s’agit d’une agrégation opérationnelle sur plusieurs proveurs, avec des équipements, des environnements d’exécution et des critères d’éligibilité différents. Cependant, ils montrent qu’il faut assurer la fiabilité opérationnelle pour utiliser des preuves dans le réseau réel, indépendamment des performances individuelles. Même si un proveur met en moyenne 5 secondes pour générer une preuve, s’il est fréquemment interrompu ou incapable de traiter certains blocs, une structure de vérification dépendant uniquement de ce système ne pourra pas fonctionner de manière stable. Il faut vérifier si d’autres implémentations peuvent fournir des preuves lorsqu’un proveur échoue, et si les retards ne s’accumulent pas lorsque plusieurs blocs difficiles arrivent consécutivement. Des vérifications spécifiques sont également nécessaires concernant les exigences matérielles. Le guide GPU du dépôt public d’Airbender indique que les étapes de preuve de base et récursive utilisent un GPU, tandis que l’étape finale de preuve nécessite un CPU et environ 150 Go de RAM. Il n’est pas confirmé que ce document décrive la même configuration d’exécution que le benchmark Prime le plus récent. Par conséquent, il n’est pas possible de déterminer la consommation totale de mémoire ou les coûts opérationnels du système entier uniquement à partir du résultat d’un seul GPU. Le 15 octobre, @VitalikButerin a salué les performances de l’équipe Airbender et identifié trois prochaines tâches pour les zkEVM : Premièrement, vérifier mathématiquement que les calculs utilisés pour la preuve correspondent exactement aux spécifications d’exécution réelles d’Ethereum. Deuxièmement, imposer une limite stricte au coût de la preuve par rapport à l’utilisation du gaz du bloc. Troisièmement, vérifier la sécurité cryptographique intrinsèque du système de preuve lui-même. La deuxième condition est directement liée aux coûts opérationnels réels. Même si un bloc ordinaire est prouvé en moins de 10 secondes, que se passe-t-il si quelqu’un conçoit intentionnellement une opération extrêmement difficile à prouver tout en restant dans la limite de gaz autorisée ? L’exécution du bloc coûte normalement du gaz, mais la génération de la preuve pourrait exiger une quantité excessive d’opérations et de temps. Si ce scénario est possible, alors même si le temps moyen de preuve par bloc est très court, il devient impossible de prédire avec fiabilité la charge maximale que le réseau peut gérer en toute stabilité. L’économie des preuves en temps réel dépend non seulement du coût moyen de preuve par bloc, mais aussi du montant maximal de ressources nécessaires dans les pires cas. La feuille de route d’EthProofs progresse également dans cette direction.La phase d'amélioration des performances est désormais terminée, et la vérification de sécurité est en cours. Les étapes suivantes prévues sont l'intégration directe de la preuve dans le consensus, la preuve d'obligation et la preuve de retard. Cette séquence est cruciale car il y a une différence fondamentale entre créer un système de preuve rapide et faire en sorte qu'Ethereum fasse confiance à cette preuve dans son processus de consensus. L'annonce d'Airbender Prime fournit des preuves solides qu'il est possible de réduire la charge matérielle des preuves en temps réel. Les prochaines réalisations ne pourront pas être évaluées uniquement sur la base de temps plus rapides. Il est essentiel de déterminer combien de temps un taux élevé de réussite des preuves peut être maintenu dans un environnement de production réel, si le coût des preuves reste limité même dans les pires blocs, et si différentes implémentations peuvent prouver avec précision les mêmes résultats d'exécution Ethereum. La technologie de preuve ZK passe de la phase de démonstration de calculs rapides à celle où elle devient une infrastructure sur laquelle le réseau peut réellement s'appuyer. #Ethereum #zkEVM