attention trade for the weekend on bnb

CA: 0xefaf221814e8ca78366094ac0f23e11047ee7777

robot olympics + chinese coin narrative
mcap is 200k, and I bet we can get some good attention on this event and good catalyst for the token in the next hours and days

https://x.com/XH_Lee23/status/2089533279276081183

이번 주 가장 놀라운 '지갑' 클러스터는 익명의 대규모 투자자가 이더리움(ETH)과 비트코인(BTC)을 보유하는 것 외에는 아무것도 하지 않고 약 1억 달러의 수익을 올린 경우입니다.

이 지갑들의 누적 수익은 엄청난 하락을 겪은 후 현재 약 8천만 달러입니다.

그는 4개의 지갑에 걸쳐 61,000 ETH(약 1억 4천8백만 달러)를, 6개의 지갑에 걸쳐 2,000 BTC(약 1억 5천5백만 달러)를 보유하고 있습니다.

이 지갑들을 합치면, 하이퍼리퀴드(Hyperliquid)에서 약 2억 1천3백만 달러의 USDC를 담보로 보유하고 있습니다.

* 0xa5b0edf6b55128e0ddae8e51ac538c3188401d41
* 0xfd423284f6a9c73a2a3d53cab8921d6533533d97
* 0xa875890465da20062bcf3b024bf7d54e69c725a8
* 0xf78c5d8d4b604a140d43a46209fade655536c581
* 0x93ab7dbdeb996806454de19c35c8247f4b2511f8
* 0xbd1c84113c6deb5044be0c2221f9e9403811ff0e
* 0x237152b038d88f4156a0cd71090462de7e3f0883
* 0xec7f9f5b31b8f5da6ac6c0973bbd496e16f9df39
* 0x3b7f4282f983c37526f04bbac7dab772ee743998
* 0x4be5f249c4df500ede3fed4171bd37b8563420c0

그는 이미 다른 연결된 계정에서 약 7천만 달러 상당의 이더리움 롱 포지션을 청산했으며, 이번 주에 2천5백만 달러 이상의 수익을 올렸습니다.

* 0x6c8512516ce5669d35113a11ca8b8de322fd84f6

이 사용자가 누구인지 정확히 알 수 없지만, 현재까지 얻은 블록체인 정보를 바탕으로 볼 때, 아시아 지역의 대규모 투자자일 가능성이 높습니다.

모든 자금은 몇몇 아시아 기반의 암호화폐 거래소와 트론(Tron)에서 유래했으며, 그는 트론에서 USDT를 이더리움으로 브릿지한 다음, 아비트럼(Arbitrum)에서 USDC로 교환했습니다.

지금 자리 나오면 보고 있는 포트폴리오

BTC / 메이저 — 40%
BTC
ETH
SOL

L1 — 15%
SUI
MON
NEAR
XRP
BNB

DeFi / DEX — 15%
UNI
AAVE
PENDLE
LDO
JTO

Perp DEX — 10%
HYPE
ASTER
LIT

RWA / 스테이블·수익률 — 8%
ONDO
ENA

ETH 생태계 / 리스테이킹 — 4%
ETHFI

오라클 / 인프라 — 3%
LINK

밈 / 소비자 — 5%
PENGU
PUMP
CASHCAT

래비월렛 최신버전 아니신분들은 업데이트하세요!

주말 아침부터 공부할 것들이 많아 좋습니다.

미래를 이미 본 사람들 1%만 따라가도 좋은 의사결정을 할 수 있는 것 같습니다.

저는 똑똑한 사람이 아니기 때문에… 똑똑한 사람들을 친구로 만드는 것이 가장 중요한 능력이라고 생각합니다. 요즘 시대에는 전세계 1등들과 친구가 될 수 있는 시대라서 잘만 공부하고 성실하게 따라 가면 중박은 치는 것 같습니다.

즐겨주세요 https://youtu.be/AUQoa0g1JyU?si=YIDSckgd_j40CTNM

구글 제프 딘이 보는 2027년 AI — 이제 중요한 건 모델 자체가 아니라 ‘AI를 굴리는 시스템’ (영상 핵심 요약)

제프 딘은 이미 현재 AI가 주니어 엔지니어 수준에 상당히 근접했고, 오히려 복잡한 작업을 수행하는 능력은 자신이 예상했던 것보다 빠르게 발전했다고 평가합니다.

그리고 2027년의 가장 큰 변화로 ‘AI가 AI를 개선하는 자동 실험 루프’를 꼽습니다.

목표 설정
→ 문제를 여러 하위 문제로 분해
→ 수많은 실험을 자동 실험
→ 결과 평가
→ 가장 좋은 방법 선택
→ 다시 실험

이 과정 자체가 자동화되면서 ML뿐 아니라 과학·공학 전반의 발전 속도가 빨라질 거라는 전망입니다.

더 중요한 부분은 모델 자체보다 모델 주변의 시스템이 중요해지고 있다는 이야기입니다.

RAG, 메모리, 툴, Skills, 에이전트, 멀티에이전트, 평가기 등을 어떻게 조합하고 오케스트레이션하느냐가 실제 성능을 크게 좌우합니다. 모델을 직접 학습시키는 건 막대한 GPU와 데이터가 필요하지만, 이런 Context Engineering은 API만 있어도 누구나 구축할 수 있습니다.

제프 딘 본인도 비슷하게 사용합니다. 사람이 하던 성능 최적화 과정을 Skill로 만들어 AI에게 넣고,
코드 수정 → 벤치마크 → 성능 측정 → 다시 수정
루프를 AI가 스스로 반복하게 만들었다고 합니다. 결국 사람이 하던 작업 방식을 Skill로 만들어 모델에게 넘긴 것입니다.

장기 에이전트도 같은 방향입니다. 지금은 작업이 길어지면 중간에 틀어지는 경우가 많지만, 여러 에이전트가 서로 다른 방법을 시도하고 별도의 평가기가 결과를 걸러내는 방식으로 훨씬 긴 작업을 안정적으로 수행할 수 있습니다. 제프 딘은 이미 일부 영역에서는 에이전트를 며칠~몇 주 동안 돌려 복잡한 작업을 수행하는 것이 가능하다고 봅니다.

결국 코딩 자체가 점점 자동화될수록 인간에게 남는 희소한 능력은 “무엇을 만들 것인가”를 결정하는 능력입니다.

제프 딘 표현대로 수백 개의 에이전트를 굴릴 수 있는 시대에는 구현 능력보다 어떤 문제를 선택하고, 명확한 스펙을 작성하고, 결과를 평가하는지가 더 중요해집니다.

한 줄로 줄이면,

모델 성능 경쟁 → Context Engineering → 장기 에이전트 → 자동 실험 루프 → AI가 AI를 개선하는 구조.

지금 쌓아야 하는 것도 특정 모델 사용법보다는 Skills, 메모리, RAG, 평가 루프, 워크플로처럼 모델이 바뀌어도 계속 가져갈 수 있는 시스템 쪽에 가까워 보입니다.

다른건 모르겠고 코딩은 코덱스가 1황입니다

트위터에서는 GLM 계열의 신모델이라네요

Codex 리셋 예정

글로벌 BIG5에 업비트 거래량 비벼짐