CoinNetwork

Біткойн за останні 24 години зазнав тиску, опустившись нижче 77 000 доларів, після короткочасного підвищення до 78 000 доларів і повернення до діапазону 76 000 доларів. За цей час з американських біржових фондів на основі біткойна вийшло 2,63 мільйона доларів, з яких Fidelity зведений фонд FBTC лідирував у виведенні з капіталом у 150 мільйонів доларів, далі йдуть GBTC та ARKB. Настрій послабився і повернувся до рівня страху, хоча короткострокова корекція триває, а попит з боку інституцій у квітні залишається сильним.

Повідомлення з CoinWorld: Ondo Finance уклала партнерство з Broadridge Financial Solutions для надання інструментів голосування для власників токенізованих акцій та ETF. Інтеграція дозволить більш ніж 250 типам токенізованих активів Ondo подавати свої переваги щодо голосування, а Broadridge надасть інвесторські комунікації, проспекти та матеріали для управління. Ondo заявила, що рекомендації щодо голосування будуть зважені за кількістю володінь, можливо, у поєднанні з голосуванням інвесторів традиційного ринку. Також вона просить SEC підтримати модель запису прав на цінні папери у вигляді токенів на Ethereum, стверджуючи, що це охоплює існуючі операції з зберігання брокерсько-дилерських послуг, не змінюючи захист інвесторів.

Мейтуань запустила longcat-2.0-preview у API longcat, он оновлений 20 квітня, без офіційного оголошення або технічного звіту, без відкритого коду, надає лише три можливості через API: орієнтовані на розробку агентів, виклики інструментів та багатоступеневе мислення/довгий контекст, спеціалізується на генерації коду та складних командах. 24 квітня заявлено, що модель має понад трильйон параметрів, архітектуру moe, 1M контексту, тренується на національному обчислювальному кластері, залучено 50-60 тисяч вітчизняних прискорювачів, у тестовий період щодня безкоштовно 10 мільйонів токенів.

論文 thinking without words 提出 abstract-cot，在模型詞表中加入64個與人類語言無關的抽象符號，作為回答前的草稿輸出，直接給出答案，跳過常規推理。在math-500任務中，推理token從幾百降至幾十，最高節省11.6倍，答對率不變，且在qwen3-8b、qwen3-4b、ibm granite 4.0 micro等模型族上均有效。這些符號在訓練中自發形成類似自然語言的分佈，打亂順序後準確率下降，表明模型通過這套“密碼”進行結構化推理。