Wiadomości

Foresight News podaje, że Hans Birringer, dyrektor sprzedaży Flowdesk w Stanach Zjednoczonych, ogłosił na platformie X założenie Hyper Holdings Global, określając tę instytucję jako konsorcjum inwestorów, instytucji oraz przedsiębiorców, którego celem jest połączenie tradycyjnych finansów z ekosystemem Hyperliquid. Pierwszym krokiem jest nawiązanie strategicznej współpracy z Grayscale i uruchomienie Grayscale Hyperliquid Staking ETF (HYPG). Birringer podkreślił, że Grayscale od ponad dekady działa na rynku aktywów kryptowalutowych, utrzymuje bliskie relacje z amerykańskimi organami regulacyjnymi i decydentami, i jako pierwsza wprowadziła publicznie notowany fundusz Bitcoin, tworząc tym samym precedens prawny dla zatwierdzania spotowych ETP kryptowalut. HYPG ma stanowić bramę dla długoterminowego kapitału instytucjonalnego w ekosystemie Hyperliquid. W inicjatywie tej uczestniczą również takie podmioty i osoby jak Multicoin Capital, Hypurrdash, MotusAk i inni.

Według informacji ChainCatcher, dyrektor generalny Strategy, Phong Le, stwierdził, że globalne rynki i wszystkie branże przeżywają okres niepewności, a w tym czasie Strategy zgromadziło już 4% wszystkich Bitcoinów na świecie.

Foresight News poinformowało, że zespół deweloperski Monad, Category Labs, opublikował artykuł, w którym dzieli się doświadczeniami z wykorzystania formalnej weryfikacji do wykrywania luk w kluczowych modułach blockchaina Monad. Ujawniono w nim szereg luk, których najnowocześniejsze modele językowe, takie jak Claude Opus 4.8 i Codex, nie wykryły podczas audytów kodu, ale które zostały skutecznie zidentyfikowane w trakcie formalnego dowodzenia. Dotyczyły one między innymi projektu „Reserve Balance” (rezerwa salda) w mechanizmie asynchronicznego wykonywania Monad oraz niezdefiniowanego zachowania w C++ podczas optymalizacji przechowywania w MIP-8. Zespół uważa, że w porównaniu do bezpośredniego zadawania modelom polecenia „audytowania kodu”, skuteczniejsze jest najpierw sformułowanie precyzyjnych tez dotyczących poprawności, a dopiero potem proszenie modeli o szukanie kontrprzykładów — taka metoda lepiej ujawnia ukryte luki. Obecnie formalna weryfikacja może być w dużym stopniu wspierana przez AI.