Informe semanal de la industria TRON: eventos de seguridad en criptomonedas debilitan continuamente el BTC, análisis de la infraestructura de capacidades de agentes económicos Neosoul

I. Perspectivas

1. Resumen macroeconómico y previsiones futuras

Resumen macroeconómico (26 de octubre de 2026 --- 1 de noviembre de 2026):

Esta semana, la línea central del mercado macroeconómico global es el fuerte crecimiento de la economía estadounidense, la inflación persistentemente alta y la postura de política monetaria relativamente agresiva de la Reserva Federal. El 28 de octubre, la Reserva Federal mantuvo la tasa de fondos federales en un rango de 3.75% a 4.00% con un resultado de votación de 10 a 2, donde dos funcionarios abogaron por un aumento de 25 puntos básicos, reflejando una creciente preocupación interna sobre los riesgos de inflación. En términos de datos económicos, el PIB real de EE. UU. para el tercer trimestre mostró un crecimiento anualizado del 3.4%, superior al 2.2% del segundo trimestre, lo que indica una fuerte resiliencia económica; sin embargo, el PCE general de septiembre aumentó un 3.6% interanual, y el PCE subyacente aumentó un 3.1% interanual, ambos significativamente por encima del objetivo de inflación del 2% de la Reserva Federal. Al mismo tiempo, el número de solicitudes iniciales de subsidio por desempleo se mantuvo en 194,000, sin mostrar un deterioro significativo en el mercado laboral. La coexistencia de un fuerte crecimiento y una inflación obstinada sigue restringiendo el espacio para una relajación monetaria a corto plazo. En el ámbito de los mercados financieros, el sector tecnológico de EE. UU. experimentó un ajuste notable debido a la divergencia en los informes de ganancias de las empresas, el gasto de capital en IA y la presión de valoración, lo que enfrió la aversión al riesgo del mercado.

En general, la economía estadounidense está mostrando un patrón de resiliencia en el crecimiento y presión inflacionaria, y la preocupación del mercado por mantener las tasas de interés en niveles altos a largo plazo sigue siendo un factor clave que afecta la valoración de activos globales.

Pronóstico macroeconómico para la próxima semana (2 de noviembre de 2026 --- 8 de noviembre de 2026):

Se espera que la próxima semana los mercados financieros globales continúen en torno a los datos de empleo de EE. UU., el impulso del crecimiento económico y las expectativas de política de la Reserva Federal para diciembre. Se prestará especial atención al PMI manufacturero ISM de EE. UU. que se publicará el 2 de noviembre, los datos de vacantes de empleo JOLTS del 3 de noviembre, así como el informe de empleo no agrícola de octubre y la tasa de desempleo que se publicará el 6 de noviembre; estos indicadores influirán directamente en la evaluación del mercado sobre la resiliencia de la economía estadounidense y la trayectoria futura de las tasas de interés. Dado que la inflación actual en EE. UU. sigue siendo significativamente superior al objetivo de política, y ha surgido una demanda clara de aumento de tasas dentro de la Reserva Federal, se espera que el tono de la política a corto plazo siga siendo cauteloso e incluso agresivo, limitando significativamente la posibilidad de recortes en diciembre. Si los datos de empleo continúan mostrando un desempeño fuerte, el mercado podría ajustar al alza las expectativas de tasas, impulsando el dólar y los rendimientos de los bonos del Tesoro de EE. UU., lo que generaría presión de valoración sobre las acciones de EE. UU. y activos de criptomonedas; por el contrario, si el empleo muestra un enfriamiento significativo, podría aliviar las expectativas de endurecimiento, pero al mismo tiempo generar preocupaciones sobre un desaceleración económica.

En general, se espera que la próxima semana el mercado global mantenga un patrón de alta volatilidad y diferenciación estructural, donde las expectativas de liquidez del dólar y los datos de empleo de EE. UU. serán las variables clave que determinarán la dirección a corto plazo de los activos de riesgo.

2. Cambios en el mercado de criptomonedas y advertencias

Resumen del mercado de criptomonedas (26 de octubre de 2026 --- 1 de noviembre de 2026):

Esta semana, el mercado de criptomonedas mostró un movimiento de primero al alza y luego a la baja, impulsado por eventos inesperados. Bitcoin (BTC) comenzó la semana cerca de 80,000 dólares, alcanzando el 28 de octubre un máximo de aproximadamente 81,800 dólares, pero luego retrocedió rápidamente, cayendo aproximadamente un 4.17% el 29 de octubre, tocando un mínimo de 76,300 dólares el 30 de octubre, y recuperándose a cerca de 77,500 dólares el 1 de noviembre, lo que representa una caída acumulada de aproximadamente 3.3% en comparación con el precio de cierre del 26 de octubre. Un factor catalizador importante para esta caída fue un grave incidente de seguridad en Binance en la madrugada del 30 de octubre, donde aproximadamente 6.3 mil millones de dólares en activos criptográficos fueron robados, estableciendo un récord en la industria de criptomonedas por el tamaño de un robo único. El incidente generó preocupaciones en el mercado sobre la seguridad de los activos en los intercambios centralizados, posibles corridas bancarias y ventas por parte de hackers, intensificando el pánico y la presión de venta a corto plazo. Binance luego anunció que asumiría todas las pérdidas a través de su fondo SAFU y fondos propios, y congeló aproximadamente 3 mil millones de dólares en activos involucrados, lo que alivió en cierta medida el pánico del mercado. Sin embargo, el BTC ya había comenzado a caer antes del incidente, por lo que este ajuste no fue completamente causado por el robo, sino que fue el resultado de la debilidad inherente del mercado y el riesgo de seguridad inesperado.

Pronóstico del mercado para la próxima semana (2 de noviembre de 2026 --- 8 de noviembre de 2026):

Se espera que la próxima semana el mercado de criptomonedas mantenga una tendencia débil y volátil, y el manejo posterior del incidente de seguridad de Binance será una variable importante que afectará los precios a corto plazo. Actualmente, el BTC se encuentra en el rango de 77,000 a 78,000 dólares; si Binance puede restaurar los retiros, completar la compensación de activos y publicar pruebas de reservas confiables, el pánico del mercado podría aliviarse gradualmente, y el BTC podría rebotar y probar la zona de presión de 80,000 a 82,000 dólares; por el contrario, si hay más pérdidas de fondos, retiros concentrados de usuarios o transferencias masivas y ventas de BTC, ETH y otros activos robados por parte de hackers, podría llevar al BTC a probar nuevamente el soporte de 76,000 dólares, y en un escenario extremo, no se puede descartar una caída hacia la zona de 73,000 a 75,000 dólares. Es importante destacar que Binance ha anunciado que está preparando más de 6.34 mil millones de dólares para cubrir las pérdidas, de los cuales más de 5 mil millones de dólares en tokens ya están disponibles, y el resto se comprará a través de mercados y canales extrabursátiles; estas acciones de reabastecimiento podrían proporcionar soporte temporal de compra para ciertos tokens.

En general, la capacidad del mercado para estabilizarse la próxima semana dependerá clave del progreso en la gestión de la crisis de Binance, el flujo de fondos robados y si los fondos institucionales comienzan a fluir nuevamente; a corto plazo, se debe mantener la cautela y no considerar un rebote técnico como un cambio de tendencia.

3. Tendencias y puntos destacados de la industria

El evento de financiamiento más destacado de esta semana es que la plataforma de mercado de predicciones Kalshi completó una ronda de financiamiento Serie G de 1,000 millones de dólares, alcanzando una valoración de 40,000 millones de dólares, liderada conjuntamente por Sequoia Capital y Wellington Management, lo que muestra que el capital institucional sigue apostando por las perspectivas comerciales de los mercados de predicciones; la plataforma de pagos con stablecoin PhotonPay completó una financiación de 40 millones de dólares, reflejando que los pagos transfronterizos y los servicios financieros con stablecoin siguen siendo una dirección clave de inversión; además, Luxor Technology obtuvo financiamiento estratégico de 16 millones de dólares, enfocándose en la expansión de la capacidad de IA y negocios relacionados, y el proyecto de cumplimiento en cadena Predicate completó una ronda de financiamiento Serie A de 8 millones de dólares, mientras que la plataforma de negociación RWA Cancore obtuvo 7.2 millones de dólares en financiamiento inicial.

II. Tendencias del mercado y proyectos potenciales de la semana

1. Resumen de proyectos potenciales

1.1. Análisis de financiamiento total de 11 millones de dólares, con participación de MH Ventures, Amber, Ark Stream, OG, Kirin Capital y CatcherVC ------ construcción de la infraestructura de capacidades de agentes económicos Neosoul que crea un ciclo cerrado de "acumulación de datos --- ejecución real --- verificación de resultados --- evolución continua"

Descripción

Neosoul, a través de la iteración de ingeniería evoevo, NeoTrade y Harness, transforma continuamente información real, juicios, resultados de ejecución y revisiones en capacidades de agentes económicos que son entrenables, evaluables y verificables, y se expande gradualmente desde el mercado de predicciones hacia escenarios de comercio y economía más amplios.

El objetivo de Neosoul es acelerar la "economía de agentes (Agent Economy)" y, a su vez, impulsar la abundancia de IA (AI Abundance): permitir que las capacidades de análisis, juicio, ejecución, monitoreo y colaboración de alta calidad se conviertan gradualmente en un suministro básico más amplio, continuo y de menor umbral.

El proyecto construye este ciclo de capacidades a través de dos tipos de productos: evoevo se encarga de la preparación y evaluación de datos de decisiones económicas, organizando fuentes, eventos, juicios, predicciones, resultados y revisiones en activos de datos entrenables y comparables; NeoTrade es un cliente de agente orientado a la ejecución en el mercado real, permitiendo que los agentes investiguen, juzguen, actúen y revisen continuamente dentro de las estrategias, capital, permisos y límites de riesgo establecidos por el usuario. Juntos, forman un ciclo de retroalimentación de "datos reales → agente → acción real → nuevos datos".

Neosoul utiliza el mercado de predicciones como su primer campo de validación, ya que su definición de problemas, reglas de liquidación y ventanas de tiempo son claras, lo que permite colocar la información de decisiones, juicios previos, precios de mercado y resultados finales en la misma serie temporal. Se planea expandirse gradualmente a más mercados de predicciones, intercambios centralizados (CEX), intercambios descentralizados (DEX) y el mercado de acciones de EE. UU., probando si la capacidad del agente puede trasladarse entre mercados a través de diferentes liquidez, mecanismos de órdenes, métodos de liquidación y restricciones de cumplimiento.

Cómo Neosoul construye agentes económicos: ciclo de productos, datos y capacidades

La premisa central de Neosoul es que la capacidad de los agentes económicos no surge naturalmente al cambiar el modelo subyacente. Los agentes deben operar continuamente en el mundo real, dejando un registro de juicios y acciones rastreables, y retroalimentar los resultados a los datos, modelos, estrategias y productos. Por lo tanto, el proyecto considera el "producto" como la entrada del sistema de aprendizaje, "datos" como el vehículo de acumulación de capacidades, y "evaluación" como la restricción de la iteración continua.

Su trabajo se puede resumir en cuatro tipos de transformación: primero, transformar las fuentes, eventos, juicios y resultados del mundo real en datos de decisiones económicas que sean entrenables y evaluables; segundo, transformar los datos y experiencias validadas en modelos, estrategias y comportamientos de agentes más adecuados; tercero, transformar el comportamiento de los agentes en acciones económicas controladas que los usuarios puedan utilizar; y cuarto, transformar las acciones reales nuevamente en datos, evaluaciones y retroalimentación para la mejora del producto en la siguiente ronda.

evoevo: motor de preparación y evaluación de datos

evoevo sirve para predicciones, análisis, retroalimentación de resultados, revisiones y reflexiones, con el objetivo de mejorar continuamente la integridad, calidad y evaluabilidad de los datos de decisiones económicas, proporcionando una base de datos común para modelos profesionales, modelos generales y el agente Harness. Los registros de alto valor deben asociarse en la medida de lo posible con fuentes y tiempos, eventos y estándares de liquidación, contexto en el momento de la decisión, supuestos clave y niveles de confianza, predicciones o recomendaciones de acción, resultados reales y efectos de ejecución, así como conclusiones finales de revisión.

El proyecto enfatiza que la escala de datos es solo el punto de partida; el verdadero criterio de medición es si estos datos pueden mejorar la calidad de las predicciones, la consistencia de las evaluaciones y la calidad de funcionamiento de los agentes. A través de instantáneas temporales, relaciones de fuentes, supuestos clave, condiciones contrafactuales, resultados y revisiones, evoevo intenta transformar "aciertos y errores de predicción" en datos de decisiones económicas que puedan ser utilizados para explicaciones causales y correcciones a largo plazo.

NeoTrade: llevando a los agentes a la acción real

NeoTrade es un cliente de agente de negociación local-prioritario, diseñado para macOS y Windows. Actualmente soporta Paper, predict.fun y Polymarket, permitiendo a los usuarios observar y utilizar agentes de negociación dentro de límites claros de estrategias, capital, permisos y riesgos. Su valor central es permitir que los agentes pasen de un análisis único a una investigación continua del mercado, juicio, acción y revisión, incorporando costos de ejecución, anomalías y resultados reales en la evaluación de capacidades.

División de productos: evoevo se encarga de estructurar, entrenar y evaluar los datos; NeoTrade se encarga de enfrentar estas capacidades a las condiciones de ejecución real. Juntos, arraigan el ciclo de aprendizaje en actividades económicas reales.

El mercado de predicciones como el primer campo de validación real

Los mercados de predicción tienen problemas, reglas de liquidación y ventanas de tiempo relativamente claros, lo que permite conectar la información pública en el momento de la decisión, el juicio de los participantes, el precio del mercado y el resultado final en una misma serie temporal. Esto permite que los agentes experimenten un proceso completo de investigación, juicio probabilístico, identificación de ventajas, acción, liquidación y revisión. Por lo tanto, Neosoul lo considera un punto de partida ideal para la iteración de ingeniería de Harness, la acumulación de datos y la validación de capacidades.

Los usuarios pueden observar primero a los agentes en un entorno simulado y luego otorgar gradualmente permisos de fondos reales en lugares adecuados. El libro blanco señala claramente que una única predicción correcta o una sola ganancia no son suficientes para demostrar la estabilidad de la capacidad; solo a través de pruebas a largo plazo, cruzadas y en diferentes mercados se puede confirmar si un tipo de juicio, dato o estrategia tiene un valor estable.

De un mercado único a una capacidad de negociación general

Después de validar las primeras capacidades básicas en los mercados de predicción, Neosoul planea expandirse gradualmente a CEX, DEX y el mercado de valores de EE. UU. Los nuevos mercados introducirán diferentes liquidez, sistemas de cuentas, mecanismos de órdenes, métodos de liquidación, horarios de negociación y restricciones de cumplimiento, y los agentes deberán volver a demostrar que la entrada de datos, la semántica de la estrategia, la capacidad del modelo, la conexión de herramientas y las reglas de riesgo pueden funcionar de manera confiable. La expansión del mercado no solo enriquece la distribución de datos y los casos de fracaso, sino que también prueba si las capacidades de aprendizaje y ejecución existentes pueden transferirse a diferentes entornos económicos.

Cómo los agentes económicos pueden mejorar continuamente a partir de resultados reales

Los agentes económicos necesitan manejar información en tareas específicas, evaluar evidencia, formar juicios probabilísticos, identificar incertidumbres y decidir si actuar, esperar o rechazar la acción, siempre dentro de los límites de estrategia y riesgo. Neosoul espera que el modelo pueda formar gradualmente una comprensión causal económica que sea utilizable, verificable y sostenible, y que se actualice continuamente a través de resultados reales, registros contrafactuales, revisiones de errores y pruebas fuera de muestra.

El libro blanco limita la mejora recursiva (RSI) a tareas económicas definidas: cada ejecución generará nuevos juicios, acciones y registros de resultados, que, tras ser limpiados, atribuidos y evaluados, se utilizarán para mejorar conjuntos de datos, modelos, memoria, manuales de estrategia y mecanismos de operación; el agente mejorado regresará al entorno real para una nueva ronda de validación. Las actualizaciones de modelos, estrategias y mecanismos de operación deben realizarse a través de evaluaciones fuera de línea, pruebas de regresión y lanzamientos controlados, mientras que los límites de capital, mercado, frecuencia y riesgo establecidos por el usuario deben permanecer siempre independientes.

La evaluación de capacidades no es un único indicador de rendimiento. Neosoul considera simultáneamente la calibración de predicciones, el rendimiento económico ajustado al riesgo, la disciplina de procesos, la seguridad y la calidad de recuperación de anomalías. Los indicadores, estrategias o modelos que carezcan de apoyo de datos serán despriorizados, restringidos en su ámbito de aplicación o descontinuados.

Construyendo un camino: de agentes de negociación a economía de agentes

La hoja de ruta de Neosoul se centra en el "sistema de producción de capacidades" de los agentes económicos, con el objetivo de establecer gradualmente las condiciones necesarias para una economía de agentes: los agentes deben poder aprender, actuar, aceptar validación, generalizar a través de escenarios y, finalmente, convertirse en un suministro económico sostenible que pueda ser convocado por los humanos. Su camino consta de cinco etapas interdependientes: observable, aprendible, verificable, generalizable y escalable.

Estas cinco etapas describen relaciones de dependencia de capacidades, no una simple línea de tiempo. Los datos, Harness, control y evaluación se construyen en paralelo en las primeras cuatro etapas y se profundizan a medida que el producto entra en más escenarios reales. Cada etapa debe satisfacer simultáneamente el valor para el usuario, la calidad de los datos, la seguridad operativa y la mejora de capacidades verificables.

Validación de capacidades y control de riesgos de ejecución real

Las capacidades centrales de la ruta de Neosoul incluyen: datos de decisiones económicas anclados en resultados reales; productos y sistemas de evaluación en funcionamiento continuo; experiencias de comportamiento de agentes a través de mercados; y capacidades de aprendizaje y ejecución verificadas. La expansión del producto trae una cobertura de datos más rica y casos de fracaso, y la evaluación y revisión, a su vez, mejoran los modelos, Harness y estrategias, permitiendo que agentes más confiables ingresen a nuevos escenarios para ser validados.

Cómo los usuarios mantienen el control de sus activos, datos y autoridad final

NeoTrade conecta cuentas reales, fondos e interfaces de mercado, por lo que el control y las restricciones de seguridad del usuario son un requisito previo para la existencia del producto. El sistema sigue los principios de mínimo privilegio, ejecución controlada, pausa ante anomalías, registro de comportamiento y auditabilidad. Los usuarios siempre mantienen el control de sus activos, cuentas y autorización final, y deciden por sí mismos los objetivos del agente, el tamaño del capital, el alcance del mercado y los límites de riesgo.

Neosoul declara explícitamente que no custodia los fondos de los usuarios, no promete rendimientos, no realiza gestión de activos bajo mandato completo ni participación en beneficios, y no agrupa los activos de los usuarios bajo el control de la plataforma. El producto ofrece capacidades de aprendizaje, operación y ejecución de agentes bajo el control del usuario.

Derechos de datos y transparencia

Las estrategias privadas, cuentas, posiciones, contextos y memorias de los usuarios deben estar protegidas por permisos. Cualquier uso de datos del lado del usuario para entrenamiento, evaluación o compartición requiere autorización explícita y debe seguir los principios de minimización, desidentificación, agregación u otro tratamiento apropiado. El producto debe mostrar claramente el comportamiento del agente, juicios clave, desencadenantes de riesgo, órdenes y resultados, y distinguir entre entornos simulados y reales, para que los usuarios comprendan qué hizo el agente, por qué actuó o fue detenido, y cómo ajustar o terminar la autorización.

El papel de la blockchain: control de activos, liquidación y verificación

La posición necesaria de la blockchain en Neosoul

El entrenamiento de modelos, la memoria, Harness y la mayoría de las experiencias de productos de Neosoul funcionan localmente o fuera de la cadena. La blockchain sirve principalmente a la capa de acción económica que tiene derechos reales y consecuencias económicas: control de cuentas de usuarios, liquidación de mercados abiertos, prueba de integridad de acciones clave y verificabilidad necesaria para la colaboración entre múltiples partes. Las cuentas autogestionadas retienen los activos de los usuarios y el control final de la firma; la liquidación programable permite que los agentes ingresen al mercado abierto dentro del alcance de la autorización del usuario; los registros verificables proporcionan evidencia de tiempo y de integridad rastreable para acciones clave, versiones y contribuciones.

Principio de mínima on-chain

Neosoul sigue el principio de "mínima on-chain": solo la información que necesita liquidación pública, verificación entre partes o prueba de integridad a largo plazo entra en la cadena o en la capa de registros verificables; las claves privadas, el contexto completo, las estrategias privadas y los datos de comportamiento de alta frecuencia continúan siendo guardados localmente por el usuario o en un entorno fuera de la cadena controlado por permisos.

Construcción por etapas

La etapa actual se centra en la soberanía del usuario y la liquidación en cadena: basada en cuentas autogestionadas, autorizaciones claras, ejecución controlada y liquidaciones reales. La siguiente etapa establecerá registros de comportamiento y versiones verificables, conectando "configuración previa - acción real - resultado final" a través de recibos de acciones clave, compromisos de hash selectivos de versiones de estrategias o modelos, firmas y pruebas de tiempo. La etapa a largo plazo explorará redes de contribución y colaboración, formando certificados de contribución autorizados y evidencia de verificación portátil bajo reglas claras.

Descripción del mecanismo del protocolo evoevo

evoevo sirve para predicciones, análisis, retroalimentación de resultados, revisiones y reflexiones. Su objetivo es mejorar continuamente la integridad, calidad y evaluabilidad de los datos de decisiones económicas, permitiendo que modelos específicos, modelos generales y Agent Harnesses compartan la misma base de datos.

A continuación se explica este objetivo desde una perspectiva de ingeniería: qué hace el sistema y por qué se adoptó este diseño arquitectónico. Aquí se describen las funciones que ya están en funcionamiento en el entorno de producción.

La afirmación central que hace esta arquitectura

La mayoría de los datos de predicción consisten en un conjunto de "predicción + resultado". La visión básica de evoevo es que solo este conjunto de datos no es suficiente para entrenar o evaluar ningún sistema; también es necesario saber: qué vio el predictor, cuándo lo vio, por qué llegó a esa conclusión, quién lo cuestionó, cómo se determinó el resultado y qué información se retuvo al final. Cada capa de la arquitectura a continuación está diseñada para adjuntar parte de esta información a los registros y hacer que esta información sea difícil de falsificar o alterar posteriormente.

1. Registro de análisis

La salida del Agente no es texto libre, sino un registro estructurado: incluye la postura sobre la predicción, el nivel de confianza y una cadena de razonamiento compuesta por argumentos centrales, puntos de apoyo y fuentes de datos citadas. Las fuentes de datos provienen de un conjunto de evidencia candidata evaluada por su fiabilidad, por lo que el contenido del análisis puede razonar basado en la evidencia que el Agente realmente obtuvo.

Los estándares de razonamiento de la plataforma también requieren que el texto de análisis explique las opiniones contrarias y en qué condiciones la opinión actual podría ser incorrecta; la calidad de la revisión también considerará en parte si se incluyen estos contenidos. Estas son normas de expresión textual mantenidas por un mecanismo de calibración humana, no impuestas por el formato del registro.

Por qué es importante. Un registro que incluya postura, nivel de confianza y fuentes citadas puede ser comparado entre diferentes Agentes y a través de diferentes dimensiones temporales; un simple texto no puede hacer esto. Esta es la estructura mínima que permite que el mismo análisis sea filtrado, calificado y reintroducido como muestra de memoria en el sistema.

2. Motor de evidencia

Antes de que el Agente comience a razonar, el servicio de evidencia (Evidence Service) primero organizará un conjunto de evidencia que el Agente puede utilizar para razonar.

• Varios proveedores de datos independientes: cubriendo mercados, deportes, clima, datos macroeconómicos, noticias y fuentes de información de referencia, y conectándose a la misma Interfaz de Proveedor (Provider Interface), por lo que la adición de nuevas fuentes de datos no cambiará el propio Agente.
• Cada dato incluye la fecha de publicación, junto con una clasificación de frescura derivada de la fecha de publicación, y la hora de generación de todo el paquete de evidencia.
• Cada dato tiene una calificación de fiabilidad, que proviene de una estrategia de clasificación versionada; la versión de la estrategia correspondiente también se registrará en el paquete de evidencia, por lo que se puede reproducir el resultado de clasificación de ese momento.

Por qué es importante. "¿Qué sabe realmente el Agente al tomar decisiones?" es la cuestión central de todas las revisiones posteriores y pruebas fuera de tiempo (Out-of-time Test). Registrar la fecha de publicación y la fiabilidad de cada fuente de datos en el momento del razonamiento permite que esta pregunta sea respondida con precisión después, en lugar de depender de la memoria para reconstruirla.

3. Calibración y adopción humana

Los usuarios pueden auditar el análisis a través de Agree / Disagree (Aceptar / Rechazar) y también pueden adoptar un análisis en la memoria de uno de sus Agentes. Los datos generados están sujetos a dos reglas:

La adopción requiere que la predicción correspondiente esté en la cadena. Si la predicción original correspondiente a un análisis no tiene identidad en la cadena, ese análisis no puede ser adoptado. La memoria del Agente solo puede construirse sobre predicciones que ya han entrado en el registro público.

La adopción de comportamientos es también una operación en la cadena. La plataforma emitirá un comprobante firmado (Signed Voucher) para la memoria; la billetera del propietario es responsable de enviar dicho comprobante; la entrada de memoria permanecerá en estado Pendiente hasta que el sistema observe y confirme finalmente el evento correspondiente en la cadena.

¿Por qué es importante? El juicio humano es una entrada escasa. Vincular cada comportamiento de adopción a una predicción específica en la cadena y a una firma de billetera específica significa que la capa de calibración no puede ser amplificada artificialmente por clics no atribuibles, y cada muestra de memoria tiene una fuente comprobable.

4. Memoria y su rastro en la cadena (Memory, and its on-chain trail)

La Memoria es la clave que diferencia a evoevo de los sistemas de registro de predicciones ordinarios, compuesta principalmente por tres mecanismos:

Escritura (Intake). Los análisis y fuentes de datos de referencia adoptados se convierten en entradas en la memoria del Agente y se marcan con su origen. La escritura de memoria se confirmará en la cadena según el mecanismo mencionado anteriormente.

Resumen en tiempo real (Rolling Summary). Un proceso en segundo plano reconfigurará periódicamente la memoria original de cada Agente, la versión anterior del resumen y el contenido más reciente en un resumen en tiempo real, utilizando la configuración de personalidad (Persona) y modelo del Agente. La tarea se ejecuta a través de una cola de tareas persistente que admite reintentos, por lo que el resumen se generará con éxito o mostrará claramente un fallo, sin ser silenciado por el sistema.

Almacenamiento en 0G, verificado por la plataforma (Storage to 0G, verified by the platform). Los propietarios pueden almacenar el resumen actual del Agente en una red de almacenamiento descentralizada 0G. La plataforma no subirá en nombre del usuario, sino que verificará la transacción de almacenamiento del usuario, incluyendo si la transacción fue exitosa, si fue enviada por la billetera del propietario y si la hora de la transacción es posterior a la hora de generación del resumen, registrando posteriormente la transacción, la Raíz de Almacenamiento (Storage Root) y la huella digital del contenido del resumen. Si el mismo contenido se almacena nuevamente, el sistema lo reconocerá como la misma memoria y no como una nueva.

¿Por qué es importante? La memoria que solo existe en la base de datos es esencialmente solo una declaración; si la escritura de memoria y el resumen están respaldados por transacciones firmadas personalmente por el propietario, todo el proceso tiene trazabilidad. Además, dado que cada resumen tiene una huella digital de contenido, se puede rastrear qué versión de memoria del Agente fue efectiva en un momento específico, sin necesidad de reconstruirlo posteriormente.

5. Predicciones en la cadena (Predictions on-chain)

Las predicciones se registrarán en el Registro de Predicciones en la Cadena (On-chain Prediction Registry) y obtendrán una identidad en la cadena; solo cuando al menos una predicción en un Tema obtenga identidad en la cadena, se considerará que el tema ha sido publicado.

El Indexador (Indexer) dedicado es el único responsable de escribir el estado de confirmación en la cadena. Sincroniza los eventos del ciclo de vida de las predicciones: Abierto (Opened), Adoptado (Adopted), Rechazado (Rejected), Liquidado (Settled) de vuelta a la plataforma, y solo confirma bloques que han sido Finalizados (Finalized). Los eventos descubiertos en el flujo de datos en tiempo real se registran por separado como Observados (Observed), por lo que cada análisis experimentará un ciclo de vida claro:

No confirmado (Unconfirmed) → Observado (Observed) → Confirmado (Confirmed) o Rechazado (Rejected) los productos mostrarán directamente este estado, en lugar de ser simplemente comprimidos a "sí / no". La identidad, el estado clave y las pruebas de operaciones clave se registrarán en la cadena; el texto de análisis y los Modelos de Lectura (Read Models) se mantendrán fuera de la cadena y se vincularán a los datos en la cadena a través de hash e identificadores.

¿Por qué es importante? Distinguir entre Observado (Observed) y Finalizado (Finalized) puede evitar que el estado del producto no coincida con el estado en la cadena debido a reorganizaciones de bloques (Chain Reorganization) o pérdidas de transacciones.

6. Liquidación por un comité experimental de Agentes de IA (Settlement by an experimental AI-agent committee)

Actualmente, los resultados son decididos por un comité experimental de Agentes de IA operado por evoevo. Cada Runtime de Jurado (Juror Runtime) evalúa independientemente la evidencia y presenta propuestas de resultados en la cadena de acuerdo con las restricciones de estrategia; una vez que se alcanza el Quorum (umbral de consenso legal) y se completa el Proceso de Desafío (Challenge Process), el resultado es confirmado finalmente por el Oráculo del Comité (Committee Oracle).

• Cada miembro tiene una identidad en la cadena y un límite de firma independientes. En el entorno de producción, los diferentes Runtimes de Jurado están aislados entre sí.
• La ruta de consenso atestiguado (Attested-consensus) utiliza umbrales de estrategia configurables para restringir la fiabilidad, la cobertura de fuentes de datos, la verificabilidad pública y el grado de consistencia entre los resultados candidatos.
• El Jurado presentará los resultados junto con la distribución de votos y el hash del Paquete de Evidencia (Hash of the Evidence Bundle) a la cadena. La asignación de tareas incluye Quorum, Semilla de Selección (Selection Seed), ventana principal y ventana de respaldo, Época (Epoch) y Período de Desafío (Challenge Period).
• El contrato permite a cualquier persona recalcular el hash del resultado y leer el hash presentado por cualquier miembro, por lo que un tercero no necesita confiar en la base de datos de la plataforma para verificar si la información presentada por los miembros coincide con los resultados que afirman.
• La plataforma mantiene una proyección del estado del comité que se puede reproducir para soportar lecturas rápidas; cuando falta la proyección, se retrocede a los datos en la cadena. Cada predicción mostrará la línea de tiempo completa de las presentaciones de los miembros, cambios de propuestas, estados de estancamiento y resultados finales.

¿Por qué es importante? Dado que el contenido presentado por cada miembro y el resultado final pueden ser verificados nuevamente desde la cadena, el resultado de la liquidación es un registro que cualquier lector puede verificar, en lugar de ser un resultado que solo puede confiar en la base de datos de la plataforma. Combinado con la evidencia de datos de fiabilidad que ya se registró en la confirmación del resultado, esto permite que los datos de resultado generados finalmente se utilicen realmente para la evaluación, y no solo para la presentación. Es importante notar que esto pertenece a una capa de automatización experimental y no significa que la gobernanza de liquidación actual haya logrado descentralización; su valor radica en que todo el camino de decisión se mantiene siempre verificable y revalidable.

7. Evaluación (Evaluation)

Los indicadores de rendimiento se derivan completamente a través de cálculos de datos (Derived), en lugar de ser ingresados manualmente. La tasa de éxito y la rentabilidad de cada Agente se calculan en función de las predicciones que ya se han liquidado dentro de diferentes ventanas de tiempo; las clasificaciones también son generadas por procesos en segundo plano basados en estos registros, sin edición manual. Dado que los registros de liquidación utilizan un modo de solo adición (Append-only) y cada registro incluye el resultado correspondiente en la cadena, cualquier dato en la clasificación puede ser derivado nuevamente desde los registros subyacentes.

Los indicadores en el entorno de producción actualmente se basan principalmente en resultados y rentabilidad; los indicadores de puntuación de probabilidad son parte de la próxima iteración de diseño.

¿Por qué es importante? La consistencia de la evaluación es el estándar de éxito claramente propuesto por la plataforma, y la base de la consistencia son registros que no pueden ser reescritos y métricas que pueden ser derivadas nuevamente desde los datos subyacentes.

8. Indiferencia del modelo a nivel arquitectónico (Model-agnostic by construction)

Los Agentes pueden ser configurados para diferentes proveedores de modelos y pueden ejecutarse en Anthropic Claude, Google Gemini, modelos de código abierto implementados localmente, así como en cualquier Endpoint compatible con la interfaz de OpenAI, incluyendo también razonamiento descentralizado basado en 0G Compute. El proceso de Resumen de Memoria (Memory Summary) también admite los sistemas de modelos mencionados.

¿Por qué es importante? El verdadero activo son los conjuntos de datos, no los modelos. Mantener la capa del modelo intercambiable significa que el mismo conjunto de pruebas, auditoría y procesos de liquidación puede ser utilizado para comparar diferentes modelos, lo que también es la base de la "Capa de Experimentación Abierta (Open Experimentation Layer)" de la plataforma.

9. Identidad e integración abierta (Identity and open integration)

• La identidad del Agente utiliza ERC-8004. Cada Agente se vincula a una identidad en el Registro de Identidad ERC-8004, y también admite el Registro anterior y el Registro oficial compartido entre las cadenas de implementación. Los Vouchers utilizados para Mint (acuñar) y la Escritura de Memoria (Memory Intake) son firmados por un servicio de firma especializado, y la capa de API no posee claves.
• Los Agentes externos acceden a través de puntos de integración autenticados. Los Agentes construidos sobre marcos externos pueden presentar y confirmar su análisis a través de estos puntos, operar en su propia infraestructura y completar la puntuación, liquidación y clasificación utilizando el mismo proceso que los Agentes alojados en la plataforma. La plataforma no alojará sus modelos ni claves.

¿Por qué es importante? La unificación de las reglas entre los Agentes alojados y los Agentes externos es la base para comparaciones significativas entre Agentes; y la identidad portátil permite que el historial del Agente exista independientemente de cualquier entorno de ejecución único a largo plazo.

¿Qué contenido está en la cadena y qué no? (What is on-chain and what is not)

Pila tecnológica (Technology stack)

Comentarios sobre Tron

La ventaja de NEOSOUL radica en que no se limita a construir Agentes de predicción o transacción, sino que establece un ciclo de inteligencia económica "información y evidencia reales → juicio y ejecución del Agente → resultados reales → evaluación y memoria → iteración continua de capacidades" en torno a evoevo + NeoTrade, donde evoevo acumula datos de decisiones económicas de alta calidad a través de registros de análisis estructurados, motores de evidencia de fiabilidad, calibración manual, identidad de predicción en la cadena, liquidación por comités de Agentes de IA y sistemas de evaluación revalidables, al mismo tiempo que admite identidad de Agente ERC-8004, almacenamiento descentralizado 0G, acceso a múltiples modelos y registros verificables en la cadena, lo que otorga a los datos, la memoria y los resultados de comportamiento una fuerte capacidad de trazabilidad y verificación;

Su desventaja radica en que el sistema en su conjunto involucra múltiples etapas como evidencia, predicción, memoria, liquidación, evaluación, identidad en cadena y acceso a modelos, lo que resulta en una complejidad del sistema y altos costos operativos a largo plazo. Además, los escenarios de validación central todavía se concentran en el mercado de predicciones, y el comité de Agentes de IA ha sido claramente posicionado por el proyecto como una capa de automatización experimental, en lugar de una gobernanza de liquidación descentralizada ya implementada. Las capacidades de los Agentes locales de próxima generación y el anclaje en cadena por lotes aún están en desarrollo, por lo que la capacidad de los agentes económicos para trasladarse de manera estable a CEX, DEX, el mercado de valores de EE. UU. y otros escenarios económicos más amplios aún necesita ser validada con datos reales y resultados operativos a largo plazo.

II. Análisis de Datos de la Industria

1. Desempeño General del Mercado

1.1. Tendencias de Precios de BTC vs ETH

BTC

ETH

III. Revisión de Datos Macroeconómicos y Publicación de Datos Clave para la Próxima Semana

Revisión de Datos Macroeconómicos de Esta Semana (26 de octubre - 1 de noviembre)

Decisión de tasas de la Reserva Federal (28 de octubre): Se mantiene la tasa de fondos federales en 3.75% - 4.00%, con un resultado de votación de 10:2, donde dos funcionarios apoyaron un aumento de 25 puntos básicos, lo que indica que la postura de política sigue siendo hawkish.

PIB de EE. UU. del tercer trimestre (29 de octubre): El PIB real creció a una tasa anualizada del 3.4%, superior al 2.2% del segundo trimestre, lo que indica que el crecimiento económico de EE. UU. sigue siendo fuerte.

Inflación PCE de EE. UU. de septiembre (29 de octubre): El PCE general aumentó un 3.6% interanual, frente al 3.4% anterior; el PCE subyacente aumentó un 3.1% interanual, frente al 3.0% anterior, lo que indica un aumento de la presión inflacionaria.

Ingresos y consumo personal de EE. UU. de septiembre: Los ingresos personales crecieron un 0.2% intermensual, mientras que el gasto de consumo personal creció un 0.5%. El consumo real se mantuvo prácticamente estancado, reflejando la presión sobre el poder adquisitivo de los hogares.

Resumen de esta semana: La economía de EE. UU. muestra características de "crecimiento fuerte, rebote inflacionario y desaceleración del consumo real". La Reserva Federal mantiene las tasas sin cambios, pero la posibilidad de un aumento adicional en diciembre sigue siendo objeto de atención del mercado, lo que genera cierta presión sobre los activos de riesgo en el entorno macroeconómico general.

Perspectivas para la próxima semana:

El enfoque del mercado se trasladará de la decisión de tasas de la Reserva Federal a los datos de empleo de EE. UU., especialmente el informe de nómina no agrícola de octubre que se publicará el 6 de noviembre. Si el empleo sigue siendo fuerte, sumado a una inflación alta, podría reforzar aún más las expectativas de un aumento en diciembre, impulsando el dólar y los rendimientos de los bonos del Tesoro; por el contrario, si el empleo muestra debilidad, podría aliviar las expectativas de endurecimiento monetario, proporcionando un soporte temporal para el mercado de valores de EE. UU. y los activos criptográficos.

IV. Políticas Regulatorias

1. Canadá: Inicio de Consulta Pública sobre Regulación de Stablecoins

El 26 de octubre, el Ministerio de Finanzas de Canadá avanzó con una consulta pública sobre un borrador de regulación de stablecoins, con fecha límite de consulta el 23 de diciembre, y se prevé su implementación en otoño de 2027.

Los requisitos centrales del borrador incluyen: las entidades emisoras de stablecoins no bancarias deben mantener activos de reserva calificados que no sean inferiores al valor de circulación de las stablecoins, y estos deben ser custodiados por instituciones financieras canadienses calificadas; después de que un titular presente una solicitud de redención, el emisor debe completar la redención en un plazo de tres días hábiles, y la tarifa de redención no puede exceder el 1%; se prohíbe que el emisor pague intereses o rendimientos vinculados a la tenencia de stablecoins, ya sea directamente o a través de terceros, aunque se permiten recompensas relacionadas con transacciones reales.

Significado de la política: Canadá está transitando de un marco regulatorio de valores existente a un sistema de regulación independiente de stablecoins, enfocándose en fortalecer la seguridad de las reservas, las garantías de redención y la estabilidad del sistema bancario. Las restricciones de rendimiento pueden limitar el espacio comercial de las stablecoins de rendimiento, al tiempo que establecen una base institucional para el desarrollo de stablecoins canadienses en cumplimiento.

2. Hong Kong: Aprobación de Fondos Públicos Tokenizados para Comercio Secundario en Plataformas de Activos Virtuales Licenciadas

El 26 de octubre, la Comisión de Valores y Futuros de Hong Kong (SFC) aprobó los primeros fondos públicos tokenizados reconocidos para realizar transacciones en el mercado secundario a través de plataformas de comercio de activos virtuales licenciadas. Los primeros fondos involucrados son dos fondos de mercado monetario tokenizados, que pueden realizar transacciones las 24 horas bajo un marco piloto.

Los requisitos regulatorios se centran en los canales de transacción, la equidad en la fijación de precios, los arreglos de liquidez y la divulgación de información, y se espera que se amplíe gradualmente el rango de productos elegibles.

Significado de la política: Los productos financieros tokenizados en Hong Kong comienzan a extenderse desde la emisión y tenencia hacia la circulación secundaria regulada, proporcionando nuevas vías para la integración de activos RWA, fondos tokenizados y plataformas de comercio de activos virtuales licenciadas, lo que ayuda a mejorar la competitividad de Hong Kong como centro de activos digitales y finanzas tokenizadas en Asia.

3. EE. UU.: El Tesoro Refuerza Sanciones Contra Redes de Financiamiento Ilegal de Corea del Norte

El 28 de octubre, la Oficina de Control de Activos Extranjeros del Departamento del Tesoro de EE. UU. (OFAC) anunció sanciones contra 10 individuos y 1 entidad, acusándolos de participar en una red de fraude de personal de TI en el extranjero organizada por el gobierno de Corea del Norte, obteniendo oportunidades laborales bajo identidades falsas y recaudando fondos para proyectos de armas de Corea del Norte. Los activos de los sancionados dentro de EE. UU. o controlados por entidades estadounidenses serán congelados, y las entidades estadounidenses en principio no podrán realizar transacciones prohibidas con ellos.

Significado de la política: EE. UU. continúa reforzando la aplicación contra flujos de fondos ilegales, fraude de identidad y redes de evasión de sanciones. Aunque esta no es una nueva regulación específicamente dirigida a la industria de criptomonedas, para las empresas de activos digitales involucradas en flujos de fondos transfronterizos, la revisión de contrapartes, la verificación de listas de sanciones y la verificación de fuentes de fondos siguen siendo requisitos importantes de cumplimiento.

4. Corea del Sur: Avance en el Registro y Reporte de Transferencias de Activos Virtuales Transfronterizos

Alrededor del 27 de octubre, se prestó atención a los movimientos regulatorios de Corea del Sur sobre las transferencias de activos virtuales transfronterizos. El Ministerio de Finanzas de Corea del Sur había publicado anteriormente el 7 de octubre un borrador de enmienda a la Orden de Ejecución de la Ley de Transacciones de Divisas, que busca definir claramente las transferencias de activos virtuales transfronterizos, el proceso de registro de operadores y las obligaciones de reporte de transacciones, para abordar las brechas regulatorias en la supervisión de transacciones de divisas ilegales.

Significado de la política: Corea del Sur está promoviendo la inclusión de las transferencias de activos criptográficos transfronterizos en un sistema de regulación de divisas más completo, lo que podría aumentar los costos de registro, retención de datos y reporte para los proveedores de servicios de transferencia transfronteriza, y fortalecer la supervisión de las transferencias de fondos transfronterizos ilegales utilizando activos virtuales. Es importante destacar que esta política se anunció inicialmente a principios de octubre, y esta semana se considera un tema regulatorio en curso, no una nueva regulación formal.

5. Brasil: Solicitudes de Licencia para Proveedores de Servicios de Activos Virtuales en un Punto Crítico

El 30 de octubre, las solicitudes de autorización de los proveedores de servicios de activos virtuales (VASP) existentes en Brasil llegaron a un punto crítico. Según el marco regulatorio existente del Banco Central de Brasil, las entidades deben presentar solicitudes de acuerdo con el régimen de transición; al mismo tiempo, el Banco Central está reforzando la regulación de los proveedores de servicios de activos virtuales y exige informes específicos de prevención de lavado de dinero para transferencias de billeteras autogestionadas que alcancen el umbral equivalente a 10,000 USD.

De acuerdo con la resolución número 589 del Banco Central de Brasil, a partir del 6 de noviembre, las instituciones financieras reguladas en principio no podrán realizar negocios relacionados con proveedores de servicios de activos virtuales no autorizados y que no estén exentos de las regulaciones.

Significado de la política: El mercado de activos digitales de Brasil está pasando de la construcción de un marco regulatorio a la fase de ejecución de licencias y acceso a negocios. La operación en cumplimiento, los informes de prevención de lavado de dinero y la calificación para colaborar con el sistema bancario se convertirán en condiciones competitivas importantes para las plataformas de comercio y los proveedores de servicios locales.

6. Australia: Consulta sobre el Sistema de Declaración de Información Fiscal de Activos Criptográficos

El 28 de octubre, el borrador legislativo sobre la declaración de información fiscal de activos criptográficos en Australia llegó a su fecha límite de consulta. Este borrador tiene como objetivo implementar el marco de informes de activos criptográficos de la OCDE (CARF) y establecer un mecanismo de informes doméstico para las transacciones de activos criptográficos de los residentes australianos.

Significado de la política: Australia continúa promoviendo la inclusión de datos de transacciones de activos criptográficos en el sistema de intercambio y declaración de información fiscal, lo que podría aumentar los requisitos de identificación fiscal de los clientes, gestión de registros de transacciones e informes para las plataformas de comercio, y reducir aún más el espacio para evadir la declaración fiscal a través de transacciones transfronterizas. Este punto marca el final de la consulta del borrador, no representa que el nuevo sistema ya se haya implementado oficialmente.

7. Argentina: Inicio del Sistema de Informes Mensuales de Proveedores de Servicios de Activos Virtuales

El 1 de noviembre, la Comisión Nacional de Valores de Argentina (CNV) inició la implementación del sistema de informes mensuales para proveedores de servicios de activos virtuales, de acuerdo con la resolución general número 1172/2026. Los proveedores de servicios deben informar sobre clientes, transacciones y activos bajo custodia según lo estipulado, y presentar la información mensual dentro de los 15 días naturales posteriores al final de cada mes.

Significado de la política: Argentina está fortaleciendo la divulgación continua de información y la capacidad de recopilación de datos regulatorios de los proveedores de servicios de activos virtuales, promoviendo un cambio de la gestión de registro a la supervisión del proceso operativo, lo que ayuda a mejorar la transparencia de las transacciones y la capacidad de las autoridades regulatorias para identificar riesgos en el mercado.