Berita

Foresight News melaporkan bahwa Kepala Penjualan Flowdesk Amerika Serikat, Hans Birringer, mengumumkan di platform X pendirian Hyper Holdings Global. Ia menyatakan bahwa institusi ini adalah sebuah konsorsium yang terdiri dari investor, institusi, dan pengusaha, yang bertujuan menghubungkan keuangan tradisional dengan ekosistem Hyperliquid. Langkah pertamanya adalah menjalin kerja sama strategis dengan Grayscale, untuk meluncurkan Grayscale Hyperliquid Staking ETF (HYPG). Birringer menyebutkan bahwa Grayscale telah berkecimpung di bidang aset kripto selama lebih dari sepuluh tahun, memiliki hubungan erat dengan regulator dan pembuat kebijakan di Amerika Serikat, serta pernah meluncurkan dana Bitcoin pertama yang diperdagangkan secara publik, dan menjadi preseden hukum atas persetujuan ETP kripto spot. Ia mengatakan bahwa HYPG akan menjadi pintu masuk modal institusional jangka panjang ke ekosistem Hyperliquid. Institut dan individu lain yang terlibat dalam proyek ini antara lain Multicoin Capital, Hypurrdash, MotusAk, dan lainnya.

Berita dari ChainCatcher, Chief Executive Officer Strategy Phong Le menyatakan bahwa pasar global dan berbagai sektor sedang mengalami ketidakpastian, dan selama periode ini Strategy telah mengakumulasi kepemilikan sebesar 4% Bitcoin secara global.

Foresight News melaporkan bahwa tim pengembang Monad, Category Labs, membagikan pengalamannya menggunakan metode verifikasi formal (Formal Verification) untuk mendeteksi kerentanan pada modul-modul kunci blockchain Monad. Mereka mengungkapkan sejumlah kerentanan yang tidak terdeteksi oleh model besar terdepan seperti Claude Opus 4.8 dan Codex selama pemeriksaan kode, namun berhasil ditemukan melalui proses pembuktian formal. Kerentanan tersebut terkait dengan desain "Reserve Balance" pada mekanisme eksekusi asinkron Monad serta masalah perilaku tak terdefinisi pada C++ dalam optimalisasi penyimpanan MIP-8. Tim berpendapat bahwa, dibandingkan langsung meminta model untuk "memeriksa kode", menulis terlebih dahulu proposisi kebenaran yang presisi lalu meminta model mencari counter-example, cara kerja ini lebih efektif dalam mengungkap kerentanan tersembunyi, dan saat ini proses verifikasi formal telah sangat terbantu oleh AI.