OroCryptoTrends
8.7k Beiträge
OroCryptoTrends
Square Verified+@OroCryptoTrends | Binance KOL
Top crypto insights: real-time news, market analysis, Web3, DeFi, NFTs & trend updates. Stay ahead with fast, reliable signals.
Trade eröffnen
Hochfrequenz-Trader
3 Jahre
3.2K+ Following
50.0K+ Follower
48.7K+ Like gegeben
Beiträge
Portfolio
Alle
Zitierungen
Videos
Live
Übersetzung ansehen
While comparing how different protocols approach security assumptions, I kept noticing the same question coming up: “Can this stop a hacker?” After seeing that pattern repeat, I started looking at @NewtonProtocol differently.
The part I started questioning wasn’t another attempt to build a stronger wall around assets. It was a different idea: what if the more interesting security shift is making a stolen private key far less valuable in the first place?
I kept tracing the flow. If you need more than just the key—device binding, short-lived session keys, value-based policies, and decentralized policy approvals—The private key starts acting more like one credential in a bigger authorization process than a master key to everything—it gives access, but not necessarily control.
Another detail stood out—if those policies evaluate the action before execution and can block transfers to addresses matching known risk conditions, the attacker can still compromise a key, but they may fail at the step that actually creates value: moving the assets.
The attack surface shifts from key theft to policy bypass and execution timing.
The harder question, is whether those policies can stay accurate and fast enough as attack patterns evolve.
And that totally flips the economics for an attacker—especially as AI-driven agents start executing more transactions automatically. If moving stolen assets gets harder, some attackers may start asking, “Eh, is it actually worth it?”
This matters as crypto moves toward autonomous systems managing capital, where one compromised credential can become a repeated execution risk.
Because if security rules become too slow, too restrictive, or too inaccurate, the system simply moves the bottleneck from attackers to legitimate users.
If more protocols start playing this game—shrinking profits instead of endlessly patching tech—how will that change what attackers even bother going after?
#newt $NEWT @NewtonProtocol
The part I started questioning wasn’t another attempt to build a stronger wall around assets. It was a different idea: what if the more interesting security shift is making a stolen private key far less valuable in the first place?
I kept tracing the flow. If you need more than just the key—device binding, short-lived session keys, value-based policies, and decentralized policy approvals—The private key starts acting more like one credential in a bigger authorization process than a master key to everything—it gives access, but not necessarily control.
Another detail stood out—if those policies evaluate the action before execution and can block transfers to addresses matching known risk conditions, the attacker can still compromise a key, but they may fail at the step that actually creates value: moving the assets.
The attack surface shifts from key theft to policy bypass and execution timing.
The harder question, is whether those policies can stay accurate and fast enough as attack patterns evolve.
And that totally flips the economics for an attacker—especially as AI-driven agents start executing more transactions automatically. If moving stolen assets gets harder, some attackers may start asking, “Eh, is it actually worth it?”
This matters as crypto moves toward autonomous systems managing capital, where one compromised credential can become a repeated execution risk.
Because if security rules become too slow, too restrictive, or too inaccurate, the system simply moves the bottleneck from attackers to legitimate users.
If more protocols start playing this game—shrinking profits instead of endlessly patching tech—how will that change what attackers even bother going after?
#newt $NEWT @NewtonProtocol
Übersetzung ansehen
People always chase hype after a token launches, but I love that short window *before*—right when everyone’s distracted or not paying close enough attention. That’s when I start sniffing around.
I’ve been digging into @GRVT lately. It’s interesting because they’re actually trying to blend the best parts of CEXs and DeFi. Think super-smooth centralized performance, but you still keep your coins—self-custody, nothing stuck on an exchange waiting to be rugged. Honestly, after getting burned by lockups before, I pay extra attention to stuff like that.
Here’s what threw me: GRVT runs on zkSync and racked up over $131 billion in trading volume—*this year*—way before their token drops. That’s not just buzz; people are already trading there, big time.
Now, about the trading fees: they’re doing negative maker fees, so you *literally* earn money just for providing liquidity to the books. I wish more platforms went that route. Plus, there’s an Earn on Equity program promising about 10% APY (paid every four hours, and no lockups). So, idle assets don’t just sit; they work. I just left capital idle on a CEX last week and got zero, so this hits home.
What else? You get to trade across 168 perp markets—crypto, commodities, even equities. That range is wild. And since they ditched mandatory KYC last year, you have even more control—no forms, just trade. After today’s privacy leaks, that feels like a big deal.
Here’s the thing: TGE’s coming late June 2026, and a chunky 28% of their billion-token stack is set aside for community rewards. Blink and you might miss it.
Everyone always wonders if hybrid models actually work. Me? I think the bigger play is whether they can beat traditional CEXs and DeFi in the long run. Personally, after fumbling a few airdrops and missing out on other launches because I waited too long, I’m watching this one close.
#grvt @grvt_io
I’ve been digging into @GRVT lately. It’s interesting because they’re actually trying to blend the best parts of CEXs and DeFi. Think super-smooth centralized performance, but you still keep your coins—self-custody, nothing stuck on an exchange waiting to be rugged. Honestly, after getting burned by lockups before, I pay extra attention to stuff like that.
Here’s what threw me: GRVT runs on zkSync and racked up over $131 billion in trading volume—*this year*—way before their token drops. That’s not just buzz; people are already trading there, big time.
Now, about the trading fees: they’re doing negative maker fees, so you *literally* earn money just for providing liquidity to the books. I wish more platforms went that route. Plus, there’s an Earn on Equity program promising about 10% APY (paid every four hours, and no lockups). So, idle assets don’t just sit; they work. I just left capital idle on a CEX last week and got zero, so this hits home.
What else? You get to trade across 168 perp markets—crypto, commodities, even equities. That range is wild. And since they ditched mandatory KYC last year, you have even more control—no forms, just trade. After today’s privacy leaks, that feels like a big deal.
Here’s the thing: TGE’s coming late June 2026, and a chunky 28% of their billion-token stack is set aside for community rewards. Blink and you might miss it.
Everyone always wonders if hybrid models actually work. Me? I think the bigger play is whether they can beat traditional CEXs and DeFi in the long run. Personally, after fumbling a few airdrops and missing out on other launches because I waited too long, I’m watching this one close.
#grvt @grvt_io
Übersetzung ansehen
If a signature can be proven wrong, is it really a multisig?
That question kept bothering me as I worked through @NewtonProtocol's litepaper.
The usual instinct is to count signers. I think that's looking at the wrong property. What matters is whether the signers are exercising judgment or producing an answer that anyone can verify.
Newton openly says its operators are permissioned. That's a real trade-off, But it also makes a much promise: the evaluation is deterministic.
If an operator returns something else, anyone can challenge the attestation. A successful challenge doesn't just reject one bad result. It raises the cost of future dishonest attestations by slashing the operator, reinforcing the same verification rules the network depends on.
That changes where accountability lives.
A multisig asks, "Whose opinion do we trust?"
Newton asks, "Can this answer survive public verification?"
Those aren't the same security model.
This is where I started slowing down. The more I reread those sections, the less I thought permissioning was the main question.
The verification model assumes requests can reach operators. A challenge system can prove a bad attestation wrong, but it can't prove an operator chose not to process something at all.
Force inclusion helps reduce that risk, but the model ultimately depends on challenges remaining economically worthwhile. If verifying bad attestations ever costs more than exposing them is worth, the network's strongest accountability mechanism starts weakening.
As AI agents begin handling larger amounts of onchain value, questions about how their decisions are verified become infrastructure questions, not just Newton questions.
That's why I think the more durable question isn't whether Newton is "really decentralized." It's whether, for an authorization network, open verification matters more than open membership.
If verification is public but participation is curated, where does trust actually end up moving?
#newt $NEWT @NewtonProtocol
That question kept bothering me as I worked through @NewtonProtocol's litepaper.
The usual instinct is to count signers. I think that's looking at the wrong property. What matters is whether the signers are exercising judgment or producing an answer that anyone can verify.
Newton openly says its operators are permissioned. That's a real trade-off, But it also makes a much promise: the evaluation is deterministic.
If an operator returns something else, anyone can challenge the attestation. A successful challenge doesn't just reject one bad result. It raises the cost of future dishonest attestations by slashing the operator, reinforcing the same verification rules the network depends on.
That changes where accountability lives.
A multisig asks, "Whose opinion do we trust?"
Newton asks, "Can this answer survive public verification?"
Those aren't the same security model.
This is where I started slowing down. The more I reread those sections, the less I thought permissioning was the main question.
The verification model assumes requests can reach operators. A challenge system can prove a bad attestation wrong, but it can't prove an operator chose not to process something at all.
Force inclusion helps reduce that risk, but the model ultimately depends on challenges remaining economically worthwhile. If verifying bad attestations ever costs more than exposing them is worth, the network's strongest accountability mechanism starts weakening.
As AI agents begin handling larger amounts of onchain value, questions about how their decisions are verified become infrastructure questions, not just Newton questions.
That's why I think the more durable question isn't whether Newton is "really decentralized." It's whether, for an authorization network, open verification matters more than open membership.
If verification is public but participation is curated, where does trust actually end up moving?
#newt $NEWT @NewtonProtocol
Übersetzung ansehen
The feature that kept my attention wasn't the matching engine or even the yield. I initially assumed the value proposition was simply earning yield on idle balances. The more I looked at it, the more it seemed like a redesign of how collateral itself is used.
Most exchanges force a choice: keep assets available for trading or move them elsewhere to earn a return. That separation creates hidden friction because capital is constantly being repositioned instead of staying productive.
With @GRVT (GRVT), the interesting mechanism is the unified balance. Trading equity can remain available for positions while the platform's Earn on Equity program directs eligible balances into integrated DeFi lending strategies, with yields credited back to the same account. Instead of splitting capital across multiple venues, one pool is designed to serve both purposes.
Of course, this assumes the underlying lending strategies remain sufficiently liquid and that risk management preserves collateral availability when traders need it most.
The deeper shift isn't higher yield by itself, but a different role for collateral. The headline APY matters less than reducing capital fragmentation. If the infrastructure works as intended, collateral no longer has to alternate between being available for trading and being productive—it is designed to do both within the same workflow.
Viewed this way, the unified balance isn't just an account feature. It's an attempt to redesign the capital lifecycle so collateral can support trading and yield generation without constantly moving between separate systems.
As crypto infrastructure moves from simply providing liquidity toward optimizing how liquidity is utilized, capital efficiency is becoming a competitive differentiator rather than simply an optimization.
I think the bigger shift is how hybrid exchanges change capital allocation over time.
If productive collateral becomes standard, exchanges may compete less on headline APYs and more on capital efficiency.
#grvt @grvt_io
Most exchanges force a choice: keep assets available for trading or move them elsewhere to earn a return. That separation creates hidden friction because capital is constantly being repositioned instead of staying productive.
With @GRVT (GRVT), the interesting mechanism is the unified balance. Trading equity can remain available for positions while the platform's Earn on Equity program directs eligible balances into integrated DeFi lending strategies, with yields credited back to the same account. Instead of splitting capital across multiple venues, one pool is designed to serve both purposes.
Of course, this assumes the underlying lending strategies remain sufficiently liquid and that risk management preserves collateral availability when traders need it most.
The deeper shift isn't higher yield by itself, but a different role for collateral. The headline APY matters less than reducing capital fragmentation. If the infrastructure works as intended, collateral no longer has to alternate between being available for trading and being productive—it is designed to do both within the same workflow.
Viewed this way, the unified balance isn't just an account feature. It's an attempt to redesign the capital lifecycle so collateral can support trading and yield generation without constantly moving between separate systems.
As crypto infrastructure moves from simply providing liquidity toward optimizing how liquidity is utilized, capital efficiency is becoming a competitive differentiator rather than simply an optimization.
I think the bigger shift is how hybrid exchanges change capital allocation over time.
If productive collateral becomes standard, exchanges may compete less on headline APYs and more on capital efficiency.
#grvt @grvt_io
Teilweise korrekt
APY ist die meistzitierte, am wenigsten durchgesetzte Zahl in DeFi. Newton hat das gerade geändert
Während ich die Entwicklerdokumentation von Newton Protocol durchlas, fand ich etwas Aufschlussreicheres als die Ankündigung selbst: eine funktionierende Richtlinie namens vault_risk_rating. Eine ihrer „deny“-Regeln heißt schlicht apy_spike. Wenn der APY-z-Score eines Vaults einen konfigurierten Schwellenwert überschreitet, wird die Transaktion vor dem Settlement abgelehnt, und die Entscheidung wird als signiertes Attestationen-Statement direkt onchain zurückgegeben.
Nach Jahren, in denen Vaults sich durch höhere beworbene APYs gegenseitig überboten haben, wirkt es, als würde DeFi in eine Phase eintreten, in der Der Grund, warum das auffiel, war
Der Grund, warum das auffiel, war: APY war schon immer eine der ersten Zahlen, die Nutzer in DeFi üblicherweise prüfen. Wenn Renditen zerfallen – etwa durch nicht nachhaltige Emissionen oder einen Exploit – entdecken Nutzer das Problem oft erst, nachdem das Kapital bereits in den Vault geflossen ist.
Der entscheidende Unterschied ist, dass die Richtlinie nicht fragt, ob ein APY hoch ist. Sie fragt, ob er statistisch für genau diesen Vault auffällig ist. Ein z-Score verlagert den Fokus vom Jagen großer Zahlen hin zum Erkennen ungewöhnlichen Verhaltens, sobald es auftritt. Zusammen mit Oracle-Daten und Newtons Durchsetzung der Richtlinie vor dem Settlement bietet das Protokollen eine Möglichkeit, abnormale Yield-Bedingungen zu bewerten, bevor eine Transaktion finalisiert wird.
Für mich macht das Yield-Claims deutlich testbarer als jemals zuvor onchain. Wenn eine beworbene Rendite plötzlich statistisch abnormal wird, können Einzahlungen gestoppt werden, bevor noch mehr Kapital in eine sich verschlechternde Strategie fließt. „Zu gut, um wahr zu sein“ beginnt weniger wie Intuition auszusehen und mehr wie eine Bedingung, die Software auswerten kann.
Der Schwellenwert wird jedoch weiterhin von Menschen gewählt. Setzt man apy_z_max zu großzügig, könnten abnormale Renditen unbemerkt durchrutschen. Ob echte Probleme erkannt werden, ohne unnötige Ablehnungen zu erzeugen, hängt davon ab, wo dieser Schwellenwert angesetzt wird.
Da Newton Mainnet Beta nun für Vaults live ist, bin ich gespannt, ob das der Standard wird, wie Protokolle über Risiko nachdenken – oder ob Projekte weiterhin APY als reines Promoter-Metrik behandeln, statt als durchsetzbare Bedingung.
#newt $NEWT @NewtonProtocol
Während ich die Entwicklerdokumentation von Newton Protocol durchlas, fand ich etwas Aufschlussreicheres als die Ankündigung selbst: eine funktionierende Richtlinie namens vault_risk_rating. Eine ihrer „deny“-Regeln heißt schlicht apy_spike. Wenn der APY-z-Score eines Vaults einen konfigurierten Schwellenwert überschreitet, wird die Transaktion vor dem Settlement abgelehnt, und die Entscheidung wird als signiertes Attestationen-Statement direkt onchain zurückgegeben.
Nach Jahren, in denen Vaults sich durch höhere beworbene APYs gegenseitig überboten haben, wirkt es, als würde DeFi in eine Phase eintreten, in der Der Grund, warum das auffiel, war
Der Grund, warum das auffiel, war: APY war schon immer eine der ersten Zahlen, die Nutzer in DeFi üblicherweise prüfen. Wenn Renditen zerfallen – etwa durch nicht nachhaltige Emissionen oder einen Exploit – entdecken Nutzer das Problem oft erst, nachdem das Kapital bereits in den Vault geflossen ist.
Der entscheidende Unterschied ist, dass die Richtlinie nicht fragt, ob ein APY hoch ist. Sie fragt, ob er statistisch für genau diesen Vault auffällig ist. Ein z-Score verlagert den Fokus vom Jagen großer Zahlen hin zum Erkennen ungewöhnlichen Verhaltens, sobald es auftritt. Zusammen mit Oracle-Daten und Newtons Durchsetzung der Richtlinie vor dem Settlement bietet das Protokollen eine Möglichkeit, abnormale Yield-Bedingungen zu bewerten, bevor eine Transaktion finalisiert wird.
Für mich macht das Yield-Claims deutlich testbarer als jemals zuvor onchain. Wenn eine beworbene Rendite plötzlich statistisch abnormal wird, können Einzahlungen gestoppt werden, bevor noch mehr Kapital in eine sich verschlechternde Strategie fließt. „Zu gut, um wahr zu sein“ beginnt weniger wie Intuition auszusehen und mehr wie eine Bedingung, die Software auswerten kann.
Der Schwellenwert wird jedoch weiterhin von Menschen gewählt. Setzt man apy_z_max zu großzügig, könnten abnormale Renditen unbemerkt durchrutschen. Ob echte Probleme erkannt werden, ohne unnötige Ablehnungen zu erzeugen, hängt davon ab, wo dieser Schwellenwert angesetzt wird.
Da Newton Mainnet Beta nun für Vaults live ist, bin ich gespannt, ob das der Standard wird, wie Protokolle über Risiko nachdenken – oder ob Projekte weiterhin APY als reines Promoter-Metrik behandeln, statt als durchsetzbare Bedingung.
#newt $NEWT @NewtonProtocol
Warum GRVT sich wie die Zukunft hybrider Börsen anfühlt 🌐
Zunächst nahm ich an, GRVT sei einfach noch eine weitere hybride Börse, die versucht, den Mittelweg zwischen CEXs und DEXs zu finden. Je tiefer ich eintauchte, desto mehr wurde mir klar, dass hier nicht das passiert.
Eine der Trade-offs im Krypto-Bereich fühlt sich fast unvermeidlich an: Wenn du die Geschwindigkeit und Einfachheit einer CEX wolltest, musstest du normalerweise auf die Verwahrung verzichten. Wenn du volle Kontrolle über deine Assets wolltest, hast du dafür ein weniger nahtloses Handelserlebnis akzeptiert.
Selbstverwahrung ist nur ein Teil des Problems; die schwierigere Herausforderung besteht darin, die Ausführungsqualität zu bewahren, während Trader die Kontrolle über ihre Assets behalten.
Nachdem ich @grvt_io erkundet hatte, erwartete ich, Funktionen miteinander zu vergleichen. Als ich weiterlas, ertappte ich mich dabei, wie ich nachverfolgte, wie Orders sich bewegen und wo tatsächlich die Kontrolle übergeben wird. Genau dann begann sich der vertraute Trade-off weniger wie ein Gesetz im Börsendesign anzufühlen und mehr wie eine Designentscheidung, an die wir uns gewöhnt haben.
Was mich besonders angesprochen hat, war die architektonische Trennung zwischen Verwahrung und Ausführung. Anstatt die Kontrolle über Assets und die Handelsleistung an dasselbe System zu koppeln, trennt GRVT die Verwahrung von der Ausführung, sodass jedes System für eine unterschiedliche Funktion verantwortlich ist.
Das verändert das Designziel: Statt ein System zu zwingen, alles zu optimieren, geht es darum, Verwahrung und Ausführung klar getrennte Verantwortlichkeiten zu geben.
Wenn dieses Modell sich unter echten Handelsbedingungen bewährt, verschiebt sich die Herausforderung von der Entscheidung zwischen Verwahrung und Komfort hin zur Koordination beider—ohne neue Reibungspunkte einzuführen.
Ob dieses Gleichgewicht im großen Maßstab bestehen kann, ist noch ungewiss. Schnelle Ausführung, Selbstverwahrung und ein nahtloses Nutzererlebnis stellen jeweils unterschiedliche Anforderungen an die Architektur. Wenn eine davon beginnt, die anderen unter stärkerer Nutzung einzuschränken, könnte der alte Trade-off still und leise in anderer Form wieder auftauchen. Das ist der schwierigere Test.
Wenn GRVT diese Trennung im Maßstab bewahren kann, stellt sich vielleicht nicht die Frage, ob Trader beides wollen—sondern ob die Börsenarchitektur das unterstützen kann.
#grvt @grvt_io
Zunächst nahm ich an, GRVT sei einfach noch eine weitere hybride Börse, die versucht, den Mittelweg zwischen CEXs und DEXs zu finden. Je tiefer ich eintauchte, desto mehr wurde mir klar, dass hier nicht das passiert.
Eine der Trade-offs im Krypto-Bereich fühlt sich fast unvermeidlich an: Wenn du die Geschwindigkeit und Einfachheit einer CEX wolltest, musstest du normalerweise auf die Verwahrung verzichten. Wenn du volle Kontrolle über deine Assets wolltest, hast du dafür ein weniger nahtloses Handelserlebnis akzeptiert.
Selbstverwahrung ist nur ein Teil des Problems; die schwierigere Herausforderung besteht darin, die Ausführungsqualität zu bewahren, während Trader die Kontrolle über ihre Assets behalten.
Nachdem ich @grvt_io erkundet hatte, erwartete ich, Funktionen miteinander zu vergleichen. Als ich weiterlas, ertappte ich mich dabei, wie ich nachverfolgte, wie Orders sich bewegen und wo tatsächlich die Kontrolle übergeben wird. Genau dann begann sich der vertraute Trade-off weniger wie ein Gesetz im Börsendesign anzufühlen und mehr wie eine Designentscheidung, an die wir uns gewöhnt haben.
Was mich besonders angesprochen hat, war die architektonische Trennung zwischen Verwahrung und Ausführung. Anstatt die Kontrolle über Assets und die Handelsleistung an dasselbe System zu koppeln, trennt GRVT die Verwahrung von der Ausführung, sodass jedes System für eine unterschiedliche Funktion verantwortlich ist.
Das verändert das Designziel: Statt ein System zu zwingen, alles zu optimieren, geht es darum, Verwahrung und Ausführung klar getrennte Verantwortlichkeiten zu geben.
Wenn dieses Modell sich unter echten Handelsbedingungen bewährt, verschiebt sich die Herausforderung von der Entscheidung zwischen Verwahrung und Komfort hin zur Koordination beider—ohne neue Reibungspunkte einzuführen.
Ob dieses Gleichgewicht im großen Maßstab bestehen kann, ist noch ungewiss. Schnelle Ausführung, Selbstverwahrung und ein nahtloses Nutzererlebnis stellen jeweils unterschiedliche Anforderungen an die Architektur. Wenn eine davon beginnt, die anderen unter stärkerer Nutzung einzuschränken, könnte der alte Trade-off still und leise in anderer Form wieder auftauchen. Das ist der schwierigere Test.
Wenn GRVT diese Trennung im Maßstab bewahren kann, stellt sich vielleicht nicht die Frage, ob Trader beides wollen—sondern ob die Börsenarchitektur das unterstützen kann.
#grvt @grvt_io
Zunächst ging ich davon aus, dass regulatorische Whitelists vor allem deshalb existieren, weil Compliance-Vorgaben Institutionen keine Alternative ließen.
Bei genauerem Hinsehen wirkt die Credential-Portabilität von @NewtonProtocol weniger wie eine Identitätsfunktion und mehr wie eine Möglichkeit, die Wirtschaftlichkeit der Compliance zu verändern.
Portierbare Credentials senken wiederholte Verifizierungen, weil ein verifiziertes Credential in verschiedenen Anwendungen erneut vorgelegt werden kann, anstatt den Compliance-Prozess jedes Mal von vorn zu starten. Dadurch wird Verifizierung von wiederholten Betriebskosten zu einem wiederverwendbaren Compliance-Asset.
Benutzergehaltene Credentials verlagern Verifizierung von einem plattformgebundenen Prozess hin zu einem benutzerkontrollierten Credential, das in mehreren konformen Anwendungen vorgelegt werden kann.
Durch verifizierbare Policy-Durchsetzung können diese portierbaren Credentials automatisch anhand vordefinierter Regeln bewertet werden.
Wenn immer mehr Compliance-Entscheidungen maschinenverifizierbar werden, wird manuelle Prüfung eher zur Ausnahme als zur Regel — und senkt damit die operativen Kosten, um bei jedem zusätzlichen Nutzer die Onboarding-Aufwände zu tragen.
Die interessante Frage ist nicht, ob Credential-Portabilität technisch funktioniert.
Es geht darum, ob die Senkung der Grenzkosten für die Verifizierung jedes zusätzlichen Retail-Nutzers das Geschäftsmodell für restriktive Whitelists verändert. Wenn Ausschlüsse teilweise durch Verifizierungskosten und nicht nur durch Regulierung getrieben wurden, könnten sich diese Kosten ändern lassen und damit auch beeinflussen, wer Zugang bekommt.
Wenn immer mehr Compliance-Entscheidungen maschinenverifizierbar werden, könnte manuelle Prüfung eher zur Ausnahme statt zur Regel werden — vorausgesetzt, Institutionen vertrauen portierbaren Credentials genug, um sich in großem Maßstab auf sie verlassen zu können.
Das Kennmaß, das ich im Blick behalten würde, ist nicht die Anzahl der ausgestellten Credentials. Entscheidend ist, ob die durchschnittlichen Kosten für das Onboarding eines zusätzlichen konformen Nutzers so weit sinken, dass sich die Anreize der Aussteller entsprechend verändern.
Wenn es wirtschaftlich tragfähig wird, kleinere Teilnehmer zu bedienen, könnte Credential-Portabilität am Ende weniger deshalb wichtig sein, weil sie Credentials zwischen Anwendungen verschiebt, sondern vielmehr, weil sie die Wirtschaftlichkeit verändert, sodass überhaupt diejenigen Akteure compliant Nutzern dienen können, die es sich zuvor nicht leisten konnten.
#newt $NEWT @NewtonProtocol
Bei genauerem Hinsehen wirkt die Credential-Portabilität von @NewtonProtocol weniger wie eine Identitätsfunktion und mehr wie eine Möglichkeit, die Wirtschaftlichkeit der Compliance zu verändern.
Portierbare Credentials senken wiederholte Verifizierungen, weil ein verifiziertes Credential in verschiedenen Anwendungen erneut vorgelegt werden kann, anstatt den Compliance-Prozess jedes Mal von vorn zu starten. Dadurch wird Verifizierung von wiederholten Betriebskosten zu einem wiederverwendbaren Compliance-Asset.
Benutzergehaltene Credentials verlagern Verifizierung von einem plattformgebundenen Prozess hin zu einem benutzerkontrollierten Credential, das in mehreren konformen Anwendungen vorgelegt werden kann.
Durch verifizierbare Policy-Durchsetzung können diese portierbaren Credentials automatisch anhand vordefinierter Regeln bewertet werden.
Wenn immer mehr Compliance-Entscheidungen maschinenverifizierbar werden, wird manuelle Prüfung eher zur Ausnahme als zur Regel — und senkt damit die operativen Kosten, um bei jedem zusätzlichen Nutzer die Onboarding-Aufwände zu tragen.
Die interessante Frage ist nicht, ob Credential-Portabilität technisch funktioniert.
Es geht darum, ob die Senkung der Grenzkosten für die Verifizierung jedes zusätzlichen Retail-Nutzers das Geschäftsmodell für restriktive Whitelists verändert. Wenn Ausschlüsse teilweise durch Verifizierungskosten und nicht nur durch Regulierung getrieben wurden, könnten sich diese Kosten ändern lassen und damit auch beeinflussen, wer Zugang bekommt.
Wenn immer mehr Compliance-Entscheidungen maschinenverifizierbar werden, könnte manuelle Prüfung eher zur Ausnahme statt zur Regel werden — vorausgesetzt, Institutionen vertrauen portierbaren Credentials genug, um sich in großem Maßstab auf sie verlassen zu können.
Das Kennmaß, das ich im Blick behalten würde, ist nicht die Anzahl der ausgestellten Credentials. Entscheidend ist, ob die durchschnittlichen Kosten für das Onboarding eines zusätzlichen konformen Nutzers so weit sinken, dass sich die Anreize der Aussteller entsprechend verändern.
Wenn es wirtschaftlich tragfähig wird, kleinere Teilnehmer zu bedienen, könnte Credential-Portabilität am Ende weniger deshalb wichtig sein, weil sie Credentials zwischen Anwendungen verschiebt, sondern vielmehr, weil sie die Wirtschaftlichkeit verändert, sodass überhaupt diejenigen Akteure compliant Nutzern dienen können, die es sich zuvor nicht leisten konnten.
#newt $NEWT @NewtonProtocol
Ich habe diese Idee schon eine Weile im Kopf—aber wie sich Krypto-Trading immer so anfühlt wie ein chaotisches Auswählen des kleineren Übels.
Du willst Geschwindigkeit und eine schmerzfreie Oberfläche? Klar—aber dann küss den eigenen Custody-Modus auf Wiedersehen. Du willst deine Keys selbst halten und wirklich dein Zeug besitzen? Dann mach dich bereit für klobige Interfaces, eine Million Wallets und ehrlich gesagt manchmal Gebühren, die keinen Sinn ergeben. Ich habe mich so an diese merkwürdige Wippe gewöhnt, dass es mir vorkam, als wäre das einfach so, wie die Dinge eben sind.
Aber dann bin ich heute auf @grvt_io gestoßen und ja—dieses hybride Setup hat mich tatsächlich innehalten lassen. In deren Doku ist davon die Rede, dir Self-Custody zu geben und gleichzeitig ein Trading-Erlebnis anzubieten, das eher „Binance“ ist als „lass mich mal zehn Minuten in MetaMask herumklicken“. „Sie bauen auf zkSync auf, ein ZK-basiertes Scaling-Ökosystem, mit dem ich zuvor schon experimentiert habe.“
Aber mein heißer Take: Es reicht nicht, einfach nur die Architektur zu bauen. Im Ernst, jede Menge „coole Tech“-Projekte sterben, weil echte Menschen einfach wollen, dass Sachen funktionieren. Du wirfst einen Neuling in dünne Liquidität, seltsame Registrierungen oder hässliche Fehlermeldungen—und zack, weg sind sie. Wen interessiert schon schicke Custody, wenn du nicht mal eine Order ausgefüllt bekommst oder die UI sich anfühlt wie 2017?
Die echte Einschränkung ist nicht, ob Hybrid-Architektur funktioniert—sondern ob Self-Custody neben tiefer Liquidität und wettbewerbsfähiger Ausführung existieren kann, denn Trader opfern selten die Qualität der Ausführung nur für eine bessere Architektur allein.
Während immer mehr Börsen mit selbstverwalteten und hybriden Modellen experimentieren, verschiebt sich der Wettbewerb von „wer die Gelder der Nutzer hält“ hin zu „wer das beste Trading-Erlebnis liefern kann, ohne Custody zu übernehmen“.
Nur heute habe ich gesehen, wie jemand auf Telegram einfach wütend abgebrochen hat, weil er nach einem Bridging-Stolperer nicht herausfinden konnte, wohin seine Coins verschwunden sind. Ich verstehe das. Wir waren alle schon mal an so einem Punkt.
Also ja—vielleicht sind hybride Börsen die Zukunft, aber es kommt darauf an, ob sie das echte UX im Alltag wirklich hinbekommen. Wenn ich die Kontrolle behalten kann, ohne Geschwindigkeit zu verlieren oder hängen zu bleiben: super. Aber wenn es noch eine „fast da“-Plattform ist—dann bleiben die Leute nicht.
Was denkt ihr alle: Geht es am Ende alles um Liquidität? Gutes Onboarding? Unkomplizierte Sicherheit? Für mich ist UX König. #grvt
Du willst Geschwindigkeit und eine schmerzfreie Oberfläche? Klar—aber dann küss den eigenen Custody-Modus auf Wiedersehen. Du willst deine Keys selbst halten und wirklich dein Zeug besitzen? Dann mach dich bereit für klobige Interfaces, eine Million Wallets und ehrlich gesagt manchmal Gebühren, die keinen Sinn ergeben. Ich habe mich so an diese merkwürdige Wippe gewöhnt, dass es mir vorkam, als wäre das einfach so, wie die Dinge eben sind.
Aber dann bin ich heute auf @grvt_io gestoßen und ja—dieses hybride Setup hat mich tatsächlich innehalten lassen. In deren Doku ist davon die Rede, dir Self-Custody zu geben und gleichzeitig ein Trading-Erlebnis anzubieten, das eher „Binance“ ist als „lass mich mal zehn Minuten in MetaMask herumklicken“. „Sie bauen auf zkSync auf, ein ZK-basiertes Scaling-Ökosystem, mit dem ich zuvor schon experimentiert habe.“
Aber mein heißer Take: Es reicht nicht, einfach nur die Architektur zu bauen. Im Ernst, jede Menge „coole Tech“-Projekte sterben, weil echte Menschen einfach wollen, dass Sachen funktionieren. Du wirfst einen Neuling in dünne Liquidität, seltsame Registrierungen oder hässliche Fehlermeldungen—und zack, weg sind sie. Wen interessiert schon schicke Custody, wenn du nicht mal eine Order ausgefüllt bekommst oder die UI sich anfühlt wie 2017?
Die echte Einschränkung ist nicht, ob Hybrid-Architektur funktioniert—sondern ob Self-Custody neben tiefer Liquidität und wettbewerbsfähiger Ausführung existieren kann, denn Trader opfern selten die Qualität der Ausführung nur für eine bessere Architektur allein.
Während immer mehr Börsen mit selbstverwalteten und hybriden Modellen experimentieren, verschiebt sich der Wettbewerb von „wer die Gelder der Nutzer hält“ hin zu „wer das beste Trading-Erlebnis liefern kann, ohne Custody zu übernehmen“.
Nur heute habe ich gesehen, wie jemand auf Telegram einfach wütend abgebrochen hat, weil er nach einem Bridging-Stolperer nicht herausfinden konnte, wohin seine Coins verschwunden sind. Ich verstehe das. Wir waren alle schon mal an so einem Punkt.
Also ja—vielleicht sind hybride Börsen die Zukunft, aber es kommt darauf an, ob sie das echte UX im Alltag wirklich hinbekommen. Wenn ich die Kontrolle behalten kann, ohne Geschwindigkeit zu verlieren oder hängen zu bleiben: super. Aber wenn es noch eine „fast da“-Plattform ist—dann bleiben die Leute nicht.
Was denkt ihr alle: Geht es am Ende alles um Liquidität? Gutes Onboarding? Unkomplizierte Sicherheit? Für mich ist UX König. #grvt
Verifiziert
Ich habe letzte Woche damit verbracht, Newtons Whitepaper zu lesen. Eine Annahme begann sich anders anzufühlen
Letzte Woche habe ich über institutionelle DeFi-Infrastruktur gelesen, und ein Muster tauchte immer wieder auf: Compliance in öffentliche Märkte zu bringen bedeutete oft, separate Ausführungsumgebungen zu schaffen. Berechtigte Pools, private Ausführungsumgebungen und KYC-nur-Angebote erfüllen regulatorische Anforderungen, indem sie Kapital über voneinander isolierte Märkte aufteilen.
Darum hat mich Abschnitt 11 im Whitepaper von @NewtonProtocol angesprochen. Newton akzeptiert den Zielkonflikt nicht einfach—das Unternehmen hinterfragt die Annahme dahinter.
Das Modell „Public Liquidity, Private Execution“ hält die Liquidität auf öffentlichen, komponierbaren Rails, während Compliance, Identitätsprüfung und Risikobewertung in eine private, vordefinierte Vor-Settlement-Schicht verlagert werden. Unabhängige Operatoren bewerten diese Richtlinien, erstellen eine BLS-signierte Bestätigung (Attestation), und der öffentliche Smart Contract setzt erst dann ab, nachdem er die Bestätigung verifiziert hat.
Was mir besonders auffiel: Die eigentliche Innovation ist nicht die private Ausführung an sich—sondern die Trennung von Compliance von der Liquidität.
Die Konsequenz ist, dass Compliance möglicherweise nicht definieren muss, wo die Liquidität „lebt“, sondern nur, ob eine Transaktion abgerechnet (settled) werden kann. Das soll es Institutionen und permissionlosen Nutzern ermöglichen, aus derselben öffentlichen Liquidität zu schöpfen, dabei aber unterschiedliche Autorisierungsanforderungen einzuhalten.
Der Zielkonflikt ist ebenso wichtig. Wenn man die Fragmentierung der Liquidität reduziert, verlagert man mehr Verantwortung auf die Bewertung von Richtlinien und den Attestation-Prozess außerhalb der Kette. Ob Institutionen mit diesem Wandel einverstanden sind, entscheidet letztlich darüber, ob das Modell erfolgreich ist.
Wenn eine transaktionsbezogene Autorisierung die Anforderungen von Institutionen erfüllen kann: Wird permissionierte Liquidität dann irgendwann überflüssig, oder werden manche Märkte immer isoliert bleiben?
#newt $NEWT @NewtonProtocol
Letzte Woche habe ich über institutionelle DeFi-Infrastruktur gelesen, und ein Muster tauchte immer wieder auf: Compliance in öffentliche Märkte zu bringen bedeutete oft, separate Ausführungsumgebungen zu schaffen. Berechtigte Pools, private Ausführungsumgebungen und KYC-nur-Angebote erfüllen regulatorische Anforderungen, indem sie Kapital über voneinander isolierte Märkte aufteilen.
Darum hat mich Abschnitt 11 im Whitepaper von @NewtonProtocol angesprochen. Newton akzeptiert den Zielkonflikt nicht einfach—das Unternehmen hinterfragt die Annahme dahinter.
Das Modell „Public Liquidity, Private Execution“ hält die Liquidität auf öffentlichen, komponierbaren Rails, während Compliance, Identitätsprüfung und Risikobewertung in eine private, vordefinierte Vor-Settlement-Schicht verlagert werden. Unabhängige Operatoren bewerten diese Richtlinien, erstellen eine BLS-signierte Bestätigung (Attestation), und der öffentliche Smart Contract setzt erst dann ab, nachdem er die Bestätigung verifiziert hat.
Was mir besonders auffiel: Die eigentliche Innovation ist nicht die private Ausführung an sich—sondern die Trennung von Compliance von der Liquidität.
Die Konsequenz ist, dass Compliance möglicherweise nicht definieren muss, wo die Liquidität „lebt“, sondern nur, ob eine Transaktion abgerechnet (settled) werden kann. Das soll es Institutionen und permissionlosen Nutzern ermöglichen, aus derselben öffentlichen Liquidität zu schöpfen, dabei aber unterschiedliche Autorisierungsanforderungen einzuhalten.
Der Zielkonflikt ist ebenso wichtig. Wenn man die Fragmentierung der Liquidität reduziert, verlagert man mehr Verantwortung auf die Bewertung von Richtlinien und den Attestation-Prozess außerhalb der Kette. Ob Institutionen mit diesem Wandel einverstanden sind, entscheidet letztlich darüber, ob das Modell erfolgreich ist.
Wenn eine transaktionsbezogene Autorisierung die Anforderungen von Institutionen erfüllen kann: Wird permissionierte Liquidität dann irgendwann überflüssig, oder werden manche Märkte immer isoliert bleiben?
#newt $NEWT @NewtonProtocol
Während ich mir @NewtonProtocol ansah, stellte ich weniger die Frage in den Mittelpunkt, ob einzelne Komponenten überprüft wurden, und mehr, wie sie miteinander verknüpft sind.
Newton hebt Prüfungen der Token-, Staking- und Airdrop-Contracts hervor, während SP1 von @Succint eine starke Historie unabhängiger Audits hat.
Aber hier gibt es eine Nuance: Newton sagt auch, dass Audits für die verifizierbare Agent-Execution und die Core-Infrastruktur noch laufen, während wir uns auf einen breiteren Production-Launch vorbereiten. Diese Unterscheidung ist wichtig — SP1 mag eine starke Audit-Historie haben (und ich vertraue ihm darauf), aber wie steht es mit dem Code in Newton, der sich in dieses System integriert?
Diese Komponenten für verifizierbare Agent-Execution und die Core-Infrastruktur sind protokollspezifisch. Ein SP1-Audit deckt Newtons Implementierung nicht automatisch ab — einschließlich Policy-Logik, Berechtigungen, Session-Keys oder auch der Art und Weise, wie diese die generierte Proof beeinflussen.
In der Dokumentation von Newton wird außerdem SP1 erwähnt, ohne die Version zu spezifizieren, was relevant ist, weil sich Beweissysteme architektonisch unterscheiden können.
Der Zeitpunkt ist entscheidend, denn in dieser Phase wandern Sicherheitsannahmen von der Dokumentation in die reale Nutzung. Während KI-Execution-Systeme näher daran kommen, bedeutende Kapitalflüsse zu handhaben. Aber die tiefere Frage ist, wo die Sicherheitsgrenze tatsächlich endet.
Wenn einem Agenten über das Policy-System von Newton eine Berechtigung erteilt wird und diese Entscheidung über SP1 nachgewiesen wird, ist die entscheidende Annahme nicht nur, ob SP1 einen gültigen Proof erzeugt — sondern ob die nachgewiesene Policy-Entscheidung auch die richtige war.
Das Risiko besteht darin, dass ein einwandfrei funktionierendes Beweissystem einen falschen Authorization-Pfad validieren kann und damit das Vertrauensversagen skaliert — entsprechend dem Kapital, das der Agent kontrolliert.
Die offene Frage ist: Wann wird aus dem Vertrauen in eine auditiere Komponente auch Vertrauen in den gesamten Ausführungspfad?
Denn in autonomen Systemen kann die schwächste Vertrauensannahme nicht die Primitive selbst sein — sondern die Logik, die entscheidet, wann und wie diese Primitive handeln darf.
#newt $NEWT @NewtonProtocol
Newton hebt Prüfungen der Token-, Staking- und Airdrop-Contracts hervor, während SP1 von @Succint eine starke Historie unabhängiger Audits hat.
Aber hier gibt es eine Nuance: Newton sagt auch, dass Audits für die verifizierbare Agent-Execution und die Core-Infrastruktur noch laufen, während wir uns auf einen breiteren Production-Launch vorbereiten. Diese Unterscheidung ist wichtig — SP1 mag eine starke Audit-Historie haben (und ich vertraue ihm darauf), aber wie steht es mit dem Code in Newton, der sich in dieses System integriert?
Diese Komponenten für verifizierbare Agent-Execution und die Core-Infrastruktur sind protokollspezifisch. Ein SP1-Audit deckt Newtons Implementierung nicht automatisch ab — einschließlich Policy-Logik, Berechtigungen, Session-Keys oder auch der Art und Weise, wie diese die generierte Proof beeinflussen.
In der Dokumentation von Newton wird außerdem SP1 erwähnt, ohne die Version zu spezifizieren, was relevant ist, weil sich Beweissysteme architektonisch unterscheiden können.
Der Zeitpunkt ist entscheidend, denn in dieser Phase wandern Sicherheitsannahmen von der Dokumentation in die reale Nutzung. Während KI-Execution-Systeme näher daran kommen, bedeutende Kapitalflüsse zu handhaben. Aber die tiefere Frage ist, wo die Sicherheitsgrenze tatsächlich endet.
Wenn einem Agenten über das Policy-System von Newton eine Berechtigung erteilt wird und diese Entscheidung über SP1 nachgewiesen wird, ist die entscheidende Annahme nicht nur, ob SP1 einen gültigen Proof erzeugt — sondern ob die nachgewiesene Policy-Entscheidung auch die richtige war.
Das Risiko besteht darin, dass ein einwandfrei funktionierendes Beweissystem einen falschen Authorization-Pfad validieren kann und damit das Vertrauensversagen skaliert — entsprechend dem Kapital, das der Agent kontrolliert.
Die offene Frage ist: Wann wird aus dem Vertrauen in eine auditiere Komponente auch Vertrauen in den gesamten Ausführungspfad?
Denn in autonomen Systemen kann die schwächste Vertrauensannahme nicht die Primitive selbst sein — sondern die Logik, die entscheidet, wann und wie diese Primitive handeln darf.
#newt $NEWT @NewtonProtocol
Teilweise korrekt
Je mehr ich über autonome Agenten nachdenke, desto stärker sehe ich Latenz als Sicherheitsproblem
Das größte Risiko für autonome Agenten liegt möglicherweise nicht darin, die falsche Entscheidung zu treffen. Es könnte darin bestehen, nicht rechtzeitig die richtige Entscheidung abzuschließen, bevor sich der Markt bewegt.
Nettuns Design zeigt, wie ein Intent ausgewertet wird, bevor es zur Abrechnung kommt, wie Operatoren die Policy unabhängig ausführen und wie ihre Entscheidungen zu einer BLS-aggregierten Bestätigung zusammengeführt werden.
Was ich für leicht übersehbar halte, ist, warum die Policy-Sprache so entscheidend ist.
Während immer mehr Protokolle mit autonomen Agenten und maschinengeschwindiger Ausführung experimentieren, geht die Frage nicht nur darum, ob Policies korrekt sind—sondern ob jede Autorisierungsentscheidung abgeschlossen werden kann, bevor die Gelegenheit zu handeln verschwindet.
Newton vermeidet dieses Problem in der Autorisierung, indem es nicht zulässt, dass beliebige Programme an erster Stelle die Berechtigungslogik definieren. Policies werden in Rego geschrieben—einer deklarativen Sprache, in der Regeln anhand festgelegter Eingaben wie „input“, „data.params“ und „data.wasm“ ausgewertet werden.
Diese Vorhersehbarkeit ermöglicht es unabhängigen Operatoren, innerhalb eines begrenzten Entscheidungsprozesses dasselbe Autorisierungsergebnis zu bewerten und zu signieren.
Das verändert, wie ich „Pre-Settlement“ verstehe. Pre-Settlement ist nicht einfach nur eine schnellere Compliance-Pipeline. Es folgt daraus, dass ein Policy-Modell gewählt wird, in dem jeder Operator deterministisch dasselbe Ergebnis auswerten und signieren kann, bevor sich die Liquidität bewegt.
Der interessante Interessenskonflikt ist nicht die Geschwindigkeit. Es ist die Ausdrucksstärke. Ein Teil der Autorisierungslogik wird schwieriger—oder unmöglich—zu kodieren, sobald vorhersehbare Auswertungsgrenzen durch das Design erzwungen werden.
In autonomen Systemen kann eine korrekte Entscheidung, die zu spät eintrifft, zu einem falschen Ergebnis werden.
Das Design setzt darauf, dass jede Policy deterministisch genug bleibt, damit unabhängige Operatoren zur selben Entscheidung gelangen, bevor das Ausführungsfenster schließt.
Begrenzte Auswertung begrenzt die Policy-Komplexität. Die Frage ist, wie viel Ausdrucksstärke ein Protokoll opfern sollte, um sicherzustellen, dass Entscheidungen abgeschlossen sind, bevor sich die Liquidität bewegt.
#newt $NEWT @NewtonProtocol
Das größte Risiko für autonome Agenten liegt möglicherweise nicht darin, die falsche Entscheidung zu treffen. Es könnte darin bestehen, nicht rechtzeitig die richtige Entscheidung abzuschließen, bevor sich der Markt bewegt.
Nettuns Design zeigt, wie ein Intent ausgewertet wird, bevor es zur Abrechnung kommt, wie Operatoren die Policy unabhängig ausführen und wie ihre Entscheidungen zu einer BLS-aggregierten Bestätigung zusammengeführt werden.
Was ich für leicht übersehbar halte, ist, warum die Policy-Sprache so entscheidend ist.
Während immer mehr Protokolle mit autonomen Agenten und maschinengeschwindiger Ausführung experimentieren, geht die Frage nicht nur darum, ob Policies korrekt sind—sondern ob jede Autorisierungsentscheidung abgeschlossen werden kann, bevor die Gelegenheit zu handeln verschwindet.
Newton vermeidet dieses Problem in der Autorisierung, indem es nicht zulässt, dass beliebige Programme an erster Stelle die Berechtigungslogik definieren. Policies werden in Rego geschrieben—einer deklarativen Sprache, in der Regeln anhand festgelegter Eingaben wie „input“, „data.params“ und „data.wasm“ ausgewertet werden.
Diese Vorhersehbarkeit ermöglicht es unabhängigen Operatoren, innerhalb eines begrenzten Entscheidungsprozesses dasselbe Autorisierungsergebnis zu bewerten und zu signieren.
Das verändert, wie ich „Pre-Settlement“ verstehe. Pre-Settlement ist nicht einfach nur eine schnellere Compliance-Pipeline. Es folgt daraus, dass ein Policy-Modell gewählt wird, in dem jeder Operator deterministisch dasselbe Ergebnis auswerten und signieren kann, bevor sich die Liquidität bewegt.
Der interessante Interessenskonflikt ist nicht die Geschwindigkeit. Es ist die Ausdrucksstärke. Ein Teil der Autorisierungslogik wird schwieriger—oder unmöglich—zu kodieren, sobald vorhersehbare Auswertungsgrenzen durch das Design erzwungen werden.
In autonomen Systemen kann eine korrekte Entscheidung, die zu spät eintrifft, zu einem falschen Ergebnis werden.
Das Design setzt darauf, dass jede Policy deterministisch genug bleibt, damit unabhängige Operatoren zur selben Entscheidung gelangen, bevor das Ausführungsfenster schließt.
Begrenzte Auswertung begrenzt die Policy-Komplexität. Die Frage ist, wie viel Ausdrucksstärke ein Protokoll opfern sollte, um sicherzustellen, dass Entscheidungen abgeschlossen sind, bevor sich die Liquidität bewegt.
#newt $NEWT @NewtonProtocol
Anmelden und weiter Inhalte entdecken