Datos: En las últimas 24 horas, se liquidaron 211 millones de dólares en todo el mercado; las posiciones largas liquidaron 95.995 millones de dólares y las posiciones cortas liquidaron 115 millones de dólares.
ChainCatcher informa, según datos de Coinglass, que en las últimas 24 horas se liquidaron posiciones por un total de 211 millones de dólares en todo el mercado, con liquidaciones de posiciones largas por 95.995 millones de dólares y de posiciones cortas por 115 millones de dólares. Entre ellas, las liquidaciones de posiciones largas de bitcoin alcanzaron los 12.5327 millones de dólares, mientras que las de posiciones cortas de bitcoin fueron de 26.3582 millones de dólares. En cuanto a ethereum, las liquidaciones de posiciones largas sumaron 18.6133 millones de dólares y las de posiciones cortas, 38.1217 millones de dólares.
Además, en las últimas 24 horas, un total de 117.004 personas en todo el mundo fueron liquidadas, siendo la mayor liquidación individual la registrada en Hyperliquid - BTC-USD, con un valor de 4.8934 millones de dólares.
Descargo de responsabilidad: El contenido de este artículo refleja únicamente la opinión del autor y no representa en modo alguno a la plataforma. Este artículo no se pretende servir de referencia para tomar decisiones de inversión.
También te puede gustar

Meta implementará su propio chip de IA en la primera mitad del próximo año, con el objetivo de reducir costos y disminuir la dependencia de Nvidia.
El tercer chip de IA desarrollado internamente por Meta, el MTIA 450, comenzará a ser usado en los centros de datos durante el primer semestre del próximo año, y se espera que la cuarta generación ingrese a los centros de datos hacia fines de 2027. Durante los próximos 12 meses, Meta se ha comprometido a desplegar chips propios con un consumo equivalente a más de 1 gigavatio. Yee Jiun Song, vicepresidente de ingeniería de Meta, afirmó que, en comparación con los productos entregados actualmente por Nvidia, los chips desarrollados por Meta tienen mayor eficiencia y menor consumo de energía al ejecutar modelos de IA.
