One thing I’ve learned from watching crypto markets is that being right about direction doesn’t automatically make a trade profitable.
Execution matters. Timing matters. And the way a strategy handles uncertainty matters even more.
That’s why @2FactorFinance caught my attention. The interesting side of systematic trading isn’t just generating signals, it’s building a framework where decisions follow a process instead of changing with every market move.
A strategy can look great on a chart and still struggle in live markets. Slippage, changing liquidity and unexpected volatility can turn a clean backtest into a completely different experience.
The real challenge is making the logic hold up when conditions stop being ideal. Consistency doesn’t come from predicting every move. It comes from having rules that still make sense when the market does something unexpected.
That’s the part of 2Factor I’m watching. Not just the numbers a strategy can produce, but the thinking behind how it operates.
points.2factor.finance/r/t6i…
1
5
149
One thing I find interesting about prediction markets is that creating a market should be just as accessible as trading one.
Most platforms focus on the trading side, but there's another layer people often overlook: who gets to decide what becomes a market in the first place?
That's where @Ultramint_xyz takes a different approach.
With Minty, you can turn a question into a market without going through the usual manual process. The agent helps structure the question, identify an official resolution source, and bring the market live.
But the more interesting part is the underlying infrastructure. Pricing, resolution, settlement and dispute handling all need to work together. A market isn't really useful just because people can trade on it. Participants also need clear rules and a reliable way to determine the outcome.
Built on base and powered by Fermah's Universal Resolution Engine, Ultramint is exploring a model where creators aren't just bringing attention to markets, they're actually building them and earning a share.
I think that creator side of prediction markets deserves more attention. It changes the role of the community from simply choosing YES or NO to deciding which questions are worth putting on-chain in the first place.
@ultramint_xyz
@fermah_xyz
@7wealthh
4
3
55
Polymarket vs. Kalshi
The battle for prediction markets is getting real. But beyond volume and market share, there's a deeper competition: who can verify outcomes more reliably and make settlement more trustworthy?
Liquidity brings users in, but reliable resolution is what gives a prediction market long term credibility.
That's where the real edge could be.
@ultramint_xyz
22
프라이버시에도 성능 문제가 있다. Primus는 이를 해결하려 한다.
Fully Homomorphic Encryption(FHE)은 강력한 가능성을 제시합니다.
데이터를 암호화된 상태로 유지하면서도 그 데이터에 대한 연산을 수행할 수 있다는 것입니다.
온체인 금융에서는 이러한 기술이 민감한 정보를 처리하는 방식을 바꿀 수 있습니다.
잔액과 송금 금액, 금융 거래 정보가 암호화된 상태에서도 네트워크가 필요한 연산을 수행할 수 있게 됩니다.
하지만 현실적인 문제가 하나 있습니다.
암호화 기술이 존재한다고 해서 시스템을 실제로 사용할 수 있는 것은 아닙니다.
암호화된 데이터를 처리하는 데 지나치게 오랜 시간이 걸리거나 고가의 하드웨어가 필요하다면, 이 기술은 연구 논문 속에서만 인상적인 성과로 남을 수 있습니다.
이것이 FHE가 직면한 가장 중요한 과제 중 하나입니다.
암호화된 연산에 숨겨진 비용
게이트 기반 FHE 시스템에서는 연산이 Boolean Circuit 형태로 표현됩니다.
여기서 특히 비용이 많이 드는 작업 중 하나가 Bootstrapping입니다.
이 과정은 누적된 노이즈를 제어하기 위해 암호문을 갱신하고, 이후에도 연산을 계속 수행할 수 있도록 합니다.
문제는 기존의 회로 평가 방식에서는 각각의 게이트를 개별적으로 처리해야 하는 경우가 많다는 점입니다.
간단한 64비트 금융 연산도 수천 개의 게이트로 변환될 수 있습니다.
각 게이트마다 별도의 Bootstrapping이 필요하다면 계산 비용은 빠르게 증가합니다.
암호학 자체가 제대로 작동하더라도, 연산을 구성하는 방식 때문에 전체 시스템이 비효율적으로 변할 수 있습니다.
Primus의 AutoHoG는 바로 이 문제에 접근합니다.
하나의 연산으로 더 많은 작업 수행하기
AutoHoG는 암호화된 로직이 평가되는 방식을 최적화하는 데 초점을 맞춥니다.
각 게이트를 하나씩 처리하는 대신, 여러 입력을 결합하고 여러 출력을 생성할 수 있는 맞춤형 Homomorphic Gate를 자동으로 설계하는 접근 방식입니다.
또한 회로 전체를 분석하는 과정도 포함합니다.
Primus에 따르면 AutoHoG는 표준 Verilog 설명을 입력받아 로직을 분석하고, 결합할 수 있는 연산 그룹을 찾아낸 뒤, 이를 맞춤형 게이트를 사용하는 회로로 다시 구성할 수 있습니다.
목표는 명확합니다.
비용이 큰 Bootstrapping 한 번으로 더 많은 유용한 연산을 처리하는 것입니다.
Primus는 자체 테스트 회로에서 기존의 게이트 단위 평가 방식과 비교해 최대 5.7배 낮은 지연 시간을 달성했다고 보고했습니다. 이 수치는 GPU 가속을 적용하기 전의 결과입니다.
중요한 점은 이러한 개선이 FHE의 기본 원리를 바꾼 결과가 아니라는 것입니다.
암호화된 연산을 구성하고 실행하는 방식을 개선한 결과입니다.
하드웨어 역시 중요하다
더 나은 알고리즘만으로는 충분하지 않습니다.
Primus는 이러한 연산의 규칙적인 구조에 맞춰 설계된 GPU 실행 엔진도 소개하고 있습니다.
이 구현은 부동소수점 FFT 연산 대신 정수 연산과 Number Theoretic Transform(NTT)을 활용합니다.
왜 이것이 중요할까요?
탈중앙화 시스템에서는 계산의 일관성이 중요합니다.
서로 다른 머신에서도 동일한 결과를 재현할 수 있어야 하기 때문입니다.
부동소수점 연산에서는 하드웨어에 따라 반올림 과정에서 작은 차이가 발생할 수 있습니다. 반면 정확한 정수 연산은 보다 결정론적인 계산 기반을 제공합니다.
Primus는 자체 운영자 테스트에서 독립적으로 스케줄링된 노드들 사이에 바이트 단위까지 동일한 암호문을 생성했다고 설명합니다.
또한 Primus는 NVIDIA RTX 5090 GPU 8개를 사용한 자체 벤치마크에서 다음과 같은 성능을 보고했습니다.
Bootstrapping 작업당 약 5밀리초
암호화된 64비트 잔액을 사용하는 Confidential Transfer 약 90밀리초
초당 210건 이상의 Confidential Transfer
GPU 8개 구성에서 단일 GPU 대비 약 8배의 처리량
이 수치들은 Primus가 자체 기술 스택을 통해 공개한 벤치마크 결과이며, 독립적으로 검증된 네트워크 전체의 성능을 보장하는 수치는 아닙니다.
Primus와 ZAN의 협력 역시 FHE 작업을 가속하기 위한 GPU 컴퓨팅의 중요성을 보여줍니다.
암호학적 가능성에서 실제 인프라로
이 개발에서 흥미로운 부분은 단순히 암호화된 송금이 더 빨라질 수 있다는 사실만이 아닙니다.
핵심은 그 뒤에 있는 엔지니어링 접근 방식입니다.
FHE의 성능은 여러 계층이 함께 작동해야 확보할 수 있습니다.
암호학적 구조, 회로 설계, 컴파일러, 메모리 접근 방식, 그리고 하드웨어 실행까지 모두 중요합니다.
한 계층만 개선한다고 해서 전체 시스템이 반드시 효율적으로 바뀌는 것은 아닙니다.
AutoHoG는 회로 수준에서 불필요한 연산을 줄이려 하고, GPU 가속은 최적화된 연산을 효율적으로 실행하도록 돕습니다.
Primus는 또한 이러한 계산 구조가 향후 FPGA와 ASIC 같은 전용 하드웨어에도 적합할 수 있다는 가능성을 제시하고 있습니다.
물론 유망한 벤치마크 결과와 대규모 실제 도입 사이에는 여전히 큰 차이가 있습니다.
실제 금융 애플리케이션에서는 네트워크 환경과 비용, 보안, 사용자 경험, 운영 안정성까지 고려해야 합니다.
하지만 여기서 얻을 수 있는 더 큰 교훈은 분명합니다.
기밀성을 갖춘 온체인 금융이 실제로 활용되려면, 프라이버시는 모든 것을 느리게 만드는 비싼 기능으로 남아서는 안 됩니다.
시스템의 성능을 설계하는 핵심 요소가 되어야 합니다.
그리고 앞으로 FHE의 발전은 암호학자뿐 아니라 컴파일러 엔지니어와 하드웨어 설계자들의 역할에도 크게 좌우될 것입니다.
@primus_labs
온체인에 기록된다는 이유로 급여까지 공개되어야 할까?
퍼블릭 블록체인은 거래의 투명성을 위해 설계되었습니다.
하지만 거래가 누군가의 급여를 나타낸다면, 이러한 투명성은 오히려 문제가 될 수 있습니다.
한 기업이 직원들에게 스테이블코인으로 급여를 지급한다고 가정해 보겠습니다. 모든 지급 내역은 온체인에 기록되므로 결제 사실을 확인하기 쉽습니다.
하지만 동시에 직원 개개인의 급여가 얼마인지, 보너스가 언제 지급되는지, 팀원 간 보상 수준에 어떤 차이가 있는지도 외부에 드러날 수 있습니다.
기업 입장에서는 단순한 개인정보 문제가 아닙니다. 경쟁사나 고객, 그리고 블록체인을 모니터링하는 누구에게나 민감한 인사 정보가 노출될 수 있습니다.
그렇다면 해결책은 무엇일까요?
단순히 급여 지급을 비공개로 만드는 것만으로는 충분하지 않습니다. 기업은 신뢰할 수 있는 지급 기록이 필요하고, 직원은 자신의 급여 정보를 확인할 수 있어야 하며, 재무팀은 모든 거래를 정확하게 대조하고 관리할 수 있어야 합니다.
서로 모순되는 것처럼 보이지만, 반드시 하나를 포기해야 하는 것은 아닙니다.
지급 검증과 급여 정보 공개를 분리하다
이것이 Primus Labs와 AllScale의 협업이 다루는 핵심 아이디어입니다.
두 팀의 Private Payroll 접근 방식은 Fully Homomorphic Encryption(FHE)을 활용해 급여 금액을 암호화하면서도 BNB Chain에서 지급 기록을 유지하는 것을 목표로 합니다.
2026년 9월 1일 완료된 초기 기술 검증에서는 가상의 직원과 샘플 급여 금액을 사용해 총 네 건의 지급을 테스트했습니다.
네 건 모두 온체인에 기록되었으며, 개별 급여 금액은 암호화된 상태로 유지되었습니다. 복호화 후 확인한 결과도 원래 급여 데이터와 일치했습니다.
Primus는 FHETransform을 제공해 급여 금액을 스마트 컨트랙트에 제출하기 전에 암호화합니다.
AllScale은 급여 지급 배치를 준비하고, 결제를 실행하며, 거래 내역을 대조하는 전체 급여 처리 과정을 담당합니다.
직원은 자신의 지갑으로 메시지에 서명해 개인 급여 정보를 확인할 수 있습니다. 단순히 급여 내역을 조회하기 위해 추가 온체인 거래를 발생시킬 필요도 없습니다.
프라이버시는 모든 것을 숨긴다는 뜻이 아니다
이 설계에서 중요한 차이점이 있습니다.
급여 금액은 암호화되지만, 지급 관계 자체가 완전히 숨겨지는 것은 아닙니다.
회사 지갑과 직원 지갑 주소, 거래 시각, 거래 건수, 트랜잭션 해시는 여전히 공개적으로 확인할 수 있습니다.
이 차이는 중요합니다.
기업은 직원의 보상 정보를 보호하고 싶지만, 동시에 재무 운영을 추적할 수 없는 상태로 만들고 싶지는 않습니다.
재무팀은 어떤 지급이 이루어졌는지, 언제 처리되었는지, 회계 기록과 어떻게 대조해야 하는지 알아야 합니다.
목표는 급여 지급을 보이지 않는 과정으로 만드는 것이 아닙니다.
공개할 필요가 없는 민감한 정보만 보호하는 것입니다.
물론 이번 기술 검증이 모든 문제를 해결한 것은 아닙니다.
온체인 기록만으로 특정 지갑이 실제 직원의 소유인지, 급여가 회사 정책을 준수하는지, 세금 및 고용 관련 의무가 모두 이행되었는지까지 증명할 수는 없습니다.
급여 금액의 기밀성을 확보하는 것은 하나의 문제를 해결하는 것이며, 전체적인 컴플라이언스 절차를 대체하지는 않습니다.
온체인 금융을 위한 실질적인 방향
급여 지급은 기관들이 블록체인을 도입할 때 왜 단순히 빠른 결제만으로는 충분하지 않은지를 보여주는 좋은 사례입니다.
기업에는 프라이버시가 필요하지만, 동시에 통제와 정산, 책임성도 필요합니다.
FHE는 민감한 금융 정보가 암호화된 상태에서도 관련 연산을 수행할 수 있도록 합니다. 이는 모든 거래를 공개하거나 완전히 숨기는 방식 중 하나를 선택해야 했던 기존 접근 방식과는 다른 가능성을 제시합니다.
Primus와 AllScale의 검증은 초기 기술 단계이며, 모든 기업의 급여 처리 요건이 이미 해결되었다는 의미는 아닙니다.
하지만 중요한 방향을 보여줍니다.
모든 민감한 정보를 대중에게 공개하지 않으면서도, 퍼블릭 블록체인에 금융 활동을 기록하고 검증할 수 있다는 것입니다.
온체인 금융의 미래는 모든 것을 공개하는 데 있지 않을지도 모릅니다.
어쩌면 진정한 발전은 필요한 정보가 필요한 사람에게만 공개되도록 만드는 데 있을 것입니다.
@primus_labs
Will SUI be above $0.75 at 12:00 PM ET on November 30, 2026? Yes at 50¢ on ULTRAMINT ultramint.xyz/m/will-sui-be-…
@ultramint_xyz
10
스냅샷과 증명은 다르다
스테이블코인의 기본 약속은 간단합니다. 발행된 토큰의 가치를 뒷받침하는 자산이 존재해야 한다는 것입니다.
하지만 그 자산이 여러 네트워크와 금융 프로토콜, 중앙화 거래소에 분산되어 있다면 이 약속을 검증하는 일은 훨씬 복잡해집니다.
블록체인 탐색기를 통해 공개 지갑에 보유된 자산을 확인할 수 있습니다. 잔액과 거래 내역, 온체인 프로토콜의 포지션도 살펴볼 수 있죠.
그렇다면 스테이블코인의 담보 자산 중 일부가 중앙화 거래소에 보관되어 있다면 어떨까요?
이러한 자산은 블록체인 탐색기만으로 확인할 수 없습니다.
이것이 오늘날 스테이블코인 인프라에서 발생하는 중요한 검증의 공백 중 하나입니다.
기존 Proof of Reserves의 한계
Proof of Reserves는 전통적으로 보고서, 감사 또는 정기적인 확인 절차에 의존해 왔습니다.
이러한 방식은 유용한 정보를 제공하지만, 대부분 특정 시점의 상태를 보여줍니다. 오늘 공개된 보고서가 확인해 주는 것은 검증이 이루어진 당시의 준비금 상태이지, 그 이후에도 계속 동일한 상태가 유지되고 있다는 사실은 아닙니다.
다양한 금융 전략을 사용하는 스테이블코인에서는 문제가 더 복잡해집니다.
일부 자산은 온체인에 보관되고, 다른 자산은 헤지 전략의 일부로 중앙화 거래소에 보유될 수 있습니다.
예를 들어 델타 중립 스테이블코인은 온체인 현물 자산과 중앙화 거래소의 숏 포지션을 결합해 가격 변동 위험을 줄일 수 있습니다.
온체인 자산은 직접 확인할 수 있습니다.
하지만 거래소에 보관된 자산은 다른 방식으로 검증해야 합니다.
중요한 것은 단순히 준비금의 총액을 계산하는 일이 아닙니다. 실제 잔액인지, 데이터가 올바른 출처에서 가져왔는지, 최종 계산이 정확한지 증명해야 합니다.
동시에 모든 계좌 정보를 공개하면 민감한 운영 정보가 노출될 수 있습니다.
보고서에서 암호학적 검증으로
여기서 암호학적 Proof of Reserves가 새로운 접근 방식을 제시합니다.
단순히 보고서에 의존하는 대신, 외부 금융 플랫폼에서 가져온 데이터의 진위를 검증할 수 있습니다.
Primus는 zkTLS를 통해 중앙화 거래소에서 가져온 데이터를 인증합니다. TEE(신뢰할 수 있는 실행 환경)는 민감한 정보가 처리되는 동안 이를 보호할 수 있으며, Brevis의 Pico zkVM은 준비금 집계 계산이 올바르게 수행되었음을 증명하는 암호학적 증명을 생성할 수 있습니다.
결과적으로 투명성의 개념도 달라집니다.
계좌의 모든 정보를 공개할 필요는 없습니다. 중요한 것은 보고된 준비금 수치가 실제 데이터와 올바른 계산을 기반으로 검증될 수 있다는 점입니다.
이렇게 하면 투명성과 불필요한 정보 공개를 분리할 수 있습니다.
실제 사례: USDu
대표적인 사례 중 하나가 Unitas가 개발한 델타 중립 스테이블코인 USDu입니다.
USDu의 준비금 구조에는 온체인 포지션과 중앙화 거래소에 보관된 자산이 모두 포함됩니다. 따라서 기존의 온체인 투명성만으로는 전체 준비금 상황을 확인하기 어렵다는 점을 보여주는 좋은 사례입니다.
Unitas, Primus, Brevis가 개발한 Proof of Reserves 인프라는 이러한 준비금의 양쪽을 모두 검증하는 것을 목표로 합니다.
Primus는 zkTLS를 통해 외부 거래소 데이터를 인증합니다. 안전한 처리 환경은 민감한 정보를 보호하고, Brevis의 Pico zkVM은 준비금 계산이 올바르게 수행되었음을 암호학적으로 증명합니다.
총 준비금, 토큰 공급량, 담보 비율 등의 정보는 지속적으로 업데이트되는 공개 대시보드를 통해 확인할 수 있습니다.
이는 스테이블코인의 담보를 평가하는 방식에 의미 있는 변화를 가져옵니다.
단순히 준비금이 존재한다는 발표를 읽는 대신, 공개된 수치가 실제 데이터에 기반하고 있음을 검증할 수 있도록 설계된 시스템을 확인할 수 있기 때문입니다.
모든 것을 공개하지 않고도 투명할 수 있다
Proof of Reserves의 목적은 모든 계좌, 거래 포지션, 운영 세부 정보를 공개하는 것이 아닙니다.
금융 상품을 뒷받침하는 자산이 실제로 존재하고, 공개된 계산 결과가 정확하다는 것을 확인할 수 있는 충분한 검증 가능한 증거를 제공하는 것이 핵심입니다.
이러한 구분은 스테이블코인의 금융 전략이 복잡해질수록 더욱 중요해집니다.
공개 보고서는 발행자가 무엇을 주장하는지 알려줍니다.
암호학적 증명은 그 주장이 어떻게 만들어졌는지 검증할 수 있는 방법을 제공합니다.
두 가지가 반드시 같은 것은 아닙니다.
금융 투명성은 이제 보고서를 공개하는 데서 그치지 않고, 누구나 독립적으로 검증할 수 있는 시스템으로 발전하고 있습니다.
Primus Labs는 검증된 오프체인 데이터와 프라이버시를 보호하면서 검증 가능한 연산을 연결하는 인프라를 개발하고 있습니다.
스테이블코인에 있어 중요한 질문은 더 이상 준비금 보고서가 공개되었는지 여부만이 아닙니다.
일부 자산이 블록체인 밖에 존재하더라도 그 담보를 지속적으로 검증할 수 있는가?
바로 이 지점에서 암호학적 Proof of Reserves는 기존 방식과 근본적으로 다른 가능성을 보여줍니다.
@primus_labs
3
26
1,428
AI 에이전트에게 필요한 건 지능만이 아니다. 증거도 필요하다.
인공지능은 이제 단순히 질문에 답하는 단계를 넘어서고 있습니다.
앞으로의 AI 시스템은 금융 플랫폼과 직접 상호작용하고, 거래를 실행하고, 다양한 기회를 평가하며, 점점 더 적은 사람의 개입으로 스스로 판단하고 행동하게 될 것입니다.
하지만 AI가 더 많은 자율성을 갖게 될수록 한 가지 근본적인 문제가 더욱 중요해집니다.
우리가 그 판단을 신뢰할 수 있는지, 그리고 그 판단의 근거가 무엇인지 어떻게 확인할 수 있을까요?
AI 에이전트는 시장 상황을 분석하고, 금융 데이터를 비교하거나, 특정 사건이 실제로 발생했는지 판단할 수 있습니다.
하지만 아무리 뛰어난 모델이라도 잘못된 데이터, 오래된 정보, 조작된 자료, 맥락에서 벗어난 정보를 입력받으면 잘못된 결론을 내릴 수 있습니다.
이것은 단순한 AI의 문제가 아닙니다. 데이터의 신뢰성과 무결성에 관한 문제입니다.
예를 들어 예측 시장에서 활동하는 AI 에이전트를 생각해 봅시다. 특정 시장의 결과를 판단하기 위해 외부에서 증거를 수집해야 합니다.
뉴스 기사를 읽고, 공식 웹사이트를 확인하고, 금융 정보를 가져오고, 여러 출처를 비교할 수 있습니다.
그런데 수집한 정보가 실제로 주장된 출처에서 나온 것인지 어떻게 확인할 수 있을까요?
실제 웹 데이터와 조작된 콘텐츠, 가짜 스크린샷, 또는 전달 과정에서 변조된 정보를 어떻게 구분할 수 있을까요?
자율 시스템에서는 AI의 해석을 믿는 것만으로 충분하지 않습니다. 그 판단의 근거가 되는 증거 자체도 검증할 수 있어야 합니다.
여기서 암호화 기술을 활용한 검증이 중요해집니다.
zkTLS와 같은 기술은 실제 웹 연결을 통해 얻은 정보의 진위를 확인하는 데 도움을 줄 수 있습니다.
단순히 AI가 얼마나 똑똑한지 증명하려는 것이 아닙니다.
AI가 판단에 사용한 정보가 어디에서 왔으며, 신뢰할 수 있는 데이터인지 확인할 수 있도록 하는 것입니다.
AI 에이전트가 금융 거래처럼 실제 경제적 결과를 가져오는 행동을 수행하게 될수록 이러한 검증은 더욱 중요해질 것입니다.
예측 시장 역시 AI의 정보 해석 능력에만 의존해서는 안 됩니다. 판단의 근거가 되는 증거가 실제로 신뢰할 수 있는지 확인할 수 있는 방법이 필요합니다.
이것이 Primus Labs와 Cournot Protocol이 함께 다루고 있는 문제입니다.
이들의 접근 방식은 암호학적으로 검증된 웹 데이터와 AI 기반 증거 분석을 연결합니다. Primus는 zkTLS를 통해 외부 데이터의 진위를 검증하고, 이를 기반으로 시스템은 해당 증거를 분석해 구조화된 결과를 도출할 수 있습니다.
흥미로운 점은 두 기술이 서로의 역할을 대신하는 것이 아니라 보완한다는 것입니다.
AI는 복잡한 정보를 해석할 수 있습니다.
암호화 기술은 그 정보가 어디에서 왔는지 검증하는 데 도움을 줍니다.
어느 하나가 다른 하나를 대체하는 것은 아닙니다.
AI 에이전트가 더 자율적으로 발전할수록, 중요한 질문은 단순히 얼마나 잘 추론할 수 있는지가 아닐지도 모릅니다.
그 판단의 근거가 되는 정보가 독립적으로 검증 가능한지 여부가 더 중요해질 수 있습니다.
신뢰할 수 있는 증거가 없는 지능은 여전히 확신에 찬 오류를 만들어낼 수 있습니다.
그리고 기계가 점점 더 많은 결정을 대신 내리는 세상에서, 증거를 검증할 수 있는 능력은 지능 자체만큼 중요해질 것입니다.
@PrimusLabs
Bitbox50 FrAI (❖,❖) retweeted
PlunderPort waitlist is LIVE 🏴☠️
💎 1,024 Genesis free mint NFTs
💰 $10,000 waitlist prize pool for early access
🏆 $100,000 prize pool for Season 0
Build your island. Command your fleet. Battle other pirates. Hunt for treasure.
Join free at now👇
plunderport.fun/early-access






