Tether 終止 CNH₮ 穩定幣發行,設定最終贖回截止日期

Live BTC News
XAUT-0.19%
KSM1.4%

Tether停止發行CNH₮穩定幣,設定2027年2月的贖回截止日期,原因包括需求低迷、策略轉變及結構化過渡指導流程。

Tether已宣布立即停止全球範圍內的CNH₮穩定幣發行。公司亦確認最終贖回截止日期為2027年2月。

荷蘭賭博管理局命令立即遵守

即日起,不再鑄造或發行新的CNH₮代幣。贖回服務將在Tether現行服務條款下暫時保持運作。

然而,Tether表示,贖回支援將在一年後結束。將在2027年2月截止日前發出提醒通知。

相關閱讀:Elemental Royalty提供Tether XAUT股息**

此決定基於市場情況的變化及持續有限的產品需求。根據Tether的說法,CNH₮的使用水平已不再符合運營資源的投入。

社群採用率、流動性強度與可持續性是Tether評估產品的指導原則。因此,資源將轉向具有更長期相關性的資產。

Tether重申,安全性、可靠性與創新是其主要優先事項。因此,使用率不足的代幣可能會經過結構化、透明的退市流程。

支持的區塊鏈上的CNH₮持有人被鼓勵盡快贖回持有量。在截止日期之前,贖回將按照正常合約條款進行。

此過渡類似於之前Tether產品的停產案例。過去的例子包括EUR₮的退役與遺留區塊鏈支援的撤回。

此外,像Omni和Kusama等平台也曾在過去逐步結束支援。這些早期的策略決策受到監管、技術和流動性因素的影響。

荷蘭當局指出社會與法律風險

Tether表示,CNH₮的贖回服務將持續到2027年2月,期間不會中斷。然而,持有人被敦促及時處理,以避免處理延遲。

公司將此舉視為更廣泛的運營優化措施的一部分。此外,管理層強調與全球數字資產需求變化趨勢保持一致。

穩定幣市場仍在變動中,競爭、監管與流動性動態升溫。因此,發行商傾向於根據可持續性與採用率指標來評估產品組合。

Tether重申其對基本穩定幣與代幣化基礎設施建設的承諾。此外,管理層強調透明度與負責任的產品管理原則。

由於CNH₮與離岸人民幣市場相關,活動相對較低。因此,合規、流動性與基礎設施的維持效率較低。

用戶被鼓勵檢查餘額、贖回選項及相關驗證要求。同時,Tether將通過官方渠道提供最新資訊與提醒。

結構化退市的做法旨在減少對客戶與合作夥伴的干擾。重要的是,直到公告的終止日期,贖回功能不會改變。

Tether感謝用戶的支持,並專注於其透明溝通的承諾。公司認為,在產品生命周期轉換期間,透明度仍然至關重要。

持有人必須在2027年2月前完成CNH₮的贖回,才能符合資格。之後,將不再提供贖回支援。

此階段性退出反映了全球穩定幣市場競爭格局與優先策略的變化。觀察者也在調整策略,專注於流動性與合規效率。目前,CNH₮用戶仍可按照現有條款進行贖回。

查看原文
免責聲明:本頁面資訊可能來自第三方,不代表 Gate 的觀點或意見。頁面顯示的內容僅供參考,不構成任何財務、投資或法律建議。Gate 對資訊的準確性、完整性不作保證,對因使用本資訊而產生的任何損失不承擔責任。虛擬資產投資屬高風險行為,價格波動劇烈,您可能損失全部投資本金。請充分了解相關風險,並根據自身財務狀況和風險承受能力謹慎決策。具體內容詳見聲明

相關文章

Tether 推出跨平台 BitNet LoRA 框架,用於在消費者設備上進行 AI 訓練

Tether的QVAC部門於2026年3月17日宣佈推出全球首個針對Microsoft BitNet模型(1位元LLM)的跨平台LoRA微調框架,使得十億參數AI訓練和推論能夠在消費級GPU和智慧型手機上進行。

CryptoPulse Elite7小時前

Tether 推出適用於智能手機和消費級 GPU 的人工智能訓練框架

Tether 推出了新的 AI 訓練框架,能夠在智能手機和非 Nvidia GPU 等消費設備上微調大型語言模型。該框架採用微軟的 BitNet 架構和 LoRA 技術,可顯著降低記憶體和計算成本,並支持各種芯片組。這一進展符合加密貨幣公司擴展到 AI 和計算基礎設施領域的趨勢。

Tap Chi Bitcoin8小時前

Gate日報(3月18日):SEC與CFTC明確多數代幣非證券;Tether推出AI新框架

比特幣價格在74,140美元附近震盪,美國SEC與CFTC發布新指南,指明多數加密貨幣不屬於證券,將為市場提供清晰指引。Tether推出AI微調框架。市場持續关注高利率及地緣政治對經濟的影響。

Market Whisper8小時前

AI 不再是科技巨頭專利!Tether 推 QVAC,人手一個 LLM 的時刻到了?

Tether 宣布其 AI 基礎設施 QVAC Fabric 推出全球首個支援跨平台的 BitNet LoRA 微調框架,實現大型語言模型在消費級硬體上訓練。此技術讓如智慧型手機等設備可完成模型微調,大幅降低 AI 開發成本,使 AI 去中心化,未來將能隨時隨地使用。

鏈新聞abmedia18小時前
留言
0/400
暫無留言