Edição Spotlight #13: Dois Projetos Chamando Minha Atenção
A maioria dos traders nunca para para perguntar como um preço realmente existe.
Aparece simplesmente. Você atualiza um gráfico, uma figura aparece, você faz uma negociação. Fim do pensamento. Mas essa figura não é mágica. É a saída final de feeds de dados, incentivos econômicos, intermediários, camadas de verificação, checagens criptográficas e suposições humanas todas costuradas juntas. Se qualquer link quebrar, o dano se espalha rapidamente. Dados ruins acionam vendas forçadas. O atraso cria presas fáceis. A corrupção transforma a descoberta de preços em teatro.
É por isso que o foco desta semana não são ciclos de hype ou setores brilhantes.
É a infraestrutura subjacente aos mercados. O que ninguém elogia quando funciona, e todos culpam quando não funciona.
Começaremos com a fundação confiável, depois mudaremos para a jogada de alto risco.
Ativo em Foco: Pyth Network (PYTH)
Em sua essência, a Pyth está abordando um problema que precede totalmente o blockchain.
Dados de mercado são um negócio massivo, aproximadamente um ecossistema de $50 bilhões construído sobre redistribuição. As negociações acontecem em bolsas. Provedores de dados as coletam. Agregadores as remodelam. Distribuidores empacotam o resultado. As instituições então pagam múltiplos pedágios para acessar informações que se originaram a montante.
A Pyth ignora essa estrutura.
Em vez de comprar dados de intermediários, ela obtém preços diretamente da fonte. Empresas de trading, bolsas e formadores de mercado publicam dados diretamente na rede. Existem mais de 128 contribuintes, incluindo empresas como Jane Street, Cboe e Binance. Essas entradas são combinadas dentro da Pyth, verificadas por meio de assinaturas criptográficas e, em seguida, entregues a mais de 100 blockchains em quase tempo real.
Essa abordagem redefine dois fundamentos ao mesmo tempo: quem paga e quem decide.
Hoje, a Pyth fornece mais de 2.800 feeds de preços ao vivo abrangendo cripto, ações, câmbio, commodities e até mesmo pontos de dados macroeconômicos. Somente as ações representam quase 60% dos feeds ativos, o que torna uma coisa clara. Isso ultrapassou a condição de ser apenas um oráculo DeFi. Está se posicionando como uma camada de dados financeiros mais ampla.
E isso não é uma adoção teórica.
No Q4, a rede lidou com aproximadamente 886.700 atualizações de preços por dia, representando mais de 31% de crescimento em comparação com o trimestre anterior. O total de atualizações agora ultrapassou 900 milhões. Esse nível de atividade sinaliza uso sustentado, com aplicações reais puxando continuamente preços verificados onchain, em vez de infraestrutura parada.
O mercado ainda tende a se fixar na TVS, ou valor total garantido, mesmo que tenha caído no Q4 junto com a queda mais ampla. A TVS da Pyth caiu de $6,2 bilhões para $4,2 bilhões, o que à primeira vista pode parecer uma relevância encolhida.
O problema é que a TVS não revela quem está realmente confiando no oráculo. A atividade de transação sim.
Por volume total negociado, a Pyth suporta cerca de 60% dos mercados de derivativos DeFi, com o TTV mensal frequentemente excedendo $100 bilhões ao longo de 2025. O trading de derivativos não pode funcionar com preços atrasados ou imprecisos. Quando os dados falham, os protocolos sofrem perdas imediatamente. Capturar essa parte do volume não é uma coincidência.
A mudança institucional
A mudança mais notável não está acontecendo dentro do DeFi em si.
Está acontecendo com a Pyth Pro.
Lançado em setembro, o produto fornece atualizações em nível de milissegundo em mais de 2.800 feeds de dados, com preço de $10.000 por mês para clientes institucionais. Dentro do seu primeiro mês, superou $1 milhão em receita recorrente anual. No Q4, a receita alcançou $352.600, e o ano fechou com 54 assinantes pagantes.
Mas a importância vai além da renda de assinatura.
O que importa é que as empresas que originalmente contribuíram dados para a Pyth começaram a assinar para consumir esses mesmos dados. Editoras se tornaram clientes.
Isso reverte o pipeline de dados tradicional. Em vez de protocolos de criptomoeda obtendo preços de provedores de dados financeiros legados, as instituições agora estão considerando a distribuição nativa de blockchain como uma alternativa viável aos terminais legados agrupados.
Então a Reserva entrou em cena.
Em dezembro, o DAO autorizou a Reserva PYTH, alocando 33% da receita mensal do protocolo para recomprar PYTH diretamente do mercado aberto. A primeira recompra ocorreu em janeiro, totalizando aproximadamente 2,16 milhões de PYTH.
Por muito tempo, o papel da PYTH foi limitado à participação na governança e ao Staking de Integridade do Oráculo. Isso mudou. A receita gerada a partir de Core, Pro, Entropia e Express Relay agora flui para o tesouro do DAO, com um mecanismo claramente definido que alimenta valor de volta ao próprio token.
Essa é uma mudança significativa.
A atividade do mercado agora está ligada à receita real, não a emissões de tokens ou incentivos.
Onde as coisas estão hoje, perguntas permanecem.
Ainda há pressão sobre a oferta.
A liderança da TVS no setor de oráculos não está estabelecida.
Entropia e Express Relay receberam menos foco no Q4.
E a maior incógnita é se a Pyth Pro pode realmente desafiar concorrentes de longa data em um mercado de dados dominado por fornecedores legados.
Mas para este Spotlight, a lição é simples.
A Pyth não é mais apenas um oráculo onchain.
Está evoluindo para uma espinha dorsal de dados financeiros globais que é construída nativamente sobre infraestrutura de blockchain.
Dados do setor público, como números do PIB e folhas de pagamento não agrícolas, já estão sendo publicados onchain por meio das integrações da Pyth. Plataformas de previsão regulamentadas, como a Kalshi, estão roteando conjuntos de dados compatíveis pela rede. As instituições não estão mais limitadas a um único papel. Elas estão contribuindo com dados e consumindo-os.
Nada disso promete um aumento imediato para o token.
O que isso cria é uma configuração rara entre ativos de infraestrutura, onde o uso pode ser rastreado, fluxos de receita estão se formando e recompra de tokens já está em movimento.
Isso não é um comércio orientado por narrativas.
É uma jogada de convicção de que a camada de dados abaixo dos mercados globais cresce em importância à medida que as finanças continuam a se mover onchain, e que a Pyth captura uma parte maior dessa infraestrutura do que o mercado atualmente precifica.
Foco especulativo: Lagrange (LA)
Alguns projetos usam o rótulo de IA para chamar a atenção.
Outros estão focados em validar a própria IA.
Lagrange se enquadra no segundo grupo, e isso é o que o torna uma aposta de alto risco.
Em um nível fundamental, Lagrange não está criando outro mercado de inferência ou vendendo acesso a computação. Seu foco está na verificação criptográfica da execução de IA. A pergunta que responde não é se uma saída parece boa, mas se o modelo foi executado exatamente como afirmado, usando as entradas corretas, enquanto mantém os dados subjacentes privados.
Esse framework de verificação é chamado de DeepProve.
Em 2025, a equipe mostrou provas de inferência de ponta a ponta completas para o GPT-2 e depois expandiu a compatibilidade para famílias de modelos mais recentes, como Gemma3. Esse marco é importante porque grande parte da narrativa zkML nunca vai além de demonstrações simplificadas. Provar a inferência para modelos de linguagem em larga escala opera em um nível totalmente diferente.
Eles não pararam por aí. O roadmap se expandiu para zk SNARKs dinâmicos, geração de provas incrementais, registros de patentes e pesquisas que atendem aos padrões acadêmicos de criptografia. Do ponto de vista técnico, esse trabalho é substancial.
O que torna LA tanto atraente quanto de alto risco, no entanto, é a direção que eles estão mirando.
Defesa.
Em 2025, Lagrange foi muito além da teoria.
DeepProve foi integrado no pipeline de demonstração Lattice da Anduril, onde provas de conhecimento zero foram anexadas a saídas de decisão autônomas. A equipe também entrou em ecossistemas de fornecedores ligados à General Dynamics, Raytheon, Lockheed Martin e aos ambientes de nuvem soberana da Oracle. Ao mesmo tempo, a DeepProve foi posicionada como uma camada de verificação para arquiteturas C4ISR, sistemas aéreos autônomos e comunicações seguras.
Isso não é uma narrativa do Web3.
Isso é proximidade à infraestrutura de defesa dos EUA.
Agora, é importante desacelerar.
Ser listado como fornecedor não é igual a ter contratos ativos. A listagem do Vulcan SOF explicitamente não indica implantação. Integrações de demonstração não são o mesmo que sistemas em uso ativo. Uma grande parte da tecnologia de defesa em estágio inicial existe na lacuna entre capacidade promissora e aquisição real.
Essa incerteza é onde o risco está.
Do lado da mecânica do token, LA é mais do que um ativo de governança.
A demanda pelo token está ligada à geração de provas. Clientes pagam para gerar provas. Provedores devem apostar LA para participar, com a aposta atuando como colateral de elegibilidade. A lógica econômica é simples. À medida que o volume de provas cresce, a demanda pelo token deve aumentar.
Até agora, a rede produziu milhões de inferências de IA e milhões de provas de conhecimento zero, o que aponta para um verdadeiro momentum técnico.
Ao mesmo tempo, os sinais de alerta são claros.
A propriedade do token é altamente concentrada, com um pequeno número de carteiras detendo a maior parte da oferta.
O número de detentores permanece baixo em relação à avaliação.
Desbloqueios de tokens começam a aplicar pressão a partir do meio do ano.
Os rendimentos de staking são altos o suficiente para atrair capital de curto prazo em vez de participantes de longo prazo.
Isso não é um ativo de infraestrutura de construção lenta como a Pyth.
Esta é uma exposição em fase inicial com ampla dispersão de resultados e forte influência de grandes apoiadores.
O Founders Fund investiu.
A Intel o apoiou por meio de seu acelerador.
A Nvidia o incluiu no programa Inception.
Essas relações explicam por que o token chegou rapidamente a bolsas de primeira linha. Elas não garantem resiliência a longo prazo.
A tese aqui não é que IA está na moda.
É muito mais específica.
Se sistemas de defesa e ambientes de nuvem soberana começarem a exigir verificação criptográfica da execução de IA como um requisito de conformidade, Lagrange está excepcionalmente bem posicionado.
Se esse requisito permanecer conceitual ou materializar-se mais lentamente do que as expectativas do mercado, LA se comporta como um ativo orientado por narrativas enfrentando pressão de desbloqueio.
Não há muito espaço entre esses resultados.
Por que isso se encaixa na categoria de alto risco
Lagrange está resolvendo um problema que faz sentido em um horizonte de vários anos.
O mercado, no entanto, precifica ativos em uma linha do tempo muito mais curta.
Esse desvio cria uma volatilidade aguda. A tecnologia é legítima. As integrações são tangíveis. A ambição é real. A história da IA verificável para casos de uso governamentais e de defesa é convincente.
Mas a realidade ainda se aplica. Os ciclos de aquisição se movem lentamente. A adoção empresarial leva tempo. E a mecânica de oferta de tokens é indiferente ao progresso da pesquisa. É por isso que LA está nesta categoria. O perfil de pagamento é assimétrico, tanto para cima quanto para baixo. Se a IA verificável se tornar uma infraestrutura padrão para sistemas críticos de missão, essa posição parecerá extremamente precoce.
Se não, ou se a adoção demorar, o mercado não permanecerá paciente.
Esse é o comércio. A Pyth já está embutida em sistemas ao vivo. Processa volume, monetiza dados e recicla ativamente receita em recompras de tokens. Não precisa de um evento de mudança de passo. Só precisa de execução contínua.
Lagrange não tem essa vantagem. Está mirando um resultado maior mais adiante no futuro. Se a IA verificável mudar de discussão para requisito, o timing parece favorável. Se não, torna-se mais um projeto ambicioso que avançou à frente de sua curva de adoção. Esse é o framework. Um ativo se acumula silenciosamente. O outro está tentando remodelar a trajetória.
Nomes diferentes na próxima semana. Mesmo objetivo. Separar substância de narrativas superficiais.