Binance Square
LIVE
LIVE
币海先知
--923 views
Translate
#比特币减半 #btchalving2024 之前每次比特币减半都会迎来史诗级的大回调,较之前高点回调50%,激起币圈的腥风血雨,把整个市场调成一片红色的海洋, 而这次减半的前奏,却隐隐与之前的“山雨欲来风满楼“有些不同。比特币ETF过了,贝莱德入场了,我觉得腰斩的可能性不大。 特别是,比特币在月线图上又回到了黄金分割比例。在之前每个周期中,到达黄金分割比例就进入抛物线式的增长,而这次的的黄金比例发生在减半之前。 建议近期不要开合约,拿好现货。

#比特币减半 #btchalving2024

之前每次比特币减半都会迎来史诗级的大回调,较之前高点回调50%,激起币圈的腥风血雨,把整个市场调成一片红色的海洋,

而这次减半的前奏,却隐隐与之前的“山雨欲来风满楼“有些不同。比特币ETF过了,贝莱德入场了,我觉得腰斩的可能性不大。

特别是,比特币在月线图上又回到了黄金分割比例。在之前每个周期中,到达黄金分割比例就进入抛物线式的增长,而这次的的黄金比例发生在减半之前。

建议近期不要开合约,拿好现货。

Disclaimer: Includes third-party opinions. No financial advice. See T&Cs.
0
Relevant Creator
LIVE
@TokenDetector

Explore More From Creator

--
Omni Network ( #OMNI ) 是第 1 层区块链,旨在将以太坊的汇总生态系统集成到一个统一的系统中。 使用 Omni,开发人员可以构建本地全局应用程序,默认情况下可以访问所有以太坊的流动性和用户。   该项目已通过两轮私募代币销售筹集了 1800万美元,分别是 OMNI 代币总供应量的 9.1% 以 0.18 美元/OMNI(种子轮)的价格出售,以及OMNI 代币总供应量的 11% 以 0.18 美元/OMNI(种子轮)的价格出售。 1.50 美元/OMNI(A 轮),占私募轮中出售的 OMNI 代币总供应量的 20.1%。   截至 2024 年 4 月 12 日,OMNI 的总供应量为 100,000,000,上市后的流通供应量约为 10,391,492(约占代币总供应量的 10.39%)。 代币经济模型:如图 近期Binance上线项目: $ENA 融资21.5M美元,上线市值6亿。 $SAGA 融资11.5M美元,上线市值5亿。 $ETHFI 融资32.3M美元,上线市值5亿。 可推测Binance Launchpad对项目上线市值基本要求存在管控,大致需要满足5亿流通市值要求。即Omni上线价格预测为50美元一个。 而项目上线后走势与赛道市场等诸多元素相关,Omni Network 是一个基于以太坊的集成汇总层,设计目标是通过统一的框架允许开发人员跨各种以太坊扩展解决方案构建应用程序。其关键技术特点为:   1. 双重质押模型:Omni 是一个权益证明(Proof of Stake, PoS)网络,安全性由两种类型的质押支持:重新质押的 #ETH 和 OMNI 代币。这种结构增加了网络的安全性和稳定性。   2. 亚秒级验证:Omni 网络使用名为 CometBFT 的共识算法快速处理交易和跨汇总消息。这种共识机制配合交易预确认和保险机制,可以实现亚秒级的交易最终确定性。   3. 多样化的汇总支持:Omni 设计了一种灵活的架构,最小化了与不同汇总解决方案的集成要求。它能与任何汇总虚拟机、编程语言和数据可用性架构兼容。   4. 向后兼容性:Omni 允许现有的以太坊应用程序无需对智能合约进行修改,就可以集成到 Omni 网络。开发者可以简单地修改前端代码来通过 Omni 发送跨汇总消息。   5. 模块化节点架构:Omni 的节点架构(Octane)是围绕以太坊引擎 API 设计的,这种设计分离了每个节点的共识和执行环境,并使节点能够使用现有的以太坊执行客户端。   6. 集成共识:Omni 的验证器使用 CometBFT 共识和 ABCI++ 投票扩展,可以同时处理 Omni EVM 上的跨汇总消息和交易。   7. 原生全球应用程序:Omni EVM 支持将合约和接口动态传播到任何汇总,简化了跨汇总应用程序的开发。这种方法减少了因处理分布式状态的复杂性而产生的智能合约漏洞的可能性。   Omni与ETH生态发展成长关系密切,但近期该赛道相对疲软,又因为Omni融资数额低于ETHFI所以上线后走势将弱于ETHFI币价的发展。 #OmniNetwork #OMNI
--
TAO 区块链AI龙头的问题与机遇 Bittensor $TAO 项目旨在AI模型评价和运用领域引入一种创新的方式。通过引入大众评议机制和建立一个去中心化的、无许可的竞争市场,Bittensor旨在解决传统AI模型发展中存在的中心化问题和单一评价标准的局限性。然而,这种模式是否能实现其设定的目标,尤其是在解决所谓的“赢家通吃”问题和促进模型多样性方面,仍有待观察。   开源性问题 Bittensor的模型是否开源,实际上依赖于矿工的选择。这种设计既有其灵活性,也引入了一定的不确定性。开源模型可以促进技术的透明度和可信度,但在没有强制要求的情况下,模型的开放程度可能会有很大的差异。社群一直在讨论其算法是否能做到真正区中心化,这个问题虽然随着币价上涨关注度下降,但从技术角度TAO必须正面去处理该问题。   模型训练与运行区别 Bittensor更侧重于模型的运行而非训练,这意味着它主要是作为一个模型推理的劳务市场,而不是一个模型训练的平台。这一点很重要,因为它揭示了Bittensor和一些算力中介服务(如RNDR)之间的根本区别。模型训练涉及到算法优化和参数更新,而Bittensor似乎并不支持这一过程。   赢家通吃问题 尽管Bittensor试图通过多元化的子网和任务设置来促进模型多样性,但如果激励策略和评价机制设计不当,仍然可能出现资源和奖励向少数高性能模型集中的情况。这种设计的有效性在于能否平衡竞争和合作,避免形成对特定模型或技术的过度依赖。   模型参数量的比较 Bittensor通过运行不同的子网和模型来服务多样化的AI任务,这种做法在提升系统的灵活性和适应性方面有一定优势。然而,将不同子网和模型的参数量相加进行比较,可能缺乏实际意义。因为每个模型针对的任务和应用场景不同,单纯的参数量并不能直接反映系统的能力或效率。   结论 Bittensor项目的确为区块链AI模型评价和应用领域带来了新的思路和机制,但其实际效果和潜在问题需要通过长期观察和实践来验证。项目的成功与否将取决于其能否在保持开放性和透明度的同时,有效促进模型多样性,避免资源集中和赢家通吃的问题。
--

Latest News

View More
Sitemap
Cookie Preferences
Platform T&Cs