AMM上线后Deez Nuts翻倍,用户可以做些什么?

Odaily星球日报Publicado a 2024-01-29Actualizado a 2024-01-29

Resumen

24小时涨幅185%

1 月 27 日,Solana 生态新代币标准 Tiny SPL 上线了 AMM 交易。随后,其代币 DN(Deez Nuts)地板价 24 小时涨幅达 185% ,截至撰稿时为 0.004 SOL。

社区首先注意到 Tiny SPL,是因为其曾获得 Solana 联合创始人 Anatoly 转发并置顶在推特主页上,BlockBeats 曾在 1 月 5 日所发布的《被 Solana 创始人推特置顶,新代币标准 Tiny SPL 是什么?》一文中介绍过 Tiny SPL。

Deez Nuts 最初可免费 mint,铸造完毕后,DN 的地板价在突破 0.2 SOL 后急速下跌至不到 0.001 SOL。而近期随着 AMM 交易功能上线,Deez Nuts 的流动性被激活,Tiny SPL 再度迎来了关注。

AMM上线后Deez Nuts翻倍,用户可以做些什么?

引入状态压缩方法的 Tiny SPL

Tiny SPL 的特别之处是引入了「状态压缩(state compression)」方法,可以让用户在 Solana 上持有代币时不需要支付存储租金。

租金是 Solana 账户模型中独有的概念。租金与交易费用不同,交易费用是为了处理网络上的指令而支付的。而租金是为把数据存储在 Solana 区块链上所付出的成本。与以太坊不同,Solana 会收取在其网络上的账户一笔用于存储数据状态的费用,即租金。租金按照账户所存储的代币余额大小进行定期收费,如果账户无法支付租金,系统将删除这个账户,以减少为那些不再维护的数据花费存储成本。

资管公司 VanEck 在一篇对 Solana 的估值报告中提到,Solana 上的租金存储费用为每字节 0.00000348 SOL,钱包数据大小为 372 字节,每个活跃钱包持有者必须保留 0.0026 SOL。同样,应用程序和代币智能合约也必须维持这些存储费用。一个像 Serum 这样大约有 340 KB 大小的程序,为了避免支付租金,需要保留 2.4 SOL 的余额。

状态压缩方法是 Solana 在 2023 年 4 月推出的一种存储数据的新方法,可将 Merkle 树的可验证性压缩成一个哈希,允许开发人员在链上存储少量数据并直接在 Solana 账本中更新,大幅降低数据存储成本,同时保持 Solana 基层的安全性和去中心化。这也是为什么 Tiny SPL 的 logo 是一颗倒过来的树。

AMM上线后Deez Nuts翻倍,用户可以做些什么?

目前,状态压缩方法已经可大幅降低 Solana 上的 NFT 铸造成本,据 Solana 基金会介绍,截至 2023 年 4 月 5 日,在 Solana 上铸造 100 万个未压缩的 NFT 成本超过 250, 000 美元。而使用状态压缩的 NFT 铸造成本大约是 110 美元。此前,热门 DePIN 项目 Helium Mobile 在迁移至 Solana 时铸造了近 100 万个 NFT,其铸造成本仅需 113 美元。

相关阅读:《详解当前热门 DePIN 项目:Honey、DIMO 以及 Helium(Mobile)

因此,通过状态压缩功能,Solana 可为创作者和品牌方提供一种无需支付大量成本、就可向更广泛的受众提供大量 NFT 的方法。现在,Tiny SPL 将状态压缩方法应用到了代币资产上,与使用常规 SPL 标准的代币相比,Tiny SPL 代币不需要支付租金。此外,Tiny SPL 代币不会显示在用户的钱包余额中,而是仅在 NFT 部分可见。基于 Tiny SPL 的代币资产为「DN(Deez Nuts)」,因为所对应的图像是两只花生,所以中文社区也称其为「花生」。

用户可以做什么?

目前,Tiny SPL 的流动性池已经启动,支持 Tiny SPL 标准的代币交易。用户进入 https://tinys.pl/,链接钱包,点击 Swap 即可进入交易界面,只需输入需要交易的数额,点击「Swap」交易。

由于 Deez Nuts 可拆分或合并,只有用户持有中最大份额的 Deez Nuts 可进行交易,因此如果要卖出 Deez Nuts,可以提前将 Deez Nuts 进行合并。Deez Nuts 的拆分和合并过程在《被 Solana 创始人推特置顶,新代币标准 Tiny SPL 是什么?》已有介绍。

除了交易,用户还可以将持有的 NUTS 加入到 AMM 池中作为 LP,截至目前已经有超 1300 多个 SOL 被添加到 AMM 池中。贡献者将在 LP 池中锁定 1 个月,之后所得 LP 代币将按比例返还给贡献者。初始 LP 贡献者将赚取代币锁定当月交易量的全部 1% 交易费。

AMM上线后Deez Nuts翻倍,用户可以做些什么?AMM上线后Deez Nuts翻倍,用户可以做些什么?

Deez Nuts 的「重生」离不开 Tiny SPL 的创始人sol_idity的努力,推出 Deez Nuts 后,创始人一边开发批量合成和 AMM 交易功能,一边不断呼吁 Solana 上的 DEX 聚合器 birdeye 为 DN 添加索引。得益于创始人和社区共同努力, 1 月 20 日 Deez Nuts 在官推上呼吁筹款后的 24 小时内,就完成了 800 SOL / 400, 000 NUTS 的筹款目标。

AMM上线后Deez Nuts翻倍,用户可以做些什么?

据创始人表示,接下来的几周将为 Tiny SPL 代币创建新的实用程序、改进钱包对协议的支持以及开源 Tiny SPL 标准。需要提醒的是,一方面,随着「状态质押」技术展现出更大的应用潜力,Deez Nuts 作为第一个采用这个技术的代币协议,在乐观的投资者眼中拥有「Solana 上的 ORDI」这样的定位。但 Deez Nuts 目前的定位更像是 meme 与 NFT 的结合,尚没有实际应用场景,投资者在进行交易时需谨慎评估风险。

Lecturas Relacionadas

Informe de Ethereum del primer trimestre de 2026: caen las tarifas, usuarios y volumen de transacciones alcanzan máximos históricos

Resumen del informe del primer trimestre de 2026 sobre Ethereum, por Token Terminal. El reporte destaca una tendencia clave: la cantidad de usuarios activos mensuales (13.2 millones, +53.5%), las transacciones (200.4 millones, +38%) y el rendimiento de la red (25.78 TPS) alcanzaron máximos históricos, mientras que las tarifas de transacción en la capa principal cayeron un 47.9% intertrimestral. Este fenómeno, denominado la "Paradoja de Jevons", sugiere que Ethereum está priorizando deliberadamente la expansión a corto plazo sobre la captura de ingresos inmediatos. La actualización Fusaka, que aumenta la capacidad de datos y reduce el costo del espacio de bloque, es un factor clave. La narrativa central de Ethereum se está desplazando de una cadena de bloques DeFi a una capa de liquidación financiera global. Ethereum mantiene una posición dominante en activos tokenizados, con una capitalización total de $2 billones (-0.7% intertrimestral). Destacan el crecimiento de los fondos tokenizados ($194 mil millones, +4.9%) y las materias primas tokenizadas ($47 mil millones, +60%), reflejando una mayor adopción institucional por parte de entidades como BlackRock y JPMorgan. A pesar de una caída del 30.3% en su capitalización de mercado totalmente diluida, la base de titulares de ETH creció a 292.8 millones. En resumen, Ethereum está sacrificando ingresos a corto plazo para impulsar la adopción, consolidándose como la infraestructura de liquidación preferida para las finanzas tokenizadas, con el objetivo de que una mayor demanda de red compense las tarifas más bajas a largo plazo.

marsbitHace 1 hora(s)

Informe de Ethereum del primer trimestre de 2026: caen las tarifas, usuarios y volumen de transacciones alcanzan máximos históricos

marsbitHace 1 hora(s)

Entrevista inaugural en podcast del CEO de Intel, Tan Lip Bu: Nuestro objetivo es '10 veces en 5-10 años', apostamos por empaquetado avanzado, sustratos de vidrio y diamantes artificiales

El CEO de Intel, Chen Lifu, expresó en una entrevista en un podcast su objetivo de multiplicar por diez el valor de la empresa en un plazo de 5 a 10 años. Para lograrlo, está centrando la estrategia en la superación de los límites físicos de la miniaturización de los semiconductores, invirtiendo en tres áreas clave: tecnologías avanzadas de empaquetado como EMIB, nuevos materiales como el nitruro de galio (GaN), carburo de silicio (SiC), fosfuro de indio (InP) y diamante sintético, y sustratos innovadores como el de vidrio. Destacó que la explosión de la IA, especialmente los agentes autónomos y la inferencia, está impulsando una fuerte demanda de CPUs, cambiando la proporción CPU/GPU en servidores. Chen Lifu también defendió la apuesta de Intel por el negocio de fundición (foundry), subrayando que es crucial para la seguridad de la cadena de suministro en EE.UU. y que se basa en generar confianza a través de altos rendimientos y fiabilidad. Reveló detalles de la colaboración Terafab con Elon Musk para construir fábricas de chips y abordar la escasez de capacidad. Reconoció que Intel aún está en una fase de transformación ("gatear"), reconstruyendo equipos y capacidades fundamentales, pero proyecta que su verdadero potencial en mercados como la informática de borde, la IA física y la de agentes comenzará a materializarse hacia 2030-2032. Con una mentalidad de capitalista de riesgo, su meta clara es entregar un retorno de 10x a los accionistas en la próxima década.

marsbitHace 1 hora(s)

Entrevista inaugural en podcast del CEO de Intel, Tan Lip Bu: Nuestro objetivo es '10 veces en 5-10 años', apostamos por empaquetado avanzado, sustratos de vidrio y diamantes artificiales

marsbitHace 1 hora(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

En la actualidad, el mercado de inversión está obsesionado con los "Modelos del Mundo". Sin embargo, Pete Florence, ex científico de DeepMind y co-creador de la arquitectura Vision-Language-Action (VLA), fundó Generalist AI y rechaza esta etiqueta. Para él, el objetivo concreto es más importante: crear robots que realicen cualquier tarea con alta tasa de éxito sin datos específicos. Recientemente, Generalist AI recaudó 400 millones de dólares (unos 2.700 millones de RMB) en una ronda de financiación, alcanzando una valoración de 2.000 millones de dólares. Inversores incluyen NVentures de Nvidia, Bezos Expeditions, NFDG, y figuras como el cofundador de Xiaomi Lin Bin, el fundador de Zoom Eric Yuan, y la renombrada científica Fei-Fei Li. Florence, influenciado por su mentor en el MIT Russ Tedrake, prioriza comprender el mundo físico. Su enfoque comienza estableciendo una meta clara, luego diseña la ruta técnica. Tras dejar Google, lanzó Generalist AI en 2025. La compañía presentó su primer modelo de IA incorporada, GEN-0, en noviembre de 2025, demostrando que las leyes de escalado de los LLMs también se aplican al movimiento físico. En abril de 2026, presentaron GEN-1, entrenado con más de 50.000 horas de datos de interacción física recogidos por un dispositivo portátil. GEN-1 logra un 99% de éxito en tareas como plegar cajas y empaquetar teléfonos, siendo tres veces más rápido que GEN-0. Este avance acerca el modelo a un punto de inflexión similar al GPT-3, mostrando un rendimiento apto para despliegues comerciales en ciertas tareas. La inversión récord respalda la visión de Florence: robots universales que sean lo suficientemente expertos en tareas reales como para ser útiles, avanzando hacia la reducción del coste marginal del trabajo físico a cero. La etiqueta "Modelo del Mundo" queda así en segundo plano frente a los resultados tangibles.

marsbitHace 1 hora(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

marsbitHace 1 hora(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

En solo tres días, Google ha perdido a dos leyendas de la IA. El 18 de junio, Noam Shazeer, coautor del seminal trabajo "Attention is All You Need" y copresponsable de Gemini, anunció su salida para unirse a OpenAI. Dos días después, John Jumper, ganador del Nobel de Química 2024 y líder de AlphaFold, dejó Google DeepMind para incorporarse a Anthropic. Estas partidas no son incidentes aislados, sino parte de una tendencia clara de fuga de talento de Google hacia OpenAI y Anthropic, como lo confirma también la reciente incorporación a Anthropic del exmiembro fundador de OpenAI, Andrej Karpathy. El trasfondo de este éxodo es fundamentalmente una cuestión de misión y enfoque. El modelo de negocio central de Google, basado en la publicidad, impone una lógica orientada a productos y métricas comerciales que, en última instancia, restringe la investigación pura. En contraste, tanto OpenAI (con su misión de AGI) como Anthropic (centrada en la seguridad y la ciencia) ofrecen un entorno de trabajo enfocado únicamente en empujar los límites de las capacidades de los modelos. A esto se suma la fuerte atracción financiera: OpenAI y Anthropic están en camino a una OPI, lo que promete una recompensa económica masiva a través de capital para sus empleados, algo que la ya gigantesca Google difícilmente puede igualar. La fusión de Google Brain y DeepMind en 2023, destinada a consolidar esfuerzos, ha generado en cambio tensiones culturales y ha hecho más evidente la presión por alinear la investigación con los objetivos de los equipos de productos. El resultado es una reorganización estructural del mapa del talento en IA. Google, a pesar de sus vastos recursos en computación y datos, está perdiendo a las personas que definen el futuro del campo. La verdadera ventaja competitiva en IA reside en retener a las mentes más brillantes, y Google está descubriendo que esa es quizás su batalla más difícil.

marsbitHace 3 hora(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

marsbitHace 3 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

Cada vez que se lanza un modelo de IA de vanguardia, la comunidad fija su atención en ciertas "hojas de resultados" familiares: MMLU-Pro, MMMU, MMMU-Pro. Estos puntos de referencia se han convertido en exámenes estándar para evaluar y comparar modelos como GPT, Claude, Gemini, Llama, Qwen y DeepSeek. Detrás de estas influyentes evaluaciones está el investigador chino Wenhu Chen, profesor asistente en la Universidad de Waterloo y fundador del TIGERLab (apodado "虎头帮"). Su trabajo surge de una necesidad crítica: a medida que los modelos avanzaban, las pruebas antiguas como MMLU se saturaban con puntuaciones casi perfectas, dejando de ser útiles para discernir diferencias reales. En 2024, Chen y su equipo presentaron MMLU-Pro, una renovación exhaustiva del original. Con 12,032 preguntas de 14 disciplinas, aumenta las opciones de respuesta de 4 a 10 para reducir las conjeturas e incorpora problemas más complejos que requieren razonamiento. El resultado fue una caída del 16% al 33% en la precisión de los modelos y una evaluación más estable y discriminatoria, rápidamente adoptada por la industria. Su contribución se extiende al ámbito multimodal con MMMU, un conjunto de 11,500 preguntas que combinan imágenes (gráficos, mapas, fórmulas) con conocimientos académicos para probar una comprensión integrada. Incluso los mejores modelos como GPT-4V inicialmente solo alcanzaron un 56% de precisión, revelando un largo camino por recorrer. Su sucesor, MMMU-Pro, cierra aún más las brechas, obligando a los modelos a utilizar la información visual y no solo el texto. La experiencia de Chen, que incluye investigación doctoral en preguntas complejas y una etapa en Google DeepMind trabajando en Gemini, le permite anticipar cómo los modelos pueden "aparentar" competencia. Su laboratorio no solo diseña evaluaciones, sino que también desarrolla modelos (como UniVideo para video o MoCha para avatares), asegurando que sus "exámenes" reflejen desafíos reales y los límites actuales de la tecnología. Actualmente, Chen continúa este trabajo en el laboratorio de superinteligencia de Meta, enfocado en datos y evaluación multimodal. Su historia destaca el papel fundamental, aunque a menudo menos visible, de los investigadores que construyen las herramientas para medir el verdadero progreso de la IA.

marsbitHace 3 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

marsbitHace 3 hora(s)

Trading

Spot
Futuros
活动图片