一文梳理2024潜在空投

Odaily星球日报Publicado a 2024-01-30Actualizado a 2024-01-30

Resumen

牛市期间,预计还会有更多意外的TGE。

原文作者:@WagameEth

原文编译:Luccy,BlockBeats

编者按:加密研究员根据官方信息梳理了 2024 可能 TGE 的项目,BlockBeats 将原文编译如下:

一月份还未结束,但我们已经拿到了 ZKF,MANTA 空投,并且确认了 ALT,NAM,DYM,SAGA,FRAME 的空投计划。不要再问「Wen」了,答案是 2024 年。

这是今年一些相对可信的 TGE 信息。

一文梳理2024潜在空投

事先声明,首先,这只是计划,而我们知道计划往往会出现变数,所以可能会有延迟。其次,这只是最低标准,在牛市期间,预计还会有更多意外的 TGE。第三,没有谣言,没有所谓的「内部消息」,只有确认过的信息或经过深思熟虑的猜测,你可以自行查证。

以下项目已进行快照,不会详细介绍,只需等待 TGE:

Namada(@namada)、AltLayer(@alt_layer)、Dymension(@dymension)、Saga(@Sagaxyz__)、Frame(@frame_xyz)、ZKX(@zkxprotocol)、diva(@divastaking)。

Q1 项目

· Aevo(@aevoxyz):TGE(或者更确切地说是从 RBN 进行的代币交换)计划于一月份进行。其中 16% 的 AEVO 将用于激励计划。

· Thetanuts Finance(@ThetanutsFi):NUTS 即将上线 Coinlist。其中 2% 将在空投 S 1 发布,计划于 2024 年第一季度进行。

· zkLink(@zkLink_Official):ZKL 预计将通过 Coinlist 出售,关于激励计划目前还没有消息。

一文梳理2024潜在空投

· ZetaChain(@zetablockchain):ZetaChain 是 L1 链,将使用其代币作为 gas。因此,ZETA 的 TGE 日期与主网时间表相关,计划于 2024 年第一季度进行。

· MilkyWay(@milky_way_zone):TIA 流动权益质押应用,计划在第一季度进行 TGE。

· Maverick Protocol(@mavprotocol):MAV 已经上线,所以这不会是一个 TGE,而是第 2 轮空投(尽管他们称之为第一季度空投)。

一文梳理2024潜在空投

· Avail(@AvailProject):AVAIL 的发布日期与团队公布的主网日期相关,主网计划于第一季度上线。

· Merkle Trade(@Merkle_Trade):MKL 计划于第一季度 TGE。

· Taiko(@taikoxyz):代币作为设计的一部分,因此他们的 TGE 可能与主网日期一致,计划在第一季度进行。

一文梳理2024潜在空投

· TapiocaDAO(@tapioca_dao):TAPIOCA 预计将于 2024 年 2 月份发布。 · IntentX(@IntentX_):TGE 计划于 2024 年第一季度进行。 · Aleo(@AleoHQ):是 L1 链,需要 ALEO 支付 gas 费用。因此,TGE 预计将在 2024 年第一季度的主网启动前后进行。

· Kinza Finance(@kinzafinance):KZA 预计将在 2024 年第一季度发布。

一文梳理2024潜在空投

· Nostra(@nostrafinance):据 TempleDAO 治理论坛,NOS 预计将在第一季度发布。 ·Swell(@swellnetworkio):目前可以通过 mint 和提供 swETH 流动性赚取「pearls」,将来有机会将其转换为 SWELL。目前计划在第一季度「末期」进行。

一文梳理2024潜在空投

· Mantle(@0x Mantle):这不是 TGE,而是第一季度的奖励。据推测,我们会得到一些 MNT。

Q1 至 Q2 项目

· Starknet(@Starknet):没有确认何时发 STRK,但所有证据都表明这个时间即将到来。例如,KuCoin 清理类似的代币,很可能是为了 STRK 的交易做准备。

· LayerZero Labs(@LayerZero_Labs):ZRO 将在上半年发布。

· Gravita Protocol(@gravitaprotocol):TGE 计划在第一季度末到第二季度初进行。

· Timeswap(@TimeswapLabs):TIME 已经进行了预挖矿,TGE 计划在上半年进行。

· KiloEx(@KiloEx_perp):瞄准 Q1-Q2 进行 TGE

· Lumoz(@LumozOrg):预计 MOZ 将在 Q1-Q2 发布。根据另一位团队成员的说法,也可能是 Q2。

· Magpie Protocol(@magpieprotocol):瞄准 2024 年进行 TGE。他们的团队表示「比你想象的要早」,我认为可能在上半年内发布。

一文梳理2024潜在空投

· Reya Labs(@Reya_xyz):(Voltz 提供的产品)需要 REYA 作为协议设计的一部分。主网计划在 Q1 启动,但据推测,代币将在启用被动 LP 之后不久上线。

· Satori(@SatoriFinance):用「迟到的圣诞礼物」逗弄我们,这让我觉得 TGE 将在上半年进行。

Q2 项目

· Blast(@Blast_L2):积分可在五月兑换,因此 TGE 可能就在那个时候。

· Fyde Treasury Protocol(@FydeTreasury):FYDE 预计将在四月至五月发布。

· Kroma(@kroma_network):TGE 计划在六月进行。

一文梳理2024潜在空投

· ether.fi(@EtherFi):TGE 计划于 2024 年 4 月。

Q2 至 Q3 项目

· Berachain(@berachain):需要代币来支持其主网,因此 TGE 可能在主网上线前后进行。目前,Berachain 的服务器很疯狂,但国际助手称 TGE 可能是 Q2 或 Q2 至 Q3。

一文梳理2024潜在空投

Q2 至 Q4 项目

· Ekubo(@EkuboProtocol):Ekubo 一直在排行榜上攀升,EKUBO 计划在 Q2-Q4 发布。

Q3 至 Q4 项目

· GRVT(@grvt_io):GVT 计划在 2024 年 Q3-Q4 发布。

一文梳理2024潜在空投

Q4 项目

· Monad(@monad_xyz):Monad 是 L1 链,将使用 MONAD 支付 gas 费用。因此,我们应该期待其主网上线前后 TGE。主网计划于 2024 年「后期」启动。

一文梳理2024潜在空投

暂未确定具体时间的项目

· azuro(@azuroprotocol):AZUR TGE 预计将在今年进行,但具体时间待定。许多人猜测可能会在 Q1 发生,但我们无法确认。 · Element NFT Marketplace(@Element_Market):目前可以通过持有其创世 NFT 来累积 ELE。关于 TGE 没有具体日期,但可以肯定是今年。

一文梳理2024潜在空投

· Orbiter Finance(@Orbiter_Finance):确认了今年推出代币的计划,但没有进一步的细节。

· Polyhedra Network(@PolyhedraZK):一直在暗示空投的标准,但尚未公布具体的 TGE 日期。

· Mangrove(@MangroveDAO):计划在今年进行 TGE,甚至已经开始讨论 DAO 的治理将如何运作。

· Optimism(@Optimism):这不是 TGE,而是更多的 OP 空投。鉴于去年已经收到了一些代币,可以肯定 2024 年将至少再获得一次。

一文梳理2024潜在空投

· Rabby Wallet(@Rabby_io):一直在暗示已经进行了某种快照。除非是用于积分的快照。

· Aztec(@aztecnetwork):Aztec V3 将重启为一个完全去中心化的网络(即:AZTEC)。他们的路线图显得雄心勃勃,如果一切顺利,今年有很大的机会启动主网。

原文链接

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 31 min(s)

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

marsbitHace 31 min(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 33 min(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 33 min(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 40 min(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

marsbitHace 40 min(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 2 hora(s)

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

marsbitHace 2 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 2 hora(s)

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

marsbitHace 2 hora(s)

Trading

Spot
Futuros
活动图片