Команда кошелька Rainbow планирует запустить собственный токен

cryptonews.ruPublicado a 2025-03-22Actualizado a 2025-09-23

  • Запуск RNBW ожидается до конца 2025 года.
  • Также в команде кошелька заявили о ряде улучшений.
  • Это включает, в том числе, торговлю бессрочными фьючерсными контрактами через Hyperliquid.

Команда EVM-совместимого некастодиального криптокошелька Rainbow объявила о планах по запуску собственного токена. Его выход ожидается в IV квартале 2025 года.

You've been collecting Points for a reason.
That reason is called $RNBW. Coming Q4 2025. pic.twitter.com/37EObfuwnS

— Rainbow (@rainbowdotme) September 22, 2025

Напомним, на сайте Incrypted есть гайд по выполнению активностей в кошельке с целью поучаствовать в аирдропе.

В заявлении команды проекта говорится о том, что подготовка к запуску RNBW идет уже несколько месяцев. Помимо этого, разработчики также внедрили ряд других функций, включая:

  • изменение цен в режиме реального времени;
  • мгновенное обновление баланса;
  • поддержку свечных графиков;
  • интеграцию других EVM-совместимых приложений;
  • бессрочные фьючерсы на площадке Hyperliquid;
  • игру King of the Hill.

Разработчики отметили, что все это только часть третьей фазы дорожной карты проекта. Судя по анонсу, RNBW выступит своеобразным связующим звеном для экосистемы.

Просмотреть количество поинтов можно непосредственно в кошельке. Точная дата запуска токена и, следовательно, аирдропа на момент написания неизвестна. В команде отметили, что планируют вывести RNBW на рынок до конца 2025 года.

Анонс от Rainbow появился на фоне того, что CEO компании Cinsensys Джозеф Любин подтвердил запуск токена MASK криптокошелька MetaMask.

Lecturas Relacionadas

Tras tres años de retraso, el último artículo de la exalumna de la Universidad de Pekín, Lilian Weng, se viraliza

"Tras tres años sin actualizar su blog, la ex vicepresidenta de OpenAI y cofundadora de Thinking Machines, Lilian Weng, publica un extenso análisis que cuestiona la fiabilidad de las 'Scaling Laws', las leyes de escalamiento que han guiado inversiones billonarias en IA. El artículo desmonta que la mejora del rendimiento de los modelos de lenguaje (LLM) al aumentar parámetros, datos y computación sea tan predecible como se creía. Expone divergencias clave: en 2020, OpenAI concluyó que el tamaño del modelo debía crecer más rápido que los datos, mientras que DeepMind (2022) defendió un crecimiento proporcional, un desacuerdo atribuido a diferencias metodológicas y al tamaño limitado de los experimentos iniciales. Más críticamente, Weng revela que la metodología del influyente estudio 'Chinchilla' de DeepMind contenía errores, como una función de pérdida que no convergía correctamente, lo que significa que la 'fórmula óptima' utilizada durante años por la industria podría no serlo. El análisis subraya un problema fundamental: las leyes clásicas asumen datos únicos e infinitos, pero los textos de alta calidad se agotan. La repetición de datos en el entrenamiento degrada el rendimiento, especialmente en modelos grandes. Esto explica el cambio de la industria hacia el aprendizaje por refuerzo, el cómputo en tiempo de prueba y los datos sintéticos. En resumen, el artículo argumenta que la era de la escalabilidad simple ('scale is all you need') toca a su fin, y que el progreso futuro de la IA dependerá de refinamientos metodológicos precisos y de nuevas vías para superar la limitación de datos."

marsbitHace 48 min(s)

Tras tres años de retraso, el último artículo de la exalumna de la Universidad de Pekín, Lilian Weng, se viraliza

marsbitHace 48 min(s)

Trading

Spot
Futuros
活动图片