Рост монет Трампа: мем-монеты на основе Соланы, за которыми стоит следить, получат прирост в 50%

cryptonews.ruPublié le 2024-10-21Dernière mise à jour le 2025-01-21

  • Успех монеты Трампа оказался важным поворотным моментом для криптовалют в этом сезоне.
  • Ликвидность течет в мем-монеты на основе Соланы, такие как WIF и BONK.
  • BONK демонстрирует потенциал роста на 50%, предлагая возможности краткосрочной прибыли.

Недавно выпущенная монета-мем Дональда Трампа быстро обогнала Dogecoin, достигнув полностью разводненной оценки (FDV) в 60 миллиардов долларов. Запуск намекает на поворотный момент в криптовалюте, который приведет к усилению политики поддержки криптовалют в США и большему вниманию к отрасли. Этот сдвиг также может иметь долгосрочные выгоды для альткойнов, особенно монеты-мемы на основе Solana могут возродиться по мере того, как ликвидность возвращается в экосистему Solana.

Этот текущий цикл отличается от традиционных криптовалютных тенденций, где Биткойн часто приводит к Эфириуму и более крупным альткойнам. Вместо этого происходит сдвиг ликвидности непосредственно из токенов, связанных с Трампом, в Solana и, возможно, в другие альткойны на основе Solana.

В прошлом мем-монеты на основе Соланы испытывали колебания, при этом многие фиксировали потери, поскольку ликвидность смещалась в сторону новых токенов. Теперь, после запуска мем-монеты Трампа, некоторые мем-монеты Соланы, такие как WIF и BONK, снова оказались в центре внимания.

Могут ли WIF и BONK прийти в норму?

По словам аналитика Майлза Дойчера, WIF выделяется благодаря своему надежному соотношению риск/доходность. С явными уровнями аннулирования в районе $1,30 это рассматривается как возможность, особенно если цена вернется к предыдущим максимумам. Доходность в 60% может быть возможна, если рынок увидит отскок в ближайшие недели, особенно после того, как тренд токенов Solana-Trump начнет замедляться.

BONK’s также демонстрирует восходящую тенденцию. В настоящее время цена BONK составляет $0,000032, а сопротивление находится в районе $0,000050. Если BONK пробьет это сопротивление, он может достичь цели $0,000075, что предполагает 50% рост в краткосрочной перспективе или даже более чем 2-кратный рост от текущих уровней.

Мем-монеты на Солане

Аналитик также считает, что фундаментальная сила монет-мемов на Солане, особенно тех, у которых есть четкие варианты использования, может привести к возрождению интереса, как только первоначальная волна ажиотажа начнет остывать.

Хотя некоторые сейчас фиксируют прибыль, долгосрочные последствия этого про-криптовалютного импульса могут стимулировать больше инноваций и возможностей на крипторынке США. Запуск Trump Coin, возможно, открыл двери для большего количества проектов и предприятий, которые будут участвовать в криптовалюте, намекая на новую эру в отрасли.

Lectures associées

15 modèles de raisonnement échouent collectivement : explication des risques cachés derrière les chaînes de pensée révélées

Lorsque les modèles de raisonnement à grande échelle (LRM) exposent leurs processus de raisonnement intermédiaires aux utilisateurs et aux systèmes en aval, une question négligée émerge : se fier uniquement à la sécurité de la réponse finale est-il suffisant ? Une étude conjointe de plusieurs universités, dont Harvard, USC et le MIT, démontre le contraire. Elle révèle que les chaînes de raisonnement (CoT) peuvent générer des contenus à haut risque (ex : instructions pour fabriquer une bombe), même lorsque la réponse finale semble sûre. L'étude propose une évaluation en deux étapes : analyser séparément la trajectoire de raisonnement (r) et la réponse finale (y) selon 20 principes de sécurité, chacun noté de 1 à 5. Trois modes d'échec sont identifiés : **Unsafe** (raisonnement et réponse non sûrs), **Leak** (raisonnement dangereux mais réponse sûre), et **Escape** (raisonnement sûr mais réponse dangereuse). Testé sur 15 modèles de raisonnement (dont GPT-4o, Gemini, Claude) avec un ensemble de 41K prompts potentiellement nuisibles, un constat majeur apparaît : **la dangerosité moyenne du raisonnement dépasse systématiquement celle de la réponse finale** pour tous les modèles. Les risques se concentrent sur des catégories comme la désinformation, les préjugés et les dommages physiques. Pour atténuer ces risques, les chercheurs proposent une méthode d'**orientation adaptative multi-principes**. Elle ajuste les activations internes du modèle pendant le raisonnement pour le guider vers des états « sûrs » définis par les principes. Testée sur des modèles open-source (comme DeepSeek-R1), cette méthode réduit le taux de contenus non sûrs jusqu'à 40.8% tout en conservant 97.7% des performances sur des benchmarks standard. En conclusion, cette recherche souligne l'importance cruciale d'évaluer et de contrôler la sécurité tout au long du processus de raisonnement, et pas seulement au résultat final, en fournissant un cadre unifié pour le diagnostic et l'atténuation de ces risques cachés.

marsbitIl y a 29 mins

15 modèles de raisonnement échouent collectivement : explication des risques cachés derrière les chaînes de pensée révélées

marsbitIl y a 29 mins

Trading

Spot
活动图片