Gratis Total, Alternatif Open Source untuk Claude Science, DeepSeek/GLM Bisa Dipakai Sesuka Hati

marsbitPublié le 2026-07-07Dernière mise à jour le 2026-07-07

Résumé

Para peneliti pasti senang! Tak sampai seminggu setelah peluncuran Claude Science oleh Anthropic, komunitas open source merespons dengan proyek alternatif gratis bernama OpenScience. Dikembangkan oleh Synthetic Sciences (tim AI penelitian yang diinkubasi YC), OpenScience adalah platform kerja AI penelitian yang mencakup seluruh alur kerja: pencarian literatur, generasi hipotesis, eksperimen kode, hingga penulisan makalah. Keunggulan utamanya adalah **model-agnostic**, memungkinkan pengguna memilih model AI apa pun seperti DeepSeek, GLM, Claude, atau GPT, baik model internasional maupun domestik, cukup dengan kunci API masing-masing. Bahkan mendukung model lokal via Ollama untuk keamanan data penuh. Platform ini, yang dilisensikan di bawah Apache 2.0, dapat diinstal hanya dengan satu perintah terminal. Ia menawarkan lebih dari 250 paket keterampilan penelitian (4x lebih banyak dari Claude Science) untuk bidang seperti biologi komputasi dan kimia informatika. OpenScience juga menghadirkan antarmuka terpadu untuk menggantikan banyak alat yang sebelumnya terpisah. Berbeda dengan Claude Science yang terbatas pada macOS/Linux, hanya untuk pengguna berbayar, dan eksklusif untuk model Claude, OpenScience menawarkan kebebasan, keterjangkauan, dan kompatibilitas yang lebih luas. Tim juga menyediakan platform terkelola bernama Atlas untuk kemudahan penggunaan, meskipun OpenScience itu sendiri dapat digunakan sepenuhnya gratis dengan kunci API pengguna. Proyek ini secara tegas dinyat...

Para akademisi bergembira!!

Claude Science dari Anthropic baru diluncurkan kurang dari seminggu, komunitas open source sudah memberikan jawaban mereka.

Sebuah tim riset AI yang diinkubasi YC, menghadirkan alternatif open source untuk "Claude Science" yaitu OpenScience.

Sama-sama platform kerja riset AI yang mencakup seluruh alur kerja mulai dari pencarian literatur, pembuatan hipotesis, eksperimen kode hingga penulisan makalah, tetapi tidak terikat pada satu vendor model pun.

DeepSeek, GLM, Claude, GPT...... baik yang dalam negeri maupun luar negeri, ingin pakai yang mana terserah Anda.

Dan proyek ini menggunakan lisensi Apache 2.0 yang paling ramah pengembang, cukup dengan satu baris perintah untuk menginstal.

Begitu kabar ini beredar, proyek langsung trending di X. Orang-orang berkomentar:

Seperti inilah seharusnya AI ilmiah. (Anthropic: Sebut saja nama saya)

Claude Science Kuat, Tapi Tak Bisa Dipakai...

Sekitar 5 hari yang lalu, Anthropic secara resmi meluncurkan Claude Science di sebuah acara tertutup MIT Technology Review.

Ini adalah platform kerja AI khusus untuk para ilmuwan, menyediakan berbagai alat dan paket perangkat lunak yang paling sering digunakan oleh peneliti.

Sebagai contoh, sebelumnya seorang peneliti untuk menyelesaikan suatu studi, harus mencari literatur di PubMed, menulis kode dengan Jupyter, menjalankan statistik dengan R, menghubungkan cluster via SSH untuk menyerahkan tugas, lalu menggunakan berbagai alat untuk menggambar grafik dan menulis makalah.

Bolak-balik belasan jendela, energi terkuras hanya untuk "berpindah" antar alat.

Yang ingin dilakukan Claude Science adalah memasukkan semua itu ke dalam satu platform kerja yang sama.

Secara spesifik, platform ini melakukan beberapa integrasi kunci:

Di tingkat database dan toolchain, sudah dilengkapi dengan 60+ konektor database ilmiah dan paket keterampilan yang sudah dikonfigurasi sebelumnya, mencakup bidang penelitian umum seperti genomik, analisis sel tunggal, proteomik, biologi struktural, kimia informasi.

Anda bertanya dengan bahasa alami, agen profesional akan otomatis melakukan query lintas database, UniProt, PDB, Ensembl, ChEMBL, GEO — database ini tidak perlu dibuka satu per satu.

Platform ini juga terhubung dengan BioNeMo Agent Toolkit dari NVIDIA, dapat langsung mengakses model-model ilmu hayat seperti Evo 2, Boltz-2, OpenFold3.

Di tingkat eksekusi, platform ini memperkenalkan arsitektur multi-agen.

Agent utama bertanggung jawab atas perencanaan keseluruhan, sub-agen menangani tugas-tugas berbeda secara paralel, dan ada juga Reviewer Agent, yang khusus bertanggung jawab untuk memeriksa fakta, seperti memeriksa kutipan, memverifikasi hasil perhitungan, menandai potensi kesalahan.

Hasil yang dihasilkan bukan hanya keluaran teks, konten seperti struktur protein 3D, jalur genome browser, rumus struktur kimia, semuanya dapat dirender secara native.

Dan setiap grafik akan secara bersamaan menyimpan kode pembuatan, lingkungan eksekusi, penjelasan bahasa alami, dan riwayat percakapan lengkap.

Dalam beberapa skenario, ilmuwan bahkan bisa langsung mengubah grafik dengan satu kalimat, sistem otomatis menulis ulang kode dasarnya.

Di tingkat daya komputasi, Claude Science dapat langsung terhubung dengan infrastruktur yang sudah ada di laboratorium Anda.

Laptop, server Linux, node login kluster HPC, semuanya bisa, melalui koneksi SSH atau akun Modal untuk memanggil GPU cloud sesuai kebutuhan, dari satu kartu hingga ratusan kartu.

Kumpulan data skala besar hanya perlu dimuat satu kali, data sensitif tidak perlu meninggalkan sistem Anda sendiri, hanya konteks yang dibutuhkan untuk setiap langkah analisis yang akan dikirim ke Claude.

Pengguna beta awal telah menghasilkan beberapa kasus nyata.

Ahli saraf dari Allen Institute, Jérôme Lecoq, menggunakannya untuk membuat template "komputasi peninjauan" multi-agen, berisi sekitar 20 keterampilan khusus, meminta sub-agen membaca ribuan makalah, mengekstrak inti pandangan dan data kuantitatif, lalu menghasilkan tinjauan literatur per bab.

Singkatnya, dulu menulis satu tinjauan literatur butuh dua tahun, sekarang dia sudah punya sekitar 10—

Banyak yang lebih dari 100 halaman, dan semua kutipannya telah diverifikasi oleh Reviewer Agent.

Sementara Stephen Francis dari UCSF Brain Tumor Center menggunakannya untuk studi epidemiologi molekuler glioma, menjalankan analisis variasi germline.

Dia mengatakan Claude Science memangkas waktu yang biasanya dibutuhkan menjadi sepersepuluhnya, dan timnya memverifikasi hasilnya secara independen, memastikan analisisnya cepat dan dapat diandalkan.

Mengacu pada penilaian fisikawan Harvard Matthew Schwartz bulan Maret lalu tentang kemampuan penelitian AI, saat ini level Claude kira-kira setara dengan mahasiswa pascasarjana tahun kedua.

Dia menerbitkan artikel tamu "Vibe Physics: The AI Grad Student" di blog resmi Anthropic, yang mencatat seluruh prosesnya menggunakan Claude Opus 4.5 untuk menyelesaikan sebuah makalah fisika teoretis.

Saat itu kesimpulannya:

Kemampuan penelitian AI saat ini kira-kira setara dengan mahasiswa pascasarjana tahun kedua, bisa bekerja, tidak mengeluh lelah, tetapi setiap langkah perlu diawasi oleh pembimbing.

Penilaian ini kemudian juga ditulis Anthropic ke dalam dokumentasi teknis Claude Science, sebagai titik kalibrasi untuk posisi produk.

Namun, Claude Science saat ini memiliki beberapa batasan keras:

Hanya mendukung macOS dan Linux

Hanya untuk pengguna berbayar Pro/Max/Team/Enterprise

Di platform hanya bisa menggunakan model milik Claude sendiri

Beberapa kendala ini, terutama bagi tim riset di dalam negeri, membuat Claude Science menjadi sesuatu yang "terlihat tapi tak terjangkau".

Kabar Baik: Alternatif Open Source Hadir

Menyasar batasan di atas, lahirlah proyek open source OpenScience.

Tim di baliknya bernama Synthetic Sciences, didirikan di San Francisco tahun 2025, baru saja lulus dari batch YC 2026 Winter.

Ambisi tim pendiri cukup besar, ingin membangun sebuah platform yang memungkinkan ilmuwan menyerahkan tugas penelitian kompleks langsung ke "AI co-scientists", dari tinjauan literatur hingga pembuatan hipotesis hingga eksekusi eksperimen hingga penulisan makalah, seluruh alur dijalankan secara otonom oleh AI.

Mereka memiliki penilaian inti di dalam tim:

Model fondasi ilmiah perlu memiliki "selera penelitian" (research taste) yang sesungguhnya, dan selera ini tidak bisa didapat hanya dengan menumpuk parameter, harus berjalan dengan dua kaki yaitu produk dan model, menggunakan produk untuk mengumpulkan data proses penelitian berkualitas tinggi, lalu menggunakan data ini untuk melatih model yang memiliki selera.

OpenScience, adalah produk pertama yang diwujudkan dari jalur ini.

Meskipun misi OpenScience sama dengan Claude Science, ada satu perbedaan mendasar:

Model-agnostic (tidak terikat model tertentu).

Mengutip kata-kata Synthetic Sciences sendiri:

AI ilmiah seharusnya terbuka, tidak boleh didominasi oleh satu perusahaan untuk alat yang digunakan manusia mengeksplorasi dan menemukan, apalagi perusahaan itu yang menentukan siapa yang berhak menggunakannya.

Jadi di platform ini, Anthropic, OpenAI, Google, DeepSeek, GLM...... selama Anda punya API Key, bisa langsung disambungkan.

Bahkan bisa menjalankan model lokal, menggunakan Ollama, data tidak perlu keluar satu byte pun dari mesin Anda.

Key Anda tetap di lokal, permintaan langsung ke penyedia model, tidak melalui server perantara.

Dan, OpenScience mendukung penggantian model per permintaan.

Dalam satu platform kerja yang sama, Anda bisa langkah ini pakai Claude, langkah berikutnya ganti ke DeepSeek, tidak perlu mengubah konfigurasi apa pun.

Di tingkat fungsi, OpenScience bahkan lebih agresif daripada Claude Science—

Memiliki 250+ paket keterampilan penelitian internal, lebih dari 4 kali lipat Claude Science, mencakup bidang-bidang seperti ML, biologi komputasi, kimia informasi, dan semuanya dapat dibaca, diedit, dan diperluas.

Instalasi juga sederhana, satu baris perintah di terminal:

Buka dan langsung pakai, browser otomatis membuka platform kerja. Saat pertama kali dijalankan, pilih sumber model, isi API Key, lalu bisa mulai bekerja.

Ingin instalasi global juga bisa:

Jika merasa repot mengatur Key, tim juga menyediakan platform terkelola Atlas—

Isi dompet digital untuk langsung memanggil berbagai model terkini, tidak perlu mengatur Key satu per satu, plus ada peta penelitian yang bertahan dan daya komputasi cloud.

Tapi Atlas ini tidak wajib, Anda bisa menjalankan OpenScience dengan Key sendiri, tetap bisa digunakan sepenuhnya gratis, tanpa kendala.

One More Thing

Yang menarik, gulir ke bagian paling bawah halaman GitHub OpenScience, Anda akan melihat pernyataan yang sengaja ditambahkan:

OpenScience adalah proyek independen. Tidak berafiliasi dengan, didukung oleh, atau disponsori oleh Anthropic. "Claude" adalah merek dagang Anthropic, PBC, digunakan di sini hanya untuk menggambarkan kompatibilitas.

Terjemahannya, kami adalah proyek independen, tidak ada hubungan apa pun dengan Anthropic. Menyebut "Claude" murni untuk menyebut kompatibilitas, jangan berpikir macam-macam.

Tampaknya kesan yang ditinggalkan "lobster" (merujuk pada masalah trademark dengan OpenClaw/OpenClaude) pada seluruh komunitas open source, terlalu mendalam.

OpenClaw beberapa kali berganti nama sebelumnya, OpenScience kali ini langsung mengelas pernyataan klarifikasi hubungan di README versi pertama.

Tidak lain, bertahan hidup dulu, baru bicara alternatif (doge).

Alamat open source:

https://x.com/i/trending/2073904804829741364?s=20

Tautan referensi:

[1]https://x.com/SynScience/status/2073829478393086311?s=20

[2]https://x.com/i/trending/2073904804829741364?s=20

[3]https://www.openscience.sh/

[4]https://www.anthropic.com/news/claude-science-ai-workbench

Artikel ini berasal dari akun WeChat "Quantum Bit", penulis: Yishui

Cryptos en tendance

CitreaCTR

wrapped stUSDTWSTUSDT

Velodrome FinanceVELODROME

BrevisBREV

PancakeSwapCAKE

Questions liées

QApa itu OpenScience dan bagaimana perbedaannya dengan Claude Science?

AOpenScience adalah platform AI penelitian sumber terbuka yang menjadi alternatif gratis dari Claude Science. Perbedaan utamanya adalah OpenScience bersifat model-agnostic, artinya pengguna dapat menggunakan berbagai model AI seperti DeepSeek, GLM, Claude, atau GPT hanya dengan kunci API, sementara Claude Science hanya mendukung model Anthropic dan terbatas untuk pengguna berbayar.

QApa keunggulan utama OpenScience bagi peneliti di Indonesia?

AKeunggulan utama OpenScience adalah gratis, dapat dijalankan dengan satu perintah, mendukung berbagai model AI (termasuk yang populer di China seperti DeepSeek dan GLM), dan memungkinkan penggunaan model lokal melalui Ollama tanpa mengirim data keluar. Ini sangat menguntungkan bagi peneliti dengan anggaran terbatas atau yang memerlukan fleksibilitas dalam memilih model.

QApa saja kemampuan yang ditawarkan Claude Science dalam mendukung penelitian ilmiah?

AClaude Science menawarkan alat AI khusus untuk penelitian ilmiah, termasuk konektor ke 60+ database ilmiah, toolkit BioNeMo Nvidia, arsitektur multi-agen untuk perencanaan dan verifikasi, rendering visual 3D (seperti struktur protein), dan integrasi dengan infrastruktur komputasi yang ada (dari laptop hingga cluster HPC). Platform ini dapat mempercepat proses penelitian hingga 10 kali lipat.

QBagaimana cara menginstal dan menggunakan OpenScience?

AOpenScience dapat diinstal dengan satu perintah di terminal: 'pip install openscience'. Setelah instalasi, platform akan terbuka di browser. Pengguna hanya perlu memilih penyedia model dan memasukkan kunci API yang sesuai. Untuk kemudahan, tersedia juga platform Atlas yang memungkinkan penggunaan model tanpa mengatur kunci API secara manual.

QMengapa tim OpenScience menambahkan pernyataan penyangkalan hubungan dengan Anthropic?

ATim OpenScience menambahkan pernyataan penyangkalan untuk menegaskan bahwa proyek mereka independen dan tidak berafiliasi dengan Anthropic. Ini dilakukan untuk menghindari potensi masalah hukum atau klaim merek dagang, mengingat komunitas sumber terbuka sebelumnya pernah mengalami insiden serupa (seperti kasus 'OpenClaw'). Dengan pernyataan ini, mereka fokus pada kompatibilitas fungsional, bukan hubungan resmi.

Lectures associées

Comment pump.fun a-t-il gagné 7,2 millions de dollars en une semaine ?

Pump.fun, une plateforme d'émission de memecoins sur Solana, a révélé des données financières impressionnantes pour la semaine du 29 juin au 5 juillet, générant 7,2 millions de dollars de revenus. Ces revenus proviennent principalement de ses activités de courbe de liaison (Bonding Curve), d'échange (PumpSwap) et de services aux développeurs (Terminal). Le point notable est l'utilisation de 50% de ces revenus nets pour racheter et brûler son token natif, PUMP, avec 3,7 millions de dollars détruits sur la semaine et 41,8% de l'offre en circulation déjà éliminés. Ce mécanisme crée un lien direct entre la performance financière de la plateforme et la valeur du token. Au-delà de la finance, Pump.fun évolue d'une simple plateforme de lancement vers un écosystème plus large. Elle améliore l'expérience utilisateur (vitesse de transaction, accès simplifié), développe des outils pour les développeurs et renforce sa communauté via des fonctionnalités comme les primes (bounties). Ces efforts visent à construire une croissance durable et une boucle économique fermée, signalant une maturation de la plateforme dans le paysage Web3.

marsbitIl y a 38 mins

Comment pump.fun a-t-il gagné 7,2 millions de dollars en une semaine ?

marsbitIl y a 38 mins

Tiger Research : Trois stratégies clés pour que les institutions financières rattrapent la vague de la tokenisation

Tiger Research souligne que le marché de la tokenisation des actifs du monde réel est en forte croissance (estimé entre 250 et 360 milliards de dollars d'ici mi-2026), mais son développement est freiné par des cadres réglementaires encore incomplets. Face à cette incertitude, les institutions financières doivent choisir une stratégie : attendre une législation locale, expérimenter via des bac à sable réglementaires ou prendre de l'avance en se développant sur des marchés étrangers déjà matures. Avant de se lancer, une préparation rigoureuse dans six domaines clés est essentielle : choix de la juridiction, obtention des licences, définition de l'actif tokenisé, ciblage des investisseurs, mécanismes de règlement et exigences opérationnelles. Deux voies principales s'offrent ensuite. La première est une approche « par juridiction », en établissant une présence dans des places comme Hong Kong, Singapour ou les États-Unis, qui disposent de cadres réglementaires avancés et de plateformes opérationnelles. La seconde est une voie « native chaîne », utilisant des plateformes construites pour l'environnement blockchain (comme Ondo Global ou Plume Nest), permettant un déploiement plus rapide et une plus grande interopérabilité avec la finance décentralisée (DeFi), bien qu'avec une complexité structurelle accrue. Un exemple concret détaille les étapes pour une institution souhaitant tokeniser une obligation, en utilisant une entité existante à Hong Kong et en s'appuyant sur une plateforme agréée comme DigiFT pour accélérer le processus. Le rapport conclut que l'attente d'un cadre réglementaire parfait n'est pas une option. Les grands acteurs américains avancent déjà. L'essentiel pour les autres institutions est de choisir une voie adaptée, de surmonter les défis juridiques et opérationnels, et d'accumuler de l'expérience pratique rapidement, car le marché n'attendra pas. L'objectif final n'est pas la conception technique, mais la réussite complète du processus de vente et de distribution.

Foresight NewsIl y a 59 mins

Tiger Research : Trois stratégies clés pour que les institutions financières rattrapent la vague de la tokenisation

Foresight NewsIl y a 59 mins

« Inciter à la démocratie » au détriment de la sécurité ? À l'intérieur de l'exploit de 20 millions de dollars de Bonk

BonkDAO a été victime d'un piratage de 20 millions de dollars, causé par une "proposition de gouvernance malveillante". L'attaquant a acquis suffisamment de BONK pour créer une proposition, profitant d'un seuil de vote communautaire de seulement 1% pour transférer frauduleusement 4,4 billions de BONK du trésor. Des analystes de sécurité critiquent cette configuration, soulignant l'absence de périodes de verrouillage ou de validations multiples pour les transferts directs. La chercheuse Taylor Monahan dénonce le modèle DAO qui, selon elle, sacrifie la sécurité pour "inciter à la démocratie". Suite à l'exploit, le prix du memecoin BONK a chuté de 10%. Cependant, les données on-chain indiquent que les portefeuilles de baleines continuent d'accumuler des tokens depuis juin, ce qui pourrait aider à maintenir le niveau de prix actuel si la demande persiste.

ambcryptoIl y a 2 h

« Inciter à la démocratie » au détriment de la sécurité ? À l'intérieur de l'exploit de 20 millions de dollars de Bonk

ambcryptoIl y a 2 h

Récapitulatif de Zoomex X Space avec David James et le panel de trading de la Coupe du Monde

Zoomex a organisé le troisième épisode de son X Space Édition Coupe du Monde, dans le cadre de son engagement caritatif, réunissant le gardien anglais David James et un panel de traders. La discussion a exploré les parallèles entre le gardien de but et le trader, en se concentrant sur la préparation, la psychologie et l'exécution. David James a partagé sa philosophie : la vraie pression pour un gardien survient lors des moments d'inactivité, nécessitant une concentration maximale. Il a comparé cela au trader préparé qui n'a pas peur du prochain mouvement de marché. Sur les penalties, il a distingué deux modes : la préparation pure (analyse des tendances) et l'instinct, affirmant que le premier affine le second. Ce principe a été directement relié au trading par le panel. James a souligné l'importance de transformer les erreurs en données apprenables plutôt qu'en fantômes mentaux. Évoquant l'évolution du poste, il a noté que les changements de règles, plus que la tactique, ont révolutionné le rôle, exigeant désormais une distribution précise. Concernant les équipes, il a pointé la menace statistique de la France, avec huit joueurs dépassant les 35 km/h, et la "fragilité" potentielle des équipes invaincues comme le Mexique et l'Espagne, qui n'ont pas encore appris à réagir après avoir encaissé. Interrogé sur l'Angleterre, James a maintenu sa conviction qu'elle peut tout gagner, chaque argument pour les autres favoris s'appliquant aussi à son équipe. La session s'est conclue sur le fil conducteur unissant le gardien et le trader : une préparation approfondie réduit l'inconnu et les nerfs, remplaçant l'anxiété par un plan, que le résultat soit favorable ou non. L'engagement caritatif de Zoomex se poursuit, avec 1000 USDT promis à la fondation UEFA choisie par James si l'Angleterre l'emporte.

TheNewsCryptoIl y a 2 h

Récapitulatif de Zoomex X Space avec David James et le panel de trading de la Coupe du Monde

TheNewsCryptoIl y a 2 h

La folle course en Bourse d'Unitree : le véritable enjeu, c'est comment elle va dépenser les 4,2 milliards qu'elle a levés

Le constructeur chinois de robots humanoïdes Unitree a vu sa demande d'introduction en Bourse approuvée par la Chine, visant à lever environ 4,2 milliards de yuans. Fondée par Wang Xingxing en 2016, l'entreprise s'est d'abord fait connaître avec des robots quadrupèdes avant de lancer en 2023 son premier robot humanoïde grandeur nature, le H1, suivie d'une gamme de produits à prix agressifs. Ses revenus sont passés de 159 millions de yuans en 2023 à 1,71 milliard en 2025, avec une part de marché mondiale dépassant 60% pour ses quadrupèdes. Environ 40% de son chiffre d'affaires provient de l'étranger, notamment d'un projet pilote avec Japan Airlines à l'aéroport de Tokyo Haneda. Les fonds levés serviront à renforcer la R&D, le développement de produits et la construction de nouvelles usines. Unitree fait face à une concurrence intense, avec des acteurs comme Ubtech (axé sur l'accompagnement émotionnel), Tesla Optimus, ou Fourier. Ses défis seront de consolider sa position au-delà des quadrupèdes, de maintenir son avantage de prix tout en améliorant la fiabilité, et de faire progresser l'intelligence incarnée, comme avec son modèle H2 Plus développé avec Nvidia. Sa stratégie semble privilégier la vente en volume de modèles d'entrée de gamme pour les développeurs, couplée à des projets phares dans des secteurs industriels, misant sur l'expansion future du marché des robots humanoïdes.

marsbitIl y a 2 h

La folle course en Bourse d'Unitree : le véritable enjeu, c'est comment elle va dépenser les 4,2 milliards qu'elle a levés

marsbitIl y a 2 h

Trading

Spot

Articles tendance

Comment acheter GLM

Bienvenue sur HTX.com ! Nous vous permettons d'acheter Golem (GLM) de manière simple et pratique. Suivez notre guide étape par étape pour commencer votre parcours crypto.Étape 1 : Création de votre compte HTXUtilisez votre adresse e-mail ou votre numéro de téléphone pour ouvrir un compte sur HTX gratuitement. L'inscription se fait en toute simplicité et débloque toutes les fonctionnalités.Créer mon compteÉtape 2 : Choix du mode de paiement (rubrique Acheter des cryptosCarte de crédit/débit : utilisez votre carte Visa ou Mastercard pour acheter instantanément Golem (GLM).Solde ：utilisez les fonds du solde de votre compte HTX pour trader en toute simplicité.Prestataire tiers ：pour accroître la commodité d'utilisation, nous avons ajouté des modes de paiement populaires tels que Google Pay et Apple Pay.P2P ：tradez directement avec d'autres utilisateurs sur HTX.OTC (de gré à gré) : nous offrons des services personnalisés et des taux de change compétitifs aux traders.Étape 3 : stockage de vos Golem (GLM)Après avoir acheté vos Golem (GLM), stockez-les sur votre compte HTX. Vous pouvez également les envoyer ailleurs via un transfert sur la blockchain ou les utiliser pour trader d'autres cryptos.Étape 4 : tradez des Golem (GLM)Tradez facilement Golem (GLM) sur le marché Spot de HTX. Il vous suffit d'accéder à votre compte, de sélectionner la paire de trading, d'exécuter vos trades et de les suivre en temps réel. Nous offrons une expérience conviviale aux débutants comme aux traders chevronnés.

114 vues totalesPublié le 2024.12.10Mis à jour le 2026.06.02

Discussions

Bienvenue dans la Communauté HTX. Ici, vous pouvez vous tenir informé(e) des derniers développements de la plateforme et accéder à des analyses de marché professionnelles. Les opinions des utilisateurs sur le prix de GLM (GLM) sont présentées ci-dessous.