Почти 80% владельцев Toncoin понесли нереализованные убытки

cryptonews.ruDipublikasikan tanggal 2024-01-04Terakhir diperbarui pada 2024-09-04

Падение курса Toncoin (TON), которое началось после ареста создателя Telegram Павла Дурова, повлекло убытки у большинства владельцев криптовалюты.

По данным сервиса IntoTheBlock, 79,7% людей, купивших Toncoin, уйдут в минус, если продадут монеты по текущей цене. 10,6% из них выйдут в ноль и лишь 9,7% заработают прибыль. При этом инвесторам в TON грозят внушительные убытки, так как многие из них приобрели цифровые активы по курсу от $6,25 до $8,18, а сейчас криптовалюта стоит лишь $4,80.

ton-holders-losses-even-profit

Количество владельцев Toncoin, которые могут заработать прибыль (зелёный цвет), понести убытки (красный) или выйти в ноль (серый)

После задержания Дурова Toncoin стремительно подешевел на 23%, однако за коррекцией последовал новый виток нисходящей тенденции, и монета уже потеряла в цене 32%. Более того, дно, достигнутое 4 сентября на отметке $4,67, оказалось ниже предыдущего.

Этот факт не сулит TON ничего хорошего и предвещает продолжение медвежьего тренда в рамках формирующегося нисходящего канала.

ton-downward-channel-4-september

Нисходящий канал на графике изменения курса Toncoin

Официально блокчейн The Open Network, на котором выпущен Toncoin, работает обособленно от Telegram. Но разработчики этой сети сотрудничают со специалистами мессенджера, потому что встроенный в Telegram криптокошелёк функционирует на базе The Open Network. Поэтому проблемы, с которыми столкнулся Павел, влияют на рынок TON.

Bacaan Terkait

Karpathy Kembali Menjadi Legenda, Guncangkan RAG, Ubah Catatan Anda Menjadi Otak Kedua

Karpathy, mantan pendiri OpenAI dan direktur AI Tesla, memperkenalkan konsep revolusioner: mengelola pengetahuan pribadi dengan pendekatan "sumber kode yang dikompilasi" oleh LLM. Alih-alih menggunakan RAG yang hanya mengambil potongan catatan secara terpisah, metode barunya memperlakukan catatan mentah sebagai "sumber kode tidak berubah". LLM bertindak sebagai "kompiler" yang secara berkala menyusun semua bahan mentah tersebut menjadi wiki terstruktur yang saling terhubung dan koheren. Proses "kompilasi" ini memperbarui halaman terkait, merevisi ringkasan, dan menandai ketidakkonsistenan. Arsitektur ini memiliki tiga lapisan: **Raw** (bahan mentah), **Schema** (aturan struktur untuk AI), dan **Wiki** (hasil kompilasi AI). Alur kerjanya melibatkan **Ingest** (memasukkan materi baru), **Query** (bertanya pada wiki yang telah dikompilasi), dan **Lint** (pemeriksaan rutin untuk inkonsistensi). Konsep ini mewujudkan visi Vannevar Bush pada 1945 tentang "Memex", mesin asosiatif pribadi, yang sebelumnya terhambat oleh beban pemeliharaan manual yang melelahkan. LLM menghilangkan beban "pembukuan" pengetahuan ini, membebaskan manusia dari tugas pengorganisasian dan perawatan yang membosankan. Tujuannya adalah mengembalikan fokus manusia pada hal yang esensial: memutuskan apa yang perlu dipelajari dan merenungkan makna dari pengetahuan yang terkumpul. Ini adalah perubahan mendasar dalam hubungan produksi kognitif manusia-AI.

marsbit6m yang lalu

Karpathy Kembali Menjadi Legenda, Guncangkan RAG, Ubah Catatan Anda Menjadi Otak Kedua

marsbit6m yang lalu

Claude Science Mengerjakan Pekerjaan Dua Tahun dalam Beberapa Minggu, Apakah Percepatan 10 Kali Lipat dalam Penelitian Benar-Benar Terjadi?

Kerja ilmiah yang biasanya memakan waktu dua tahun kini dapat diselesaikan dalam hitungan minggu berkat Claude Science, platform AI baru dari Anthropic yang diluncurkan pada Juni 2026. Claude Science berfungsi sebagai "AI workbench" atau meja kerja AI yang dirancang khusus untuk ilmuwan, terutama di bidang ilmu hayati. Platform ini mengonsolidasikan seluruh alur kerja penelitian—mulai dari analisis literatur, perhitungan multi-langkah, pembuatan grafik, hingga penulisan naskah—ke dalam satu lingkungan eksekusi terpadu. Ia dapat dijalankan di macOS/Linux lokal, terhubung via SSH ke mesin jarak jauh, atau dijalankan pada kluster HPC. Salah satu terobosan utamanya adalah kemampuannya menjadikan penelitian sebagai proses yang dapat diaudit. Setiap grafik yang dihasilkan dilengkapi dengan kode yang dapat dilacak, lingkungan eksekusi, dan riwayat percakapan, sehingga memudahkan reprodusibilitas. Claude Science menggunakan arsitektur multi-agen, dengan satu agen koordinator yang mengelola lebih dari 60 "keterampilan" dan konektor pra-konfigurasi untuk bidang seperti genomik dan biologi struktural. Terdapat juga "agen peninjau" khusus yang memeriksa keakuratan kutipan dan perhitungan. Pendekatan "human-in-the-loop" tetap dijaga, di mana ilmuwan memberikan otorisasi untuk keputusan penting. Dalam kasus nyata, ilmuwan dari Allen Institute berhasil mempersingkat penulisan tinjauan pustaka panjang dari dua tahun menjadi beberapa minggu. Contoh lain termasuk percepatan analisis genomik dan otomatisasi pipeline tertentu, dengan klaim peningkatan kecepatan hingga 10 kali lipat untuk tugas-tugas spesifik. Claude Science berbeda dari pendekatan Google (yang mengandalkan model seperti AlphaFold) dan OpenAI (yang fokus pada kecerdasan ilmiah model seperti GPT-Rosalind), dengan lebih menekankan pada otomatisasi alur kerja yang terintegrasi dan dapat dilacak.

marsbit10m yang lalu

Claude Science Mengerjakan Pekerjaan Dua Tahun dalam Beberapa Minggu, Apakah Percepatan 10 Kali Lipat dalam Penelitian Benar-Benar Terjadi?

marsbit10m yang lalu

Trading

Spot
活动图片