Из-за низких комиссий сжигание ETH упало до многолетнего минимума

investing.ruPublished on 2024-08-12Last updated on 2024-08-12

Happycoin.club - Ежедневное количество сжигаемых монет в сети Ethereum упало до самого низкого уровня в этом году на фоне колебания базовых комиссий между 1 и 2 gwei. Это один из самых низких уровней за последние пару лет.

Интересно, что в субботу было сожжено всего 210 ETH, что стало рекордно низким показателем за год, поскольку плата за газ была минимальной. 5 августа, напротив, ежедневное сжигание выросло до 5000 ETH, когда сборы за газ достигли около 100 gwei.

При таких низких сборах за газ уровень инфляции в сети увеличилась, так как при выводе из оборота 210 ETH чистая эмиссия составила более 2000 ETH.

В связи с этой ситуацией основатель Gnosis Мартин Кёппельманн предложил временно увеличить лимит газа:

Базовый сбор находится на многолетнем минимуме ~0,8 GWEI. Для компенсации вознаграждений за стейкинг потребуется 23,9. По моему мнению, Ethereum нужно снова увеличить активность L1, и это прозвучит нелогично при таких низких ставках, но повышение лимита газа может стать частью стратегии.

Хардфорк «Лондон», также известный как EIP-1559 и реализованный в августе 2021 года, ввёл базовую плату за сжигание и приоритетную плату, выступающую подсказкой для валидаторов. Поскольку базовая плата напрямую связана с активностью сети, повышенные платы приводят к сжиганию большего количества ETH, что сокращает предложение.

Это снижение платы за газ объясняется усилившейся миграцией пользователей на решения масштабирования уровня 2 и принятием транзакций blob, введённых обновлением Dencun в марте, что помогло снизить затраты в сетях уровня 2.

Читайте оригинальную статью на сайте Happycoin.club

Trending Cryptos

Related Reads

Embodied Intelligence 'Gaokao' is Insanely Hard, Humans Score 100, Best Model Only 12.8

Embodied AI Faces a Daunting "Everest": New Benchmark Reveals Huge Gap Between Models and Humans A comprehensive new benchmark for robotic manipulation, RoboDojo, has been released, painting a stark picture of the current state of embodied AI. It serves as a unified evaluation platform covering both simulation and real-world robot tasks. The benchmark assesses five core capabilities: Generalization (adapting to new scenes/objects), Memory, Precision manipulation, Long-Horizon multi-step tasks, and Open semantic understanding. It includes 42 simulation tasks and 18 standardized real-world tasks across three dual-arm robot platforms. The results are sobering. In simulation, the best-performing generalist robot policy achieved an average success rate of only 8.80%. Performance in the real world was slightly higher but still low, with the top model succeeding 12.8% of the time on average. In stark contrast, human experts scored 76.03% in simulation and 100% in real-world tests. The benchmark highlights significant, uneven gaps in current models' abilities. While some excel in specific areas like visual recognition or simple actions, they struggle with reliability, especially in long-horizon tasks where errors accumulate and in open-ended semantic instructions. The low scores, particularly in real-world deployment with physical uncertainties like camera noise and contact dynamics, underscore that today's models are far from being robust, general-purpose operational robots. RoboDojo is more than just a ranking; it's an infrastructure designed for fair, reproducible comparison. Its companion system, XPolicyLab, standardizes the interface for different models to be evaluated. Maintained by an academic consortium without commercial ties, it aims to provide a community-wide "altitude meter" to track genuine progress toward reliable and generalizable robot manipulation.

marsbit1h ago

Embodied Intelligence 'Gaokao' is Insanely Hard, Humans Score 100, Best Model Only 12.8

marsbit1h ago

Trading

Spot

Hot Articles

Discussions

Welcome to the HTX Community. Here, you can stay informed about the latest platform developments and gain access to professional market insights. Users' opinions on the price of ETH (ETH) are presented below.

活动图片