取代“胖企鹅”位列NFT市值第三,NokeMonkes“1猴=1 BTC”的目标能否实现?

Odaily星球日报Опубликовано 2024-03-05Обновлено 2024-03-05

Введение

NokeMonkes下一步是取代BAYC以及CryptoPunks?

原创 | Odaily星球日报

作者 | Asher

编辑 | 秦晓峰

取代“胖企鹅”位列NFT市值第三,NokeMonkes“1猴=1 BTC”的目标能否实现?

随着 BTC 价格持续攀升,比特币生态 NFT 迎来新一轮爆发,其中又以 NodeMonkes(中文社区称为“节点猴”)表现最为突出。

根据 CoinGecko 中 NFT 板块最新数据,NodeMonkes 过去 24 小时销售量为 80 个, 24 小时交易量为 68.28 BTC(约合 460 万美元);当前地板价为 0.8 BTC(约合 53755 美元),过去一周增幅超过 120% ;总市值高达 5.37 亿美元,取代 Pudgy Penguins,仅次于 CryptoPunks 与 BAYC。

取代“胖企鹅”位列NFT市值第三,NokeMonkes“1猴=1 BTC”的目标能否实现?

从项目发售到成为 NFT 总市值前三(并且也是前五榜单中唯一的 BTC 生态项目),NodeMonkes 只用了不到 3 个月的时间,为何备受社区追捧与青睐?

比特币上第一个原生 10K PFP 系列

NokeMonkes 的设计原型最早出现在 2022 年 12 月 21 日 Ordinals 的测试网中。

作为比特币生态上第一个原生的 10 K PFP 系列,项目的铸造时间为 2023 年 2 月 14 日—— 2 月 16 日,合集特征共有 111 个,其中身体 32 个,耳朵 5 个,眼睛 29 个,头部 45 个。该项目也是目前比特币生态将特征、稀有度罗列的最完整的项目之一。

取代“胖企鹅”位列NFT市值第三,NokeMonkes“1猴=1 BTC”的目标能否实现?

图源:官网

NokeMonkes 创建者叫 nodetoshi(匿名),中文社区称其为「石本聪」,曾领导创建过多个项目。根据多名社区成员调查,他是 BitcoinRocks 的组织者,同时可能还是 RSIC 的创建者。此外,nodetoshi 还是 Ordinals 创始团队最早的 3 个人之一,并在早期 Ordinals DC 社群拥有最高权限——仅两个人拥有,另一个是 Casey,后因矛盾 nodetoshi 离开了团队。

对于项目的公平发售(Freemint),nodetoshi 有着自己的思考。为了避免科学家和投机客抢跑,他曾自己花钱将 19000 个 RSIC 空投给比特生态里最活跃的、最忠诚的非机器人账户。

NokeMonkes 发售时,nodetoshi 采用荷兰拍价格递降的方式拍卖了 8000 个 NFT,起始拍卖价格 0.21 BTC。在经历了约 30 个小时的荷兰拍之后,最终在价格下降到 0.04 BTC 左右全部售罄。剩余的 NokeMonkes,其中 1000 个用于社区、贡献者、艺术家、开发者等;另外 1000 个为创始人团队自留,并已公开相关钱包地址。

取代“胖企鹅”位列NFT市值第三,NokeMonkes“1猴=1 BTC”的目标能否实现?

图源:官推

关于 NodeMonkes 荷兰拍,期间还有有几个小插曲。NodeMonkes 起初对外宣称将进行 Freemint;但团队考虑到会被科学家、投机客包场(比如内存池抢单),再次改为发白名单形式发售。此后 ,团队收到海量的白名单请求,并发现许多用户冒充项目方或者社区索要白名单,遂取消了白名单的发售方式。最终,经过综合考虑采用荷兰拍,将定价权交给社区和市场,同时也避免了科学家和投机客。

BTC 生态的“金铲子”

1 月 22 日,符文矿机——RSIC 空投给了一批比特币生态 NFT 活跃玩家的钱包中。这次空投,NokeMonkes 持有者获得了丰厚的收获。根据社区成员反馈,持有 NodeMonkes 的活跃地址最多收到了 5 张 RSIC 空投。

在开始交易后,RSIC 的表现也是十分亮眼,交易当天地板价就突破了 0.01 BTC,随后两天地板价最高冲到了 0.05 BTC,之后回落稳定在 0.03 BTC。近期,随着加密市场整体行情变好,尤其是 BTC 的价格不断拉升,RSIC 目前地板价维持在 0.12 BTC 附近(价值约合 8000 美元)。

取代“胖企鹅”位列NFT市值第三,NokeMonkes“1猴=1 BTC”的目标能否实现?

图源:magiceden

随着近期地板价抬升,NodeMonkes 关注度越来越高,预计未来将有更多的 BTC 生态项目在冷启动时会对 NodeMonkes 持有者进行空投,重现 BAYC 昔日的盛况。

巨鲸加仓,“ 1 猴= 1 BTC”即将实现

根据 NFTstats.eth 3 月 4 日监测数据,某 fh3csy 开头的巨鲸地址以 53.45 BTC 的总价扫入了六只“外星人”款 NodeMonkes,总计支出约合 335 万美元,均价 8.9 BTC。

取代“胖企鹅”位列NFT市值第三,NokeMonkes“1猴=1 BTC”的目标能否实现?

图源:NFTstats.eth

消息一出,市场买盘增加,昨天晚些时候地板价一度上涨到 0.9 BTC 以上,各大社区纷纷开始讨论 NokeMonkes,弥漫着浓郁的 FOMO 的情绪:

  • “没有利好,才是最大的利好。幡然醒悟 Nothing>Anything,什么都不做的项目,才是好项目,拥有无限想象力。回顾 BAYC 在做游戏以前,地板价一直涨;自从宣布做游戏后地板价就一路下跌,彻底凉凉。BTC 链上的节点猴,生态、愿景都没有,地板价涨的最好。”

  • 现在回想,节点猴从原本的 Free Mint 转为荷兰拍,难道是背后大哥的意思?而喜欢荷兰拍这种发售方式的人,好像玩以太坊顶级 NFT 的人也喜欢,背后也许有资本推动。”

  • 从遭遇无数人 FUD 的荷兰拍,到上市后的社区分裂小作文,到现在的图币螺旋,到现在的空投躺赢,再到现在成为币圈中最舒服的一小撮人之一。拿住 NodeMonkes 才能赚钱。”

  • “节点猴才是比特币生态的硬通货,一个节点猴兑换一个 1 个 BTC 不再是梦。”

小结

从社区热度、二级市场交易量等多个维度分析,NokeMonkes 无疑是目前 BTC 生态 NFT 的龙头。同时,NokeMonkes 自带的“比特币生态上第一个原生的 10K PFP 系列”与“优质金铲子”两大标签也让项目热度不断攀升,不断抬高地板价,如今距离社区高喊的「 1 猴= 1 BTC」也并不遥远。

未来,NokeMonkes 能否取代 BAYC 乃至 CryptoPunks,我们拭目以待。

Похожее

Открытые системы в конечном итоге побеждают: почему Ethereum — следующий Linux?

**Открытые системы в конечном итоге побеждают: Почему Ethereum — это следующий Linux?** Исторические параллели показывают, что открытые, децентрализованные системы («базары») со временем превосходят закрытые, контролируемые («соборы»). Как Linux победил проприетарные UNIX-системы, а интернет — частные сети, так и Ethereum, благодаря своей беспристрастной нейтральности (credible neutrality), имеет все шансы стать доминирующей основой для мировой финансовой инфраструктуры. Ключевые причины: 1. **Беспризорное (permissionless) инновационное развитие:** Подобно модели разработки Linux с открытым исходным кодом, Ethereum позволяет любому разработчику вносить инновации без разрешения (примеры: ERC-20, ERC-721, Uniswap). Ни одна частная компания не может сравниться с совокупной скоростью инноваций глобального сообщества. 2. **Суверенитет и нейтральность:** Ethereum — это суверенная вычислительная платформа, правила которой прозрачны, равны для всех, устойчивы к изменениям и открыты для участия. Ни одна организация (будь то корпорация или государство) не может контролировать или произвольно менять сеть, что устраняет риски платформы и создает доверие. 3. **Провал частных альтернатив:** Частные блокчейны и консорциумы (например, We.trade, Marco Polo), продвигаемые банками, страдают от фундаментальных противоречий интересов участников и не могут обеспечить открытую компоновку (composability) и нейтральность, которые являются основной ценностью блокчейна. Многие подобные проекты уже потерпели неудачу. 4. **Эффект сетевого масштаба:** Доверие разработчиков и институтов (Coinbase, BlackRock, JPMorgan, Robinhood) привлекает в экосистему Ethereum больше инструментов, ликвидности и приложений, создавая самоподдерживающийся цикл роста. На Ethereum уже приходится подавляющая доля активности в DeFi, стейблкоинах и токенизированных активах. 5. **Ответственность на уровне приложения:** Аргумент о необходимости контролируемого субъекта для регулирования в финансовой сфере решается на уровне приложений (например, с помощью токеновых стандартов со встроенным KYC, как ERC-3643), а не базового расчетного уровня, который должен оставаться нейтральным. История технологий учит, что преимущества закрытых систем (скорость, фокус) в долгосрочной перспективе уступают силе открытых сетей. Ethereum, как платформа, обеспечивающая суверенитет, нейтральность и беспрепятственные инновации, находится на пути к тому, чтобы стать для финансов тем же, чем Linux стал для операционных систем, — повсеместно принятой, надежной и открытой основой.

Foresight News3 мин. назад

Открытые системы в конечном итоге побеждают: почему Ethereum — следующий Linux?

Foresight News3 мин. назад

Заканчиваются канальные преимущества. Как протоколы DeFi защищаются от захвата гигантами?

Рост за счет доступа к каналам дистрибуции подходит к концу. Такие гиганты, как Coinbase, Stripe и Kraken, стремятся контролировать всю цепочку создания стоимости, поглощая или создавая конкурирующую базовую инфраструктуру, чтобы захватить прибыль и избежать «платы за проезд». Coinbase с ее блокчейном Base собирает сборы за упорядочение, Stripe приобрела Bridge для удержания доходов от стейблкоинов, а Kraken купила NinjaTrader для получения лицензий на деривативы. Однако протоколы DeFi, такие как Morpho и Uniswap, строят защиту, активно расширяясь на множество блокчейнов. Это снижает риск зависимости от одной платформы. Их глубоко укоренившаяся, проверенная в боях технология создает высокие затраты на замену для крупных компаний, что ведет к взаимозависимости. Хотя будущее может двигаться к олигополии, текущая динамика — это гонка между вертикальной интеграцией гигантов и горизонтальным, мультичейн-расширением открытых протоколов. Краткосрочная стабильность есть, но долгосрочный итог этой борьбы определит архитектуру отрасли.

marsbit9 мин. назад

Заканчиваются канальные преимущества. Как протоколы DeFi защищаются от захвата гигантами?

marsbit9 мин. назад

Проблемы вычислительной мощности в китайско-американской партии по искусственному интеллекту

**Краткое содержание статьи: "Проблемы вычислительных мощностей в контексте китайско-американского соперничества в области ИИ"** Ключевой проблемой развития ИИ в Китае является серьезное отставание в области вычислительных мощностей, особенно в сфере высокопроизводительных чипов для **обучения** моделей ИИ. В то время как китайские чипы, такие как продукты компаний Moore Thread, Biren Technology и других, находят применение в более доступных задачах **вывода (инференса)** (например, в приложении Doubao), они практически не представлены в требовательном сегменте обучения крупных моделей. Здесь безраздельно доминируют американские компании, в первую очередь Nvidia с ее чипами серии A100/H100/H200 и экосистемой CUDA. Разрыв огромен: США контролируют более 70% мирового рынка высококлассных GPU, их общие вычислительные мощности более чем в два раза превышают китайские (2400 против 1053 EFLOPS). Американские технологические гиганты, такие как Meta, Google, Microsoft и Amazon, вкладывают сотни миллиардов долларов в инфраструктуру ИИ. Например, только у Google вычислительных мощностей столько же, сколько у 500 000 чипов H100, что составляет четверть от общемирового объема. Это позволяет им проводить десятки итераций обучения крупных моделей в год и экспериментировать с параметрами в триллионы и десятки триллионов, как это делает xAI Илона Маска. В результате, самые передовые американские модели (например, Anthropic Claude Mythos с 10 триллионами параметров) значительно превосходят лучшие китайские (например, DeepSeek V4 Pro с 1.6 триллионами параметров). Эксперты оценивают отставание Китая в 8-15 месяцев. Основная причина — физическое отсутствие необходимых мощностей для быстрого обучения сверхбольших моделей в соответствии с законом Scaling Law. Китай стремится к импортозамещению, разрабатывая собственные чипы (Huawei Ascend 910B, Cambricon и др.). Хотя по абсолютной производительности они пока отстают от лидеров на 30% и более, в сфере инференса разрыв сократился до 15-20%. Главная проблема — не только производительность железа, но и отсутствие зрелой программной экосистемы, подобной CUDA. Однако уже есть первые успехи: компании вроде Zhipu AI и Moore Thread начинают демонстрировать возможность полного цикла обучения моделей на отечественном оборудовании и фреймворках. Вывод: Китай сталкивается с фундаментальным вызовом в "гонке вычислений", которая лежит в основе "гонки моделей". Преодоление этого разрыва требует времени, масштабных инвестиций и построения собственной экосистемы. Страна обладает необходимым рынком, талантами и капиталом, но путь к паритету с США в области высокопроизводительных чипов для ИИ будет долгим.

marsbit10 мин. назад

Проблемы вычислительной мощности в китайско-американской партии по искусственному интеллекту

marsbit10 мин. назад

Новая работа команды Хэ Каймина: после удаления VAE и приватных данных генерация текста в изображениях стала ещё лучше

Новая работа команды Хэ Каймина, MiniT2I, представляет собой минималистскую базовую модель для генерации изображений по тексту, которая бросает вызов существующим сложным подходам. В отличие от популярных моделей, таких как Stable Diffusion, MiniT2I отказывается от использования VAE, сложных механизмов введения условий (AdaLN), вспомогательных функций потерь, приватных данных и этапов выравнивания RL/DPO. Модель работает непосредственно в пространстве пикселей, используя потоковое согласование. Архитектура MM-JiT основана на чистом Transformer с двумя адаптерами для текста и без AdaLN. Обучение проводится в два этапа на полностью открытых данных: предварительное обучение на LLaVA-recaptioned CC12M и тонкая настройка на наборе высококачественных пар изображение-текст. Несмотря на небольшой размер (например, версия B/16 с 258 млн параметров), MiniT2I показывает конкурентоспособные результаты на бенчмарках GenEval (0.87) и DPG-Bench (84.2), превосходя более крупные модели. Модель L/16 (912 млн параметров) демонстрирует хорошее качество в стилях, композиции и воображении, приближаясь к SD3-Medium. Работа также честно указывает на текущие ограничения: артефакты на границах патчей, побочные эффекты CFG в пиксельном пространстве, потолок разрешения и отставание в рендеринге текста из-за использования только открытых данных. MiniT2I доказывает, что создание мощных тексто-графических моделей может быть более простым, эффективным и доступным, отмечая возможный переход от парадигмы «нагромождения» к парадигме «очищения».

marsbit15 мин. назад

Новая работа команды Хэ Каймина: после удаления VAE и приватных данных генерация текста в изображениях стала ещё лучше

marsbit15 мин. назад

Агенты ИИ «поглотили» какие криптосекторы?

Если вы, как и мы, последние несколько лет были глубоко вовлечены в индустрию, вы заметили, как изменилась атмосфера. Основной консенсус заключается в том, что отрасль активно оптимизируется под AI-агентов, что отодвигает на второй план продукты, ориентированные на прямое человеческое взаимодействие. Однако цепочка данных остается активной на новом уровне — уровне автономных агентов, недоступном для прямого человеческого вмешательства. Агенты уже доминируют в определенных сегментах: * **Деривативы (перпетуальные контракты):** Скорость и круглосуточное исполнение дают машинам явное преимущество, что подтверждают результаты конкурсов, где все AI-агенты завершили гонку, в то время как многие люди понесли убытки. * **Арбитраж (MEV):** Это абсолютно доминируемая роботами сфера, где масштабируемая человеческая деятельность невозможна. * **Оптимизация доходности:** Большинство новых протоколов DeFi включают автономных AI-агентов для управления, что показывает рост их внедрения. * **Спот-торговля:** По оценкам, автоматизированные боты отвечают за значительную долю общего объема торгов. В других сегментах наблюдается **смешанная активность**: * **Предиктивные рынки:** Агенты доминируют в краткосрочном арбитраже, но люди сохраняют преимущество в долгосрочных прогнозах, требующих адаптации. * **Кредитование в DeFi:** Хотя процессы ликвидации автоматизированы, ключевые решения о займах и депозитах по-прежнему принимаются людьми. Человеческое взаимодействие остается ключевым в областях, требующих доверия и контекста: * **Стейблкоины и платежи:** Подавляющий объем транзакций связан с реальными людьми, использующими криптовалюту для переводов и повседневных расходов. * **Кошельки:** Это последний рубеж, требующий человеческого одобрения и надзора. С ростом числа агентов **верификация человеческой деятельности** становится критически важной. Проекты, такие как World (AgentKit), t54, Self Protocol и Kite AI, разрабатывают инфраструктуру для безопасного связывания агентов с проверенными людьми, обеспечивая подотчетность и доверие в агент-ориентированной экономике. **Вывод:** Агенты превосходят людей в задачах, требующих скорости и оптимизации (трейдинг, MEV), и эта тенденция сохранится. Однако человеческий слой остается жизненно важным для сфер, связанных с реальной экономикой, платежами, доверием и сложными суждениями. Будущее, скорее всего, будет заключаться в симбиозе, где агенты эффективно выполняют задачи, но подотчетны и контролируются людьми.

marsbit21 мин. назад

Агенты ИИ «поглотили» какие криптосекторы?

marsbit21 мин. назад

Торговля

Спот
Фьючерсы
活动图片