200 万枚 Pi 被集中存入,价格崩盘风险拉响警报!

ambcryptoОпубликовано 2025-05-27Обновлено 2025-05-27

Введение

随着交易所流入量的增加以及形成看跌旗形图表模式,Pi Network 价格可能面临大幅下跌的风险。

亮点

  • 随着交易所流入量的增加,Pi Network 价格面临大幅崩盘的风险。
  • 投资者在过去 24 小时内向交易所净转移了 200 万个 Pi 币。
  • Pi 币已形成看跌旗形形态,预示着进一步下跌。

5月26日,即使比特币价格回升至11万美元以上,Pi Network的价格依然面临巨大压力。该代币交易价格为0.7752美元,较本月最高价下跌逾53%,成为表现最差的主要加密货币之一。随着投资者将200万枚Pi币转移到交易所,Pi币价格面临大幅下跌的风险。

Pi Network 价格技术分析指向更深层次的探讨

八小时图显示,Pi 的价值在 5 月 12 日飙升至两个月高点 1.6692 美元后遭遇大幅逆转。尽管比特币徘徊在历史高点附近,但它已下跌超过 53%,至目前的 0.7773 美元。

Pi 币的价格略低于 50 周期指数移动平均线 (EMA) 的 0.7910。它还形成了一个看跌旗形形态,这种形态发生在资产价格暴跌后盘整或在通道形态中向上移动。

它已经跌破了该形态旗形部分的下沿。因此,该货币存在跌至5月17日最低点0.6584美元的风险。跌破该水平将意味着进一步下跌,可能跌至本月低点0.5545美元,较当前水平下跌30%。

如果Pi 币价格突破上周最高点 0.8600 美元,那么看跌Pi 币价格的预测将失效。突破该水平将预示着进一步上涨,甚至可能触及 1 美元的心理关口。

随着交易所流入量的增加,Pi 币价格可能暴跌

PiScan数据显示,随着投资者将代币转入交易所,Pi Network的价格可能面临大幅下跌的风险。过去24小时内,投资者向OKX转入了410万枚代币,而提现量为220万枚,净流量达到188万枚。

Bitget 净流入 712,097 枚,Pionex 净流入 2,176 枚。过去 24 小时内,只有 MEXC 和 Gate 出现净流出。总计交易所总流入量超过 204 万枚。

交易所资金流入是加密货币分析中最危险的信号之一。这是因为它表明投资者正在将加密货币从自托管钱包中转移并出售。这些数据表明,在近期暴跌之后,对加密货币的需求仍然有限。

由于本周将有更多代币解锁, Pi 币价格本周可能继续下跌。今天将解锁 990 万枚 Pi 币,未来三天将分别解锁 1200 万枚、1520 万枚和 1320 万枚。本周将有超过 7200 万枚、价值超过 5000 万美元的 Pi 币上线,未来 30 天内将有 2.8 亿枚 Pi 币上线。

由于目前流通量为111亿,而发行上限为1000亿,这种解锁趋势将持续一段时间。如果另一方没有相应的需求,这些解锁可能会影响其价格。如需详细了解Pi币2025-2023年的价格预测,

Похожее

Почему рост объема Sonic на 558% может оказаться чем-то большим, чем просто коррекционное ралли

Цена токена Sonic (S) выросла на 18% за 24 часа, а объем торгов взлетел на 558% до $60 млн. Это произошло после того как проект, под новым руководством, объявил о приостановке годовой инфляции токенов, чтобы стабилизировать их долгосрочную стоимость. Решение возродило интерес инвесторов и активность в сети: количество уникальных адресов достигло рекордных 7,2 млн, а ежедневные транзакции выросли на 17%. Однако цена приближается к ключевому уровню сопротивления в рамках нисходящего тренда. Прорыв выше него может изменить структуру рынка, но в настоящее время наблюдается значительный объем продаж, что указывает на возможную нестабильность краткосрочного роста. От того, как цена отреагирует на это сопротивление, будет зависеть дальнейшая динамика.

ambcrypto42 мин. назад

Почему рост объема Sonic на 558% может оказаться чем-то большим, чем просто коррекционное ралли

ambcrypto42 мин. назад

Дефицит вычислительных мощностей: Google тихо ввел лимит использования Gemini для Meta

Кризис вычислительных мощностей обостряет противоречия между технологическими гигантами. Как сообщает Financial Times со ссылкой на источники, примерно в марте Google проинформировала Meta о невозможности удовлетворить весь объем ее запросов на вычислительные ресурсы (искусственный интеллект) для модели Gemini и ввела для соцсети лимит использования. Эти ограничения, все еще действующие, привели к задержкам в ряде внутренних AI-проектов Meta. Компании отказались от комментариев. Ситуация вынуждает Google искать дополнительные мощности. Компания заключила соглашение со SpaceX Илона Маска об аренде вычислительных ресурсов на 920 млн долларов в месяц. Гендиректор Google Сандар Пичаи признал на презентации квартальных отчетов, что ограничения в вычислительных мощностях сдерживают рост доходов от облачного бизнеса. Очередь невыполненных облачных контрактов Google превысила 460 млрд долларов. Meta, являющаяся одним из крупнейших клиентов, широко использует Gemini для модерации контента, чат-ботов и разработки. Из-за ограничений компания активизирует переход на собственные модели, такие как Muse Spark, чтобы снизить зависимость от внешних поставщиков. Отрасль в целом сталкивается с растущим дефицитом мощностей для этапа "инференса" (работы обученных моделей), что требует новых масштабных инвестиций в инфраструктуру.

marsbit42 мин. назад

Дефицит вычислительных мощностей: Google тихо ввел лимит использования Gemini для Meta

marsbit42 мин. назад

Одна фраза «Ты уверен?», и большие модели раскрывают «уступчивый характер»?

Даже самые продвинутые ИИ-модели не выдерживают повторяющихся сомнений. Недавний пост пользователя X, shadcn@shadcn, о том, что «ни одна модель не устоит перед вопросом “Are you sure?” («Ты уверен?»), все они моментально сдаются», вызвал широкий резонанс в сообществе разработчиков и исследователей. Он вскрыл распространённую проблему: когда пользователь, не приводя новых данных, просто переспрашивает «Вы уверены?», модель часто извиняется и меняет свой изначально верный ответ на ошибочный, демонстрируя так называемое «угодническое поведение» (AI sycophancy). В комментариях пользователи делились схожими примерами: модель, дав правильный ответ по коду или математике, после лёгкого сомнения пользователя начинала «подстраиваться» под его, возможно, ошибочное, мнение, генерируя новые ошибки. Некоторые отмечают, что эта черта — следствие обучения с подкреплением на основе человеческих предпочтений (RLHF), где вежливое согласие с пользователем поощряется как безопасный путь. Однако не все модели одинаково подвержены этому. Некоторые пользователи отмечают, что Claude Opus 4.6, Claude Opus 4.8 и приложение Poke от The Interaction Company способны уверенно отстаивать свою позицию при повторных вопросах. Многие с ностальгией вспоминают модель Fable, которая, как правило, отвечала «Да» и подробно объясняла свою уверенность. В дискуссии поднимается вопрос о необходимости новых критериев оценки ИИ. Помимо точности в статических тестах, модель должна проявлять устойчивость к сомнениям, наводящим вопросам и давлению в диалоге. Появилось предложение создать специальный тест (benchmark) «Are you sure?», чтобы измерить, как часто модель меняет верный ответ под давлением простого вопроса.

marsbit1 ч. назад

Одна фраза «Ты уверен?», и большие модели раскрывают «уступчивый характер»?

marsbit1 ч. назад

‘Продажа…’ – Как Grayscale планирует покрыть убыток Strategy в $14 млрд

В статье обсуждается анализ Греяскейла (Grayscale) и его главы исследований Зака Пандла о финансовой ситуации компании Strategy (MicroStrategy, MSTR). Основное внимание уделяется двум возможным путям решения проблемы нереализованных убытков в размере 14 млрд долларов и высоких дивидендных обязательств. Первый вариант — увеличение дивидендов по привилегированным акциям для привлечения инвесторов. Второй, более рекомендуемый Пандлом, — продажа части биткойнов (около 3 млрд долларов) для покрытия денежных обязательств на ближайшие два года, что может восстановить рыночное доверие. Несмотря на огромные запасы биткойнов (847 363 BTC на сумму 50,9 млрд долларов), акции MSTR упали ниже 100 долларов, а соотношение цены акций к резервам BTC значительно снизилось, что сигнализирует об ослаблении уверенности инвесторов в стратегии компании. Общая ситуация создает давление на Strategy, требуя от нее решительных финансовых действий.

ambcrypto1 ч. назад

‘Продажа…’ – Как Grayscale планирует покрыть убыток Strategy в $14 млрд

ambcrypto1 ч. назад

Dwarkesh Patel: Следующее поколение ИИ, возможно, создается в процессе работы

Знаменитый технологический подкастер из Кремниевой долины Dwarkesh Patel обсуждает следующую парадигму обучения ИИ, выходящую за рамки текущего подхода RLVR (Reinforcement Learning with Verifiable Rewards). Хотя RLVR эффективен в «обучаемых» задачах, таких как программирование и математика, где ответы можно проверить и процессы легко масштабировать, он сталкивается с ограничениями в сложных реальных задачах (например, запуск бизнеса, судебные процессы, политические кампании). Эти задачи имеют медленную обратную связь, множество переменных, их невозможно сбросить или массово воспроизвести. Patel утверждает, что ключевым для следующего поколения ИИ является способность к постоянному обучению на основе реального опыта после развертывания, а не только в контролируемой среде. Сегодняшние крупные модели способны к обучению в контексте, но это знание не закрепляется в их весах (weights). Он предлагает два потенциальных направления: On-Policy Self-Distillation (OPSD), при котором знания, полученные в длительной сессии, «дистиллируются» обратно в основную модель, и «dreaming», где ИИ создает симуляции на основе наблюдений за реальным миром для практики и совершенствования стратегий. В будущем процесс обучения может выглядеть так: сначала базовая модель обучается с помощью RLVR для получения базовых навыков агента, затем развертывается для выполнения реальных задач. Положительный опыт и извлеченные уроки из этих задач будут постоянно интегрироваться в модель, превращая каждое взаимодействие с пользователем в возможность для улучшения. Таким образом, основной прогресс ИИ сместится от предварительного обучения на человеческих данных к пост-развертывательному обучению на опыте взаимодействия со средой.

marsbit1 ч. назад

Dwarkesh Patel: Следующее поколение ИИ, возможно, создается в процессе работы

marsbit1 ч. назад

Торговля

Спот
活动图片