Kimi, Zhipu, Douban Berkumpul dalam Hackathon Kripto: Apa yang Dibangun Developer AI di Monad?

marsbitОпубликовано 2026-03-26Обновлено 2026-03-26

Введение

Pertengahan Maret 2026, Monad menyelenggarakan hackathon AI bertajuk "Rebel in Paradise" yang berfokus pada pengembangan agen cerdas di ekosistem blockchain. Acara ini didukung oleh sejumlah perusahaan AI ternama seperti Kimi, Zhipu AI, dan Douban, serta menawarkan total hadiah senilai $40.000. Hackathon ini berfokus pada tiga bidang utama: Pembayaran Agen, Pasar Cerdas, dan Inovasi Aplikasi. Sebanyak 11 proyek berhasil menjadi pemenang, dengan OpenAlice dinobatkan sebagai juara umum. OpenAlice adalah agen perdagangan yang dapat dijalankan secara lokal, menggabungkan penelitian, strategi, eksekusi, dan manajemen risiko dalam satu platform transparan. Pemenang lainnya termasuk Orbit AI (decentralized AI cloud), Libra (platform kolaborasi kode baru untuk era agen), Agora-mesh (protokol pencarian layanan untuk agen), dan Kimi-swarm (IDE open source untuk kolaborasi multi-agen). Proyek seperti Anime AI Studio juga menonjol, menawarkan pembuatan konten anime berbasis AI. Monad secara aktif membangun ekosistem AI, didukung oleh infrastrukturnya yang menawarkan TPS tinggi dan biaya gas rendah, cocok untuk interaksi agen yang kompleks. Inisiatif seperti AI Blueprint Plan dan Moltiverse Hackathon memperkuat posisinya sebagai platform yang serius untuk pengembangan AI dan agen otonom di Web3.

Penulis: Deep Tide TechFlow

Hackathon telah menjadi aksi standar dalam pembangunan ekosistem blockchain publik. Dibandingkan dengan keriuhan "mengadakan sebuah acara", yang lebih layak diperhatikan adalah "apa yang ditinggalkan untuk ekosistem" oleh acara ini.

Pada 21 Maret 2026, dengan diumumkannya daftar pemenang, Monad Rebel in Paradise AI Hackathon berhasil ditutup.

Di saat AI telah umum menjadi "tongkat penyelamat" yang wajib disinggung oleh Crypto untuk membangun ekosistem, hackathon ini tetap sangat layak untuk ditinjau ulang. Bukan hanya karena sebagai proyek L1 kelas berat, setiap langkah Monad dalam membangun ekosistem setelah token listing selalu menjadi fokus pertanyaan komunitas, alasan lain yang lebih besar adalah karena komunitas sulit untuk tidak memperhatikan mitra kerja sama acara hackathon ini:

Termasuk Kimi, Zhipu, Douban, dan beberapa vendor LLM terkenal lainnya yang sudah familiar tercantum di dalamnya.

Hal ini membuat makna acara ini jauh melampaui "kompetisi developer on-chain" itu sendiri. Ini melepaskan sinyal Crypto sebagai komponen inti dengan skenario yang lebih luas, dan sekaligus mempromosikan pertemuan antara model AI skala besar dan infrastruktur on-chain:

Di satu sisi, ada lingkungan eksekusi on-chain yang disediakan oleh blockchain publik berkinerja tinggi Monad, di sisi lain, ada kemampuan model besar, toolchain, dan sumber daya pengembangan yang dimiliki vendor tradisional yang disuntikkan secara terpusat, dan di tengahnya adalah para pengembang yang mencoba menulis imajinasi menjadi produk.

Lalu, menghadapi era ekonomi agen cerdas, jaringan dasar perlu mendukung interaksi dan aliran nilai yang lebih frekuen dan kompleks, bagaimana performa spesifik Monad?

Secara bersamaan, dalam hackathon seperti ini, seputar tema AI, apa sebenarnya yang dibangun oleh para pengembang di Monad?

Mari kita lihat lebih jauh tata letak AI ekosistem Monad melalui proyek-proyek pemenang hackathon ini.

Sebuah Hackathon dengan "Lineup Kuat" dan "Sumber Daya yang Padat"

Ketika Agent tidak lagi hanya menjadi alat dialog, tetapi memiliki kemampuan eksekusi, arah mana yang paling layak untuk diinvestasikan oleh pengembang?

Kegiatan hackathon Monad Rebel in Paradise AI bertujuan untuk memberikan jawaban paling langsung.

Dalam desain topik perlombaan, kegiatan berfokus pada tiga arah yang paling mewakili nilai implementasi Agent: Pembayaran Agent, Pasar Cerdas, Inovasi Aplikasi.

Dan untuk menyajikan jawaban yang lebih menarik, Monad juga tidak pelit dengan sumber daya: Peserta tidak hanya dapat berkomunikasi langsung dengan pemimpin di bidang LLM, infrastruktur, dan agen cerdas serta VC, tetapi juga akan mendapatkan total hadiah lebih dari $40,000,其中 $20,000 berupa hadiah tunai, $20,000 berupa dukungan kreatif dan sumber daya, termasuk kuota penggunaan gratis untuk model terkini, alat pengembangan, dan infrastruktur.

Sebagai hackathon pertama yang berfokus pada keuangan AI Agent di Tiongkok, Monad bertujuan melalui acara ini untuk menghadirkan demonstrasi integrasi mendalam EVM paralel berkinerja tinggi dan LLM terbaik, dan mengadakan kegiatan pelatihan dengan Beijing dan Shenzhen sebagai basis utama, menarik pengembang, kemampuan model, infrastruktur, dan investor ke dalam lapangan uji yang sama.

Juri VC kegiatan menarik bergabungnya institusi top termasuk Delphi Ventures, Pantera Capital, CoinFund, Vertex, Enlight, dll., menciptakan kesempatan bagi peserta untuk membuktikan diri di depan vendor model, penyedia infrastruktur, dan institusi investasi top lebih awal.

Secara bersamaan, kegiatan juga menarik perusahaan AI top seperti Kimi, Zhipu AI, Douban, Step星辰, Silicon Base Flow, YouWare untuk masuk secara kolektif, memberikan serangkaian dukungan dari API model, dukungan komputasi, bimbingan teknis hingga sumber daya penilaian.

Lineup seperti ini membuat banyak orang penasaran dengan peluang di balik kerja sama, tetapi jika ditelusuri也不难理解:

Ketika vendor LLM mulai mencari peluang go global dan titik inovasi AI berikutnya, mereka melihat Crypto yang memiliki serangkaian karakteristik seperti desentralisasi, tanpa kepercayaan, insentif yang dapat diverifikasi, dll., dan Monad menjadi dasar L1 yang ditemukan dan dipilih oleh vendor besar.

Pengiriman sumber daya yang padat meletakkan dasar yang diperlukan untuk output berkualitas tinggi hackathon ini, lalu seperti apa produk pertama yang berani mencoba dan menemukan titik implementasi?

Dari Pembayaran hingga Generasi Drama: Sekilas 11 Proyek Pemenang

Juara Umum: OpenAlice

OpenAlice adalah sebuah Agent transaksi yang dapat dijalankan secara lokal, mampu mengintegrasikan seluruh proses penelitian, strategi, eksekusi, manajemen risiko ke dalam sebuah meja kerja yang transparan dan dapat dikolaborasikan.

Arsitektur inti OpenAlice menggunakan penggerak konfigurasi Markdown + JSON, seluruh perilaku Agent didefinisikan dengan Markdown yang dapat dibaca manusia dan JSON terstruktur, log jelas dan transparan, memudahkan iterasi kolaborasi antara manusia dan Agent. Selain itu, proyek ini juga mendukung deployment lokal, data dan eksekusi tidak sepenuhnya bergantung pada cloud, lebih lanjut membawa privasi dan kendali.

【Lihat Demo】

  • Penghargaan Khusus NVIDIA Super Compute: Orbit AI

Orbit AI adalah sebuah cloud AI terdesentralisasi yang memindahkan daya komputasi ke "orbit", menghadapi skenario Agent, menghubungkan cluster GPU satelit yang dapat diverifikasi. Keunggulan intinya adalah kemampuan isolasi fisik yang lebih kuat dan karakteristik anti-pemalsuan, membuat komputasi berkredibilitas tinggi juga memiliki ketersediaan global.

【Lihat Demo】

Hadiah Pertama Jalur Pembayaran & Infrastruktur: Libra

Libra adalah "Git baru" yang dibangun untuk era Agent, bertujuan untuk memecahkan masalah ledakan catatan submit setelah mesin menulis kode, sejarah yang sulit dibaca, kehilangan informasi intent, dll.

Ini berfokus merekonstruksi ekspresi intent, kolaborasi paralel, pengalaman audit dan debug, membuat seluruh proses kembali ke keadaan yang ramah manusia.

【Lihat Demo】

Hadiah Kedua Jalur Pembayaran & Infrastruktur: Agora-mesh

Agora-mesh bertujuan agar Agent dapat menemukan layanan dengan lebih lancar, dan menyelesaikan penyelesaian di chain melalui MON, berkomitmen untuk secara signifikan menurunkan ambang bayar Agent, mencapai transaksi layanan tanpa seam mesin ke mesin.

Alur keseluruhannya mirip x402: penawaran harga terlebih dahulu, lalu pembayaran on-chain, akhirnya pengiriman hasil.

【Lihat Demo】

Hadiah Ketiga Jalur Pembayaran & Infrastruktur: TickPay

TickPay berfokus pada pembayaran streaming frekuensi tinggi, jumlah kecil, cocok untuk skenario seperti layanan video yang dibayar per detik, API AI yang dipanggil per kali, dll. Dikombinasikan dengan mekanisme otorisasi abstraksi akun, izin penagihan dapat dibuka atau ditutup kapan saja, proses penyelesaian则 otomatis selesai.

【Lihat Demo】

Hadiah Pertama Jalur Hidup Bersama Agent: Kimi-swarm

Kimi-swarm adalah IDE kolaborasi multi-Agent open source yang dikembangkan secara resmi oleh Kimi, mendukung intervensi dan interupsi pada Agent apa pun seperti mengobrol. Secara bersamaan melalui panel grafik dan konteks, seluruh proses Swarm menjadi dapat diamati, dapat di-debug, tidak lagi menjadi kotak hitam.

【Lihat Demo】

  • Hadiah Kedua Jalur Hidup Bersama Agent: A2A IntentPool Protocol

A2A IntentPool Protocol adalah sebuah "lapisan penyelesaian tugas" untuk kolaborasi mesin ke mesin, membuat Agent otomatisasi dapat menemukan tugas, mengeksekusi tugas, membuktikan hasil, dan langsung mendapatkan pembayaran on-chain. Tujuannya adalah mengurangi perantara platform, biaya penyerahan API, serta proses rekonsiliasi manual.

【Lihat Demo】

  • Hadiah Ketiga Jalur Hidup Bersama Agent: Anime AI Studio

Anime AI Studio adalah sebuah Agent generasi drama pendek anime一站式, mampu membuka alur lengkap dari kreativitas, skrip, storyboard, keyframe hingga generasi video tingkat shot. Ini juga mendukung rollback segmen dan regenerasi lokal, sehingga ketika memodifikasi suatu adegan tidak perlu menjalankan ulang seluruh rantai.

【Lihat Demo】

Hadiah Pertama Jalur Inovasi Aplikasi: AgentVerse

AgentVerse adalah sebuah "peta sejuta petak" yang secara native mendukung x402, Agent dapat membeli plot tanah, membangun halaman utama dan ditemukan oleh luar. Ini menggabungkan identitas, pembayaran, dan ruang pamer bersama, membuat Agent memiliki kemampuan transaksi sambil memamerkan diri.

【Lihat Demo】

Hadiah Kedua Jalur Inovasi Aplikasi: campfire

campfire adalah sebuah taman bermain sosial yang menarik manusia dan Agent ke dalamnya, pengguna dapat melakukan tugas bersama, berpartisipasi dalam interaksi pasar, atau masuk ke Agent Arena untuk kompetisi. Ini menekankan interaksi frekuensi tinggi dan hasil yang dapat diukur, membuat pengalaman keseluruhan lebih mendekati produk nyata, bukan hanya sebuah Demo.

【Lihat Demo】

Hadiah Ketiga Jalur Inovasi Aplikasi: Game Kuantifikasi Trading Web3

Game Kuantifikasi Trading Web3 adalah sebuah produk untuk mempelajari trading kuantifikasi Web3 melalui mekanisme闯关. Pengguna dapat menjalankan strategi langsung dengan menyeret dan menggabungkan modul strategi, memahami logika kuantifikasi sambil "bermain sambil belajar". Setiap level dilengkapi dengan umpan balik diagnostik, membantu pengguna mengetahui di mana masalahnya dan bagaimana menyesuaikannya.

【Lihat Demo】

Tata Letak AI Ekosistem Monad, Jauh Lebih dari Sekadar Hackathon

Sebenarnya, di luar hackathon ini, ini bukan pertama kalinya Monad fokus pada AI.

Di halaman "Pusat Aplikasi" situs web Monad, AI dicantumkan secara terpisah sebagai label kategori, saat ini menampilkan 12 aplikasi AI,其中 3 di antaranya mendapatkan dukungan dari program insentif Monad Momentum, meskipun data ini belum cukup "kaya", tetapi dapat melihat bahwa perhatian Monad terhadap AI mulai terlihat.

Dalam memperkuat infrastruktur dan memperluas dukungan ekosistem dan dimensi lainnya, Monad bahkan sudah memulai serangkaian tindakan sejak dini.

Sebelumnya, dokumen resmi Monad secara khusus meluncurkan panduan pembayaran x402 dan tutorial pendaftaran ERC-8004 (Trustless Agents), mencoba membuka tautan kunci pembayaran: membuat AI Agent tidak hanya bisa berpikir, tetapi benar-benar memiliki kemampuan untuk menemukan secara mandiri, mendapatkan penawaran, menyelesaikan pembayaran, mengirimkan hasil, dan pengalaman全程 hampir tanpa disadari.

Pada Desember 2025, Monad meluncurkan rencana AI Blueprint, memberikan dukungan komprehensif untuk aplikasi AI, termasuk bantuan sumber daya dan infrastruktur, membantu pengembang membangun, meluncurkan, dan memperluas proyek, fokus mendukung arah termasuk jaringan inferensi terdesentralisasi, cluster Agent otonom, AI generatif on-chain, sistem memori yang dapat diverifikasi, serta komputasi perlindungan privasi + inferensi terdistribusi perangkat keras tingkat konsumen, dll.

Pada Februari 2026, Monad juga bersama-sama menyelenggarakan Moltiverse Hackathon, memanfaatkan popularitas OpenClaw, berfokus mendorong pengembangan aplikasi Agent dan alat monetisasi, menekankan kemampuan kolaborasi otonom, micropayment, eksekusi on-chain Agent.

Di bawah tindakan padat, AI sepertinya sudah menjadi salah satu medan perang utama pembangunan ekosistem Monad dalam segala hal.

Tentu saja, berani memasang sumber daya pada AI, bukan hanya karena AI panas:

Di satu sisi, di lapisan infrastruktur, arsitektur Monad secara alami cocok dengan skenario Agent yang frekuensi tinggi, latensi rendah, dan membutuhkan interaksi berkelanjutan.

Baik itu eksekusi paralel Optimistic, arsitektur pipa Pipelined,还是 MonadDB, desain ini membawa keunggulan kinerja untuk Monad seperti 10.000+ TPS, waktu blok 0,4 detik, dan biaya Gas yang sangat rendah, dalam mendorong Agent untuk benar-benar mencapai transaksi otonom, penyelesaian otonom, kolaborasi otonom, Monad memiliki kemampuan untuk menjadi dasar eksekusi yang cukup cepat, cukup murah, cukup stabil.

Di sisi lain, ekosistem DeFi Monad yang kaya dan solid, juga menyediakan alat keuangan yang kaya yang dapat dipanggil oleh AI Agent, kolam likuiditas yang dapat dimasuki, dan skenario pendapatan yang dapat diikuti,能够更好地支持 AI Agent di DeFi menemukan peluang sendiri, trading sendiri, menyelesaikan sendiri,复利 sendiri, lebih lanjut meningkatkan dari chatbot cerdas menjadi entitas ekonomi otonom on-chain.

Imajinasi terhadap ruang eksplorasi keuangan AI di masa depan ini, juga membuat Monad menjauh dari banyak proyek Crypto AI yang masih berhenti pada kemasan konsep. Dan ini mungkin juga menciptakan sebuah, setelah hackathon bertema AI ini berakhir, anchor penting untuk terus mengikuti lebih banyak tindakan ekosistem Monad.

Связанные с этим вопросы

QApa yang membuat Monad Rebel in Paradise AI Hackathon berbeda dari hackathon blockchain lainnya?

AHackathon ini berbeda karena berfokus khusus pada pengembangan AI Agent di sektor keuangan, dan yang terpenting, menghadirkan kolaborasi dengan perusahaan LLM ternama seperti Kimi, Zhipu AI, dan Doubao. Ini bukan hanya kompetisi developer biasa, tetapi juga merupakan konvergensi antara infrastruktur blockchain performa tinggi dan kemampuan model AI canggih.

QSiapa pemenang utama (Grand Champion) hackathon ini dan apa yang dilakukan proyek mereka?

APemenang utamanya adalah OpenAlice. Ini adalah sebuah Agent perdagangan yang dapat dijalankan secara lokal. Proyek ini menggabungkan proses penelitian, strategi, eksekusi, dan manajemen risiko ke dalam satu platform kerja yang transparan dan dapat dikolaborasikan, menggunakan konfigurasi Markdown dan JSON yang mudah dibaca manusia.

QApa saja tiga kategori atau trek utama yang menjadi fokus hackathon Monad ini?

ATiga kategori utamanya adalah: 1) Pembayaran & Infrastruktur Agent (Agent Payments & Infrastructure), 2) Hidup Bersama Agent (Living with Agents), dan 3) Inovasi Aplikasi (Application Innovation).

QMengapa Monad dianggap sebagai fondasi yang cocok untuk pengembangan AI dan Agent?

AMonad dianggap cocok karena arsitekturnya yang dirancang untuk kinerja tinggi, dengan fitur seperti eksekusi paralel, pipelined architecture, dan MonadDB. Ini memberikannya keunggulan seperti 10.000+ TPS, waktu pembuatan blok 0,4 detik, dan biaya gas yang sangat rendah, yang semuanya penting untuk mendukung interaksi Agent yang berfrekuensi tinggi dan kompleks.

QSelain hackathon, upaya lain apa yang dilakukan Monad untuk mendukung ekosistem AI-nya?

AMonad telah meluncurkan beberapa inisiatif, termasuk 'AI Blueprint Plan' yang memberikan dukungan sumber daya dan infrastruktur untuk aplikasi AI, panduan pembayaran x402, tutorial ERC-8004 untuk Agen tanpa kepercayaan (Trustless Agents), dan program insentif 'Monad Momentum'. Mereka juga sebelumnya menyelenggarakan Moltiverse Hackathon yang berfokus pada monetisasi Agent.

Похожее

How Much of the Subscription Fee You Pay to Claude Can Optical Module Companies Get?

How much of your $20 Claude Pro subscription actually goes to AI model companies like Anthropic? A viral breakdown image highlights the fundamental valuation challenge for AI applications versus traditional SaaS. Unlike SaaS with high software margins, AI subscriptions face variable "inference costs": every user query consumes GPU time, power, and cloud resources. This creates a tension between fixed subscription fees and usage-driven expenses. While the specific dollar splits are illustrative, the core question is whether AI revenue can achieve SaaS-like margins as usage scales. Currently, infrastructure providers (cloud platforms, GPU makers like Nvidia, HBM suppliers, power/data centers) capture more certain revenue from growing AI usage. Their financials reflect pricing power and faster earnings validation. The bullish case hinges on efficiency improvements: model optimization, caching, smaller models, and custom chips could lower per-token costs over time. The key debate is whether cost declines can outpace increases in user workload complexity and volume. Ultimately, for AI companies to command high SaaS-like valuations, they must demonstrate not just user growth but also improving gross margins after accounting for inference costs. Investors will scrutinize not just subscriber numbers, but usage patterns, enterprise pricing tiers, and real efficiency gains.

marsbitТолько что

How Much of the Subscription Fee You Pay to Claude Can Optical Module Companies Get?

marsbitТолько что

OpenAI's Hyperliquid Pre-IPO Pricing Venture: Why Did It Last Only Half a Year?

The article discusses the rise and fall of Pre-IPO pricing markets on the Hyperliquid blockchain. Trade.xyz, an anonymous team, successfully built the largest pre-market for SpaceX (SPCX) by launching a contract with a clear anchor: the eventual Nasdaq listing price. This provided inherent price stability and validation. In contrast, Ventuals, a team backed by Paradigm, failed despite holding exclusive contracts for highly sought-after companies like OpenAI and Anthropic. Its key mistake was its pricing mechanism. For companies with no near-term IPO date, Ventuals' oracle relied partly on opaque private market transactions and, critically, partly on its own contract's moving average price. This created a self-referential feedback loop where prices were artificially propped up and detached from genuine supply and demand, leading to illiquid markets. Ventuals shut down after nine months, settling positions at final prices of $1,341.80 for OpenAI and $1,618.90 for Anthropic. Ironically, some employees and late-stage investors of these very companies reportedly used these flawed Ventuals prices for valuation reference, highlighting the acute demand for any price signal in illiquid private markets. The article concludes that while demand for pre-IPO trading is real and growing, with players like Coinbase now entering the space, the fundamental challenge remains: without a public listing to provide a definitive price anchor, these markets struggle to establish truly accurate and liquid pricing. The need for a transparent, self-correcting market is the critical lesson from Ventuals' failure.

marsbit16 мин. назад

OpenAI's Hyperliquid Pre-IPO Pricing Venture: Why Did It Last Only Half a Year?

marsbit16 мин. назад

With Daily Active Users Reaching 3-4 Times That of the Industry's Second Place, Which Crack in the Office Agent Market Has Tencent's WorkBuddy Torn Open?

Tencent's AI office assistant, WorkBuddy, has achieved daily active users (DAU) 3-4 times that of the industry's second-place product, primarily driven by non-technical users like HR, operations, and administrative staff. Its rapid growth, starting with a public beta in March 2026, highlights a key strategic divergence from competitors like OpenAI's Codex and Anthropic's Claude Code. Unlike those tools, which originated as developer-focused assistants (in command lines or IDEs) and are now expanding towards office scenarios, WorkBuddy was built from the ground up for non-technical office workers. Its development was user-driven, initiated after腾讯云's team observed non-technical employees using their CodeBuddy coding tool for general tasks. WorkBuddy's design is defined by three core decisions aimed at lowering barriers: 1) Using natural language instead of technical concepts, so users describe their goal without needing to understand prompts or agents. 2) Providing pre-packaged "Skill" templates for common office tasks like data processing, content creation, and research. 3) Natively integrating into existing腾讯 ecosystems like腾讯 Docs and WeChat, making the agent a seamless part of the user's workflow rather than a separate tool. This "scenario encapsulation" approach, prioritizing the shortest path for users to get work done, contrasts with the "underlying capability" focus of Codex and Claude, which offer more flexibility but require more technical setup. Analysts confirm WorkBuddy's leading market position in China by mid-2026, with massive user and request growth following its launch. Recognizing the same trend of surging non-technical adoption, OpenAI and Anthropic are now pivoting their products with features like role-based plugins (Codex) and a simplified desktop interface (Claude Cowork). However, adapting tools built for developers requires significant changes to interaction models and integrations. WorkBuddy currently holds an estimated six-month lead in delivering a complete solution for non-technical office users. Its recently launched enterprise version aims to solidify this advantage. The competition underscores two valid paths: embedding agent capabilities directly into familiar work environments versus building powerful, general-purpose agents that users must learn to access. WorkBuddy's early success demonstrates the effectiveness of the former strategy for mainstream office adoption.

marsbit25 мин. назад

With Daily Active Users Reaching 3-4 Times That of the Industry's Second Place, Which Crack in the Office Agent Market Has Tencent's WorkBuddy Torn Open?

marsbit25 мин. назад

Торговля

Спот
Фьючерсы

Популярные статьи

Как купить MONAD

Добро пожаловать на HTX.com! Мы сделали приобретение Monad (MONAD) простым и удобным. Следуйте нашему пошаговому руководству и отправляйтесь в свое крипто-путешествие.Шаг 1: Создайте аккаунт на HTXИспользуйте свой адрес электронной почты или номер телефона, чтобы зарегистрироваться и бесплатно создать аккаунт на HTX. Пройдите удобную регистрацию и откройте для себя весь функционал.Создать аккаунтШаг 2: Перейдите в Купить криптовалюту и выберите свой способ оплатыКредитная/Дебетовая Карта: Используйте свою карту Visa или Mastercard для мгновенной покупки Monad (MONAD).Баланс: Используйте средства с баланса вашего аккаунта HTX для простой торговли.Третьи Лица: Мы добавили популярные способы оплаты, такие как Google Pay и Apple Pay, для повышения удобства.P2P: Торгуйте напрямую с другими пользователями на HTX.Внебиржевая Торговля (OTC): Мы предлагаем индивидуальные услуги и конкурентоспособные обменные курсы для трейдеров.Шаг 3: Хранение Monad (MONAD)После приобретения вами Monad (MONAD) храните их в своем аккаунте на HTX. В качестве альтернативы вы можете отправить их куда-либо с помощью перевода в блокчейне или использовать для торговли с другими криптовалютами.Шаг 4: Торговля Monad (MONAD)С легкостью торгуйте Monad (MONAD) на спотовом рынке HTX. Просто зайдите в свой аккаунт, выберите торговую пару, совершайте сделки и следите за ними в режиме реального времени. Мы предлагаем удобный интерфейс как для начинающих, так и для опытных трейдеров.

582 просмотров всегоОпубликовано 2025.11.24Обновлено 2026.06.02

Как купить MONAD

Обсуждения

Добро пожаловать в Сообщество HTX. Здесь вы сможете быть в курсе последних новостей о развитии платформы и получить доступ к профессиональной аналитической информации о рынке. Мнения пользователей о цене на MONAD (MONAD) представлены ниже.

活动图片