Pendiri Claude Code Mengungkap Prediksi Terbaru: Divisi Kerja Tim Dirombak di Era AI, "Lima Tipe Orang" Ini Paling Dibutuhkan

marsbitОпубликовано 2026-06-30Обновлено 2026-06-30

Введение

Dengan maraknya Agent Coding yang membentuk ulang industri perangkat lunak, perubahan tidak hanya terjadi pada peran "insinyur" tradisional. Boris Cherny, pemimpin tim Claude Code di Anthropic, mengamati bahwa fungsi teknik, produk, desain, dan ilmu data semakin menyatu. Dia mengusulkan lima peran baru berbasis pola perilaku, tidak terikat pada jabatan tradisional: 1. **The Prototyper (Pembuat Prototipe):** Menghasilkan banyak ide dan konsep baru, fokus pada kuantitas dan disruptif. 2. **The Builder (Pembangun):** Mengubah prototipe kasar menjadi produk atau infrastruktur yang siap produksi dan dapat diskalakan. 3. **The Sweeper (Pembersih):** Menyederhanakan antarmuka, mengatur ulang kode, dan menghapus fitur berlebihan untuk meningkatkan kinerja dan kemampuan pemeliharaan. 4. **The Growth (Pertumbuhan):** Mengiterasi produk yang sudah jadi agar lebih dekat dengan pasar, meningkatkan retensi pengguna, dan mengubahnya dari "dapat digunakan" menjadi "diperlukan". 5. **The Maintainer (Pemelihara):** Memastikan keamanan, keandalan, efisiensi, dan ketahanan sistem yang matang dalam jangka panjang. Peran-peran ini tidak eksklusif. Satu orang dapat merangkul beberapa peran (misalnya, 1+3 atau 2+3) yang berubah sesuai tahap produk atau proyek. Tim yang sehat membutuhkan kombinasi peran yang berbeda bergantung pada kematangan produk: produk baru membutuhkan peran 1,2,3; produk yang sedang tumbuh membutuhkan 2,3,4 dengan beberapa 5; produk matang membutuhkan 3,4,5 dengan beberap...

Dalam situasi di mana Agent Coding tengah booming dan membentuk ulang industri perangkat lunak, dunia industri tampaknya telah mulai menerima fakta yang tak terbantahkan bahwa "insinyur" telah berubah. Namun kenyataannya, yang berubah mungkin bukan hanya posisi "insinyur" saja, perubahan yang lebih mendalam sedang terjadi secara diam-diam di balik struktur organisasi tim...

Baru-baru ini, Boris Cherny, kepala tim Claude Code di Anthropic, mengajukan sebuah pengamatan yang menarik di X.

Dia mencatat, seiring dengan semakin menyatunya fungsi-fungsi seperti teknik, produk, desain, dan ilmu data, dia terus berpikir, ke arah seperti apa peran-peran ini akan berkembang di masa depan? Mengambil tim Claude Code sebagai contoh, "label jabatan" tradisional di dalam tim sedang dihapus secara total, digantikan oleh 5 jenis peran baru "tanpa ikatan" yang didasarkan pada pola perilaku: Prototyper (Si Pembuat Purwarupa), Builder (Si Pembangun), Sweeper (Si Pembersih), Growth (Si Pertumbuhan), Maintainer (Si Pemelihara).

Prototyper (Si Pembuat Purwarupa): Bertanggung jawab utama untuk mengajukan ide-ide baru, terus menghasilkan banyak kreativitas, di mana sebagian besar pada akhirnya tidak akan diluncurkan. Dengan kata lain, mereka mengejar kuantitas dan sifat disruptif dari ide-ide, tanpa terjebak apakah setiap ide harus direalisasikan.

Builder (Si Pembangun): Bertangg jawab utama untuk mengubah ide-ide yang tersebar atau purwarupa kasar, dengan cepat menjadi produk atau infrastruktur berkinerja tinggi yang benar-benar dapat digunakan di lingkungan produksi dan dihadapan banyak pengguna. Singkatnya, mereka bertanggung jawab menyelesaikan lompatan sulit dari 0.1 ke 1.

Sweeper (Si Pembersih): Bertanggung jawab utama untuk "melakukan pengurangan". Efek samping paling menakutkan di era AI adalah pembengkakan kode dan fungsi yang berlebihan. Tugas Sweeper adalah membersihkan, menyederhanakan antarmuka pengguna, menyederhanakan, merefaktor kode dan arsitektur sistem yang berantakan, menghapus fungsi-fungsi berlebihan yang tidak perlu, untuk mendapatkan kinerja dan kemudahan pemeliharaan sistem yang tinggi.

Growth (Si Pertumbuhan): Mengambil alih produk yang sudah terbentuk dan dibangun. Saat produk memasuki pasar, Growth bertanggung jawab untuk iterasi berkelanjutan dengan langkah-langkah kecil dan cepat, harus peduli: Bagaimana agar produk lebih dekat dengan pasar? Bagaimana membuat pengguna lebih ingin bertahan? Bagaimana membuat produk dari "bisa digunakan" menjadi "dibutuhkan". Namun, peran ini tidak setara dengan operasi pertumbuhan tradisional, melainkan lebih mendekati kombinasi kemampuan produk, data, pemahaman pengguna, dan eksperimen.

Maintainer (Si Pemelihara): Bertanggung jawab atas operasional jangka panjang dari sistem yang sudah matang. Mereka belum tentu terlibat dalam mengejar fitur baru yang cemerlang, tetapi sangat memperhatikan keamanan, keandalan, efisiensi operasional yang ekstrem, dan ketahanan sistem, memastikan layanan tetap stabil seperti batu karang dalam kondisi lalu lintas ekstrem apa pun.

Namun perlu diperhatikan, kelima peran ini tidak sesuai dengan jabatan tradisional. Artinya, mereka tidak seperti dalam manajemen organisasi tradisional, di mana peran seseorang tetap pada gelar jabatannya.

Boris Cherny percaya, banyak orang mungkin menjangkau dua peran, bahkan terkadang menjangkau tiga peran.

"Saya juga menyadari bahwa peran-peran ini tidak benar-benar terikat pada jabatan spesifik. Misalnya, di dalam Anthropic, beberapa desainer lebih sesuai dengan tipe 1, beberapa lebih sesuai dengan tipe 2, dan beberapa lebih sesuai dengan tipe 3; begitu pula dengan insinyur, manajer produk, ilmuwan data."

Ini berarti, dalam tim yang diperkuat AI yang efisien, banyak anggota bukan lagi "sekrup tunggal". Seorang desainer bisa menjadi Prototyper, juga bisa menjadi Sweeper; seorang insinyur bisa menjadi Builder, juga bisa menjadi Maintainer; seorang manajer produk bisa mengambil peran Growth, juga bisa menjadi Prototyper; seorang ilmuwan data mungkin tidak hanya melakukan analisis, tetapi juga bisa langsung terlibat dalam pertumbuhan produk dan optimisasi sistem...

Dengan kata lain, cara tim melihat seseorang di masa depan mungkin akan berubah. Pertanyaan di masa lalu mungkin terutama "Anda di posisi apa"? Sedangkan di masa depan atau sekarang sedang berubah menjadi "Anda dapat mendorong tahap mana dalam siklus hidup produk"?

Boris Cherny menganalisis, cara kombinasi peran yang dibutuhkan oleh tim yang sehat ini tergantung pada tahap di mana produk berada:

Sebuah produk yang benar-benar baru, belum menemukan kesesuaian dengan pasar, membutuhkan orang yang ahli dalam peran tipe 1, 2, 3;

Sebuah produk yang sedang tumbuh, telah menemukan kesesuaian dengan pasar, membutuhkan peran tipe 2, 3, 4, dan dilengkapi dengan beberapa peran tipe 5;

Sebuah produk yang sudah memiliki kesesuaian pasar yang kuat, membutuhkan peran tipe 3, 4, 5, dan mempertahankan beberapa peran tipe 2.

"Mungkin peran produk di masa depan akan lebih seperti ini, bukan pembagian jabatan berdasarkan bidang keahlian seperti saat ini."

Dan begitu postingan ini diterbitkan, segera menimbulkan diskusi hangat di antara netizen, mayoritas menyetujui.

"Ini sangat sesuai dengan keadaan kerja orang yang sebenarnya. Di beberapa proyek, saya benar-benar kombinasi 1+3, dan di proyek lain, saya hampir murni 4. Nama jabatan tidak pernah benar-benar merangkum ini."

Seorang ilmuwan data juga "memberi kesaksian", mengatakan bahwa sebagai ilmuwan data, dia sering menemukan dirinya melakukan pekerjaan tipe Sweeper, sambil membangun produk dengan selera ilmu data. "Jadi, apakah ini berarti saya tipe 2+3?"

Netizen Kun Chen@kunchenguid mengatakan, merasakan hal yang sama. Dia mengatakan bahwa dirinya selalu tidak terlalu suka mendefinisikan "prototipe peran" ini, karena orang mudah melihatnya dan berpikir: "Oh, ternyata inilah saya", lalu berhenti merefleksikan diri. Sedangkan dalam kenyataannya, "Peran seseorang seringkali perlu berubah bersama proyek."

Dia memberi contoh, misalnya saat memulai proyek baru, dia biasanya akan menjadi Prototyper dan Builder; tetapi dengan cepat, ketika hal-hal yang kasar dan tidak sempurna mulai menjadi hambatan, dia akan berubah menjadi Sweeper. Dan seiring proyek semakin matang, dia akan beralih ke Growth dan Maintainer... "Jika saya membatasi diri pada satu peran tertentu, maka saat proyek mencapai tahap tertentu, saya harus melepaskannya."

Dan realitas lainnya adalah, sekarang orang semakin sering mengerjakan banyak proyek secara bersamaan, yang menuntut orang dapat memainkan peran berbeda di proyek yang berbeda. "Mengelompokkan diri ke dalam prototipe tetap tertentu, seringkali membatasi seseorang untuk memperluas ambisi."

Jadi sarannya adalah: Tetap fleksibel, fokus pada hal terpenting yang dibutuhkan untuk mencapai tujuan, jangan terlalu memikirkan batasan peran. Karena batasan ini hanya akan terus kabur seiring waktu.

Boris Cherny menanggapi hal ini, ini benar-benar sesuai dengan perasaannya: "Sepenuhnya setuju. Peran seringkali terus berubah seiring waktu dan tahap proyek."

Ada juga netizen yang menyatakan keraguan, "Mengingat masalah AI menulis kode pada dasarnya sudah terpecahkan, mengapa masih membutuhkan peran seperti Builder dan Sweeper? Tidakkah kita bisa langsung meminta Claude untuk menjalankan siklus berulang?"

Menanggapi hal ini, penjelasan Boris Cherny adalah, Claude dapat membantu menyelesaikan hal-hal ini dalam berbagai tingkat, dan akan semakin kuat seiring waktu. Dan saat ini, Claude hari ini sudah cukup baik dalam menangani dua jenis pekerjaan Sweeper dan Builder.

Lalu bagaimana dengan Anda, bagaimana melihat perubahan peran jabatan ini? Selamat berkomentar dan berdiskusi di kolom komentar!

Referensi link:

https://x.com/bcherny/status/2071379474277613732

https://x.com/kunchenguid/status/2071382977628795289

Artikel ini berasal dari akun WeChat publik "Machine Heart" (ID:almosthuman2014), penulis: yang memperhatikan AI

Трендовые криптовалюты

Связанные с этим вопросы

QMenurut Boris Cherny, apa saja lima peran 'non-label' baru yang muncul dalam tim yang diubah oleh AI, dan apa fokus utama masing-masing?

ALima peran tersebut adalah: 1) The Prototyper (Prototiper): fokus menghasilkan banyak ide dan konsep baru, tidak semua harus diluncurkan. 2) The Builder (Pembangun): mengubah prototipe kasar menjadi produk atau infrastruktur yang siap produksi. 3) The Sweeper (Pembersih): menyederhanakan antarmuka, kode, dan arsitektur, menghapus redundansi untuk kinerja dan pemeliharaan yang lebih baik. 4) The Growth (Pendorong Pertumbuhan): mengiterasi produk yang sudah jadi untuk mendekatkannya ke pasar dan meningkatkan retensi pengguna. 5) The Maintainer (Pemelihara): memastikan keamanan, keandalan, efisiensi, dan ketahanan sistem yang matang.

QBagaimana Boris Cherny menjelaskan bahwa peran-peran baru ini berbeda dari jabatan atau posisi tradisional dalam sebuah tim?

ABoris Cherny menjelaskan bahwa kelima peran ini tidak terikat pada jabatan tradisional seperti insinyur, manajer produk, atau desainer. Seseorang dapat menjalani beberapa peran sekaligus (misalnya, seorang desainer bisa menjadi Prototyper dan Sweeper), dan peran seseorang dapat berubah sesuai dengan tahap produk atau proyek yang sedang dikerjakan.

QMenurut analisis Boris Cherny, bagaimana komposisi peran yang dibutuhkan oleh sebuah tim yang sehat berubah sesuai dengan tahapan produk?

AKomposisinya bergantung pada tahap produk: 1) Produk baru yang belum menemukan product-market fit membutuhkan orang yang ahli dalam peran Prototyper, Builder, dan Sweeper. 2) Produk yang sedang tumbuh dan telah menemukan product-market fit membutuhkan Builder, Sweeper, Growth, dengan beberapa Maintainer. 3) Produk yang sudah memiliki product-market fit kuat membutuhkan Sweeper, Growth, dan Maintainer, dengan tetap mempertahankan beberapa Builder.

QApa tanggapan dan contoh nyata dari seorang ilmuwan data yang dikutip dalam artikel terkait dengan peran-peran baru ini?

ASeorang ilmuwan data yang dikutip mengatakan bahwa dia sering menemukan diri melakukan pekerjaan seperti Sweeper (membersihkan dan menyederhanakan), sambil juga membangun produk dengan pendekatan khas ilmu data. Dia bertanya-tanya apakah ini menjadikannya kombinasi peran Builder dan Sweeper (tipe 2+3).

QBagaimana Boris Cherny menanggapi keraguan bahwa AI (seperti Claude) dapat sepenuhnya menggantikan peran seperti Builder dan Sweeper?

ABoris Cherny menjawab bahwa Claude memang dapat membantu dalam berbagai tingkat untuk semua peran tersebut dan kemampuannya akan terus meningkat. Saat ini, Claude sudah cukup baik dalam membantu tugas-tugas peran Sweeper dan Builder, tetapi peran manusia tetap diperlukan dalam ekosistem tim yang diubah oleh AI.

Похожее

Маркировка Cardano как "призрачной цепи" опровергнута? Почему 34 dApps ADA не раскрывают полной картины

Термин «ghost chain» («цепь-призрак») относится к блокчейну с минимальной активностью и развитием. Хотя Cardano (ADA) обвиняют в этом из-за малого количества dApps (34 против 442 у Solana и 1564 у Ethereum) и значительно более низких показателей транзакций и пользователей, статья объясняет это архитектурными особенностями. Cardano использует модель EUTXO и механизмы батчинга (объединения транзакций), которые повышают детерминизм и безопасность, но при этом статистика «недооценивает» реальную активность в сети. При этом разработка на Cardano остается интенсивной. Автор приходит к выводу, что, несмотря на разрыв в метриках с другими ведущими блокчейнами (Ethereum, Solana, Tron), лишь одно это не является достаточным основанием для ярлыка «ghost chain», так как Cardano занимает свою нишу, делая акцент на научно обоснованный подход, безопасность и соответствие требованиям институциональных клиентов.

ambcrypto45 мин. назад

Маркировка Cardano как "призрачной цепи" опровергнута? Почему 34 dApps ADA не раскрывают полной картины

ambcrypto45 мин. назад

Запас Ethereum у Bitmine достиг $9,8 млрд: «Лучшие годы для криптовалют еще впереди»

Криптокомпания Bitmine Immersion Technologies увеличила свои запасы Ethereum (ETH) на 27 084 монеты за последнюю неделю. Теперь в её казне находится 5 700 040 ETH, что составляет 4,7% от общего предложения Ethereum и оценивается примерно в 9,01 млрд долларов по цене 1569 долларов за монету. Это произошло на фоне падения цены ETH и оттока средств из ETF-фондов Ethereum в июне. Несмотря на слабые рыночные условия и критику в адрес аналогичной стратегии накопления биткоинов компанией MicroStrategy, Bitmine продолжает агрессивно покупать ETH. Председатель Bitmine Том Ли считает, что текущая волатильность отчасти связана с «оконной отделкой» перед концом квартала, и выражает уверенность в будущем крипторынка. Компания подчеркивает свою устойчивость, отмечая ежегодный доход от стейкинга в размере около 211 млн долларов, наличие 555 млн долларов денежных средств и ликвидных ценных бумаг, а также включение в индекс Russell 1000. Ли заявил, что лучшие годы для криптовалют ещё впереди, и ожидает, что токенизация и прогресс в области искусственного интеллекта подстегнут спрос на блокчейн и децентрализованные криптоактивы.

ambcrypto1 ч. назад

Запас Ethereum у Bitmine достиг $9,8 млрд: «Лучшие годы для криптовалют еще впереди»

ambcrypto1 ч. назад

Claude и Codex, которыми вы пользуетесь каждый день, теперь нельзя использовать свободно внутри Meta

В мае Meta ввела внутренние ограничения на использование своих инженерами AI-инструментов Claude Code и Codex от Anthropic и OpenAI, несмотря на то, что является одним из крупнейших клиентов этих сервисов. Причина — не недостатки, а, наоборот, чрезмерная эффективность этих моделей. Компания разрабатывает собственного AI-ассистента для программирования MetaCode (ранее DevMate). Основная проблема, которую пытается решить Meta, — избежать «дистилляции знаний». Если данные, задачи или критерии оценки для обучения MetaCode будут созданы с помощью внешних моделей, то её собственный AI может начать копировать поведение и «знания» конкурентов, а не развивать оригинальные способности. Это стирает грань между независимо выработанными и заимствованными компетенциями. Внутренние правила запрещают использовать Claude или Codex для: 1. Генерации тестовых задач для MetaCode. 2. Поиска багов в исходном коде или анализа того, «что тестировать». 3. Размещения любого сгенерированного ими контента в среде, доступной для обучаемой модели. Разрешено применять эти инструменты только для вспомогательных задач, таких как настройка рабочих процессов или организация кода, при условии обязательной проверки человеком каждого результата. Эта ситуация отражает широкую отраслевую дилемму. Юридически «дистилляция» — использование выходных данных одной модели для обучения другой — в США не запрещена, но часто нарушает условия обслуживания компаний-разработчиков (как у OpenAI и Anthropic). Это создаёт значительные риски. Кроме того, переход на собственные решения поможет Meta сократить огромные расходы на внешние AI-сервисы, исчисляемые миллиардами долларов. Таким образом, Meta пытается балансировать, получая пользу от передовых внешних инструментов, но изолируя от них ключевые процессы разработки собственного AI. Этот кейс поднимает фундаментальный вопрос эпохи AI: когда системы помогают создавать себе подобных, всё сложнее определить, кому на самом деле принадлежат «знания» и способности итогового продукта.

marsbit2 ч. назад

Claude и Codex, которыми вы пользуетесь каждый день, теперь нельзя использовать свободно внутри Meta

marsbit2 ч. назад

Почему сегодня нам нужен подход к контенту на основе ИИ?

Недавно проект ИИ-анимации Amazon «Punky Duck» был остановлен из-за этических споров, что отражает дилемму ИИ в создании контента. Несмотря на быстрый рост ИИ-контента (например, полноценные фильмы к 2026 году и популярные короткие видео), его проникновение в традиционную киноиндустрию вызывает опасения по поводу замены человеческого творчества и утраты уникальных ценностей. В статье подчёркивается, что человеческое творчество обладает незаменимыми качествами: инновационность, трудозатраты и эмоциональная связь, основанная на личном опыте. В отличие от этого, ИИ лучше подходит для производства «культурного фастфуда» — короткого, шаблонного контента для развлечения, но не для глубокого художественного высказывания. Однако бесконтрольное развитие ИИ-контента несёт риски: удешевление производства может вытеснить авторов-людей, взрывной рост объёмов ведёт к снижению общего качества и «мусорному» контенту, а высокая скорость генерации усложняет контроль за соблюдением авторских прав и этических норм. Для регулирования этих процессов необходима новая концепция — «мировоззрение в отношении ИИ-контента», основанное на четырёх принципах: ИИ должен расширять, а не сужать пространство для человеческого творчества; уважать и защищать результаты труда людей, а не присваивать их; человек должен сохранять ведущую роль и нести ответственность в творческом процессе; процессы создания ИИ-контента должны быть прозрачными и понятными для пользователей и регуляторов. Ключевой вывод: в эпоху ИИ человек должен оставаться «рулевым» технологий. Цель — не безудержный технический прогресс, а гармоничное сосуществование, где технологии служат усилению человеческого творчества, защите культурных ценностей и обеспечению этичного развития контент-индустрии.

marsbit2 ч. назад

Почему сегодня нам нужен подход к контенту на основе ИИ?

marsbit2 ч. назад

Планка отозвали? Отец квантовой теории споткнулся об алгоритм

В цифровой базе Springer обнаружены две статьи Макса Планка, опубликованные в 1940 и 1942 годах в журнале *Die Naturwissenschaften*, помеченные как «отозванные» («retracted»). Расследование показало, что отзыв не связан с научной ошибкой или недобросовестностью, а является следствием автоматической обработки устаревшими алгоритмами платформы. Вероятно, системы распознали легитимные для той эпохи практики — переиздание речи в разных форматах или использование одинаковых заголовков в дискуссии — как «нарушение авторских прав» или «повторную публикацию» по современным нормам. В результате тексты статей на платформе заменены пустыми страницами, и для доступа к оригиналам необходимо обращаться к сторонним архивам, например, Internet Archive. Этот случай иллюстрирует проблему некритичного применения современных издательских и юридических стандартов к историческим научным материалам в процессе их оцифровки. Автоматизированные системы управления метаданными могут искажать контекст и ограничивать доступ к наследию, что особенно опасно в эпоху ИИ, когда алгоритмы формируют знание на основе подобных «отфильтрованных» данных. Инцидент ставит важные вопросы о сохранении целостности научной памяти в цифровую эпоху, контроле платформ над историческими архивами и рисках утраты контекста при обработке информации машинами.

marsbit3 ч. назад

Планка отозвали? Отец квантовой теории споткнулся об алгоритм

marsbit3 ч. назад

Торговля

Спот

Популярные статьи

Как купить S

Добро пожаловать на HTX.com! Мы сделали приобретение Sonic (S) 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 Sonic (S).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 Sonic (S)После приобретения вами Sonic (S) 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 Sonic (S)С легкостью торгуйте Sonic (S) 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.

1.6k просмотров всегоОпубликовано 2025.01.15Обновлено 2026.06.02

Как купить S

Sonic: Обновления под руководством Андре Кронье – новая звезда Layer-1 на фоне спада рынка

Он решает проблемы масштабируемости, совместимости между блокчейнами и стимулов для разработчиков с помощью технологических инноваций.

2.3k просмотров всегоОпубликовано 2025.04.09Обновлено 2025.04.09

Sonic: Обновления под руководством Андре Кронье – новая звезда Layer-1 на фоне спада рынка

HTX Learn: Пройдите обучение по "Sonic" и разделите 1000 USDT

HTX Learn — ваш проводник в мир перспективных проектов, и мы запускаем специальное мероприятие "Учитесь и Зарабатывайте", посвящённое этим проектам. Наше новое направление .

1.9k просмотров всегоОпубликовано 2025.04.10Обновлено 2025.04.10

HTX Learn: Пройдите обучение по "Sonic" и разделите 1000 USDT

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 S (S) представлены ниже.

活动图片