Toncoin 用户群缩减至 158 万:TON 的下一步是什么?

金色财经發佈於 2024-10-30更新於 2024-10-30

原文来源:陈摆烂不摆烂

TON 每日用户数从 500 万暴跌至 158 万——炒作热度消退还是又一轮热潮即将来临?

0?wx_fmt=other&from=appmsg

  • TON 的用户群急剧下降,但过去的趋势表明它有可能再次出现爆炸式增长。

  • 由于 91% 的代币由大持有者控制,TON 在看跌指标中面临集中化担忧。

根据IntoTheBlock的数据, TON 网络的每日活跃用户数急剧下降,从巅峰时期的 500 多万下降到 158 万。

这种大幅下降引发了人们的疑问:之前的炒作是否正在消退,或者是否会出现新的热潮。

TON 每日活跃地址的历史记录显示出一系列快速增长,通常与特定事件或更广泛的市场兴奋有关。在 10 月下旬至 12 月中旬的初始阶段,用户活动保持相对稳定,没有出现大幅飙升。

然而,12 月下旬至 3 月中旬期间出现了逐步上升的趋势,表明用户兴趣日益增加。

0?wx_fmt=jpeg&from=appmsg

3 月中旬至 4 月下旬,每日活跃地址数急剧上升,可能是受价格上涨和市场兴趣增加的影响。5 月至 7 月初期间出现波动,特点是出现短暂的高峰。

8月底至10月初,又出现了大幅上涨,达到了今年的最高水平。

然而,用户活动最近有所下降,稳定在 158 万——尽管仍高于早期水平。

价格趋势和集中度

截至发稿时, TON 交易价格为5.26 美元,过去 24 小时内下跌 0.34%,过去一周上涨 2.11%。交易量为 2.9964 亿美元,总市值约为 133.2 亿美元。

值得注意的是,91%的代币供应量由大持有者持有,这表明集中化程度很高。

73% 的持有者亏损,只有 15% 的持有者获利,市场情绪依然谨慎。与比特币的价格相关性较低(为 0.12),表明 TON 的走势受比特币价格趋势的影响较小。

过去一周,超过 10 万美元的交易总额达到 420.1 亿美元,但净外汇流出量达到 881 万美元,这意味着离开交易所的 TON 数量多于进入交易所的 TON 数量。

链上指标大多仍看跌

TON 的链上指标显示出大部分看跌情绪。三个看跌信号包括:“价内”(-0.14),表明持有者的盈利能力较低;集中度(-0.04),表明中心化;大额交易(-0.23),表明大额资金流动减少。

唯一看涨指标是净网络增长(+2.97%),暗示尽管当前经济不景气,但仍有潜在的用户扩张。

Coinglass数据显示,期货未平仓合约也经历了起伏。8 月初,未平仓合约达到 3 亿美元以上的最高水平,但此后已降至 2.1418 亿美元,近期交易量下降了 1.99%。

0?wx_fmt=png&from=appmsg

虽然当前指标表明处于降温阶段,但过去的模式表明,TON 的用户群可以在重新引起关注或市场事件期间迅速扩大。

你可能也喜歡

印度维持强硬加密立场 印度央行再次警告数字资产风险

印度正长期评估其加密货币政策,而监管机构对数字资产持谨慎态度。根据近期政府内部文件,印度储备银行(RBI)重申了对加密货币和稳定币进行限制的建议,旨在防止国内银行体系出现金融风险传染,并担忧私人稳定币可能影响货币稳定。 RBI指出,外币支持的稳定币可能威胁印度的货币主权,而卢比支持的稳定币则可能减少政府从传统货币发行中获得的收入。这些立场与今年5月向议会财政常设委员会提交的意见基本一致。 另一方面,印度所得税部门在确保合规和发现未报告交易方面面临挑战。内部文件显示,在截至2023年3月的财年中,仅有不到四分之一(约64.5万名)的加密货币交易者申报了应税交易。监管困难主要源于离岸交易所、个人钱包和点对点交易难以追踪。为此,印度金融情报部门已要求加密货币交易所从2026年1月起,记录超过1万美元交易的相关数据,包括受益所有人、资金来源和目标钱包信息。 尽管印度尚未出台明确的加密货币立法,但各政府机构持续讨论长期监管政策,公司事务部也在考虑为虚拟数字资产制定会计准则。值得注意的是,印度仍是全球主要的加密货币市场之一。官方数据显示,截至5月底,印度约有3900万人持有价值约21亿美元的数字资产。

TheNewsCrypto11 分鐘前

印度维持强硬加密立场 印度央行再次警告数字资产风险

TheNewsCrypto11 分鐘前

具身智能“高考”难疯了,人类100分,最强模型12.8

近日,一个名为RoboDojo的新型机器人操作评测基准发布,旨在全面评估具身智能模型的综合能力。该基准由学术机构联盟推出,包含42个仿真任务和18个真实世界任务,覆盖泛化、记忆、精细操作、长程执行和开放语义理解五大核心维度。 评测结果显示,当前最强通用机器人策略在仿真任务中的平均成功率仅为8.80%,在真实世界任务中最好模型的平均成功率也仅有12.8%。相比之下,人类专家在仿真和真实任务中的成功率分别达到76.03%和100%,差距显著。 RoboDojo的仿真任务设计复杂,例如在泛化任务中场景物体可达25个且随机变化,记忆任务需识别曾在传送带出现的物体,精细操作要求完成插管、对齐等高精度动作。其实验室还设立了标准化的真机评测平台(RoboDojo-RealEval),使用多款双臂机器人执行如盖积木、做面包、插充电器等日常任务,并统一硬件、布局与评测流程,确保结果可复现、可比较。 在公开排行榜中,仿真任务榜首Hy-Embodied-0.5-VLA平均成功率仅8.80%,真实任务榜首π0.5成功率12.8%。模型表现不均,尤其在开放语义任务上,最强模型成功率仅约1.67%,表明现有系统在理解新指令并可靠执行方面仍很薄弱。 为支撑评测,项目同时提供了异构并行仿真工具和统一策略接入层XPolicyLab,帮助研究者高效集成和比较不同模型。团队表示,RoboDojo如同“具身智能的珠峰”,旨在通过标准化、多维度的评测推动领域发展,未来还将扩展灵巧操作、移动操作等更多评测方向。

marsbit1 小時前

具身智能“高考”难疯了,人类100分,最强模型12.8

marsbit1 小時前

交易

現貨
活动图片