Команда кошелька Rainbow планирует запустить собственный токен

cryptonews.ru發佈於 2025-03-22更新於 2025-09-23

  • Запуск RNBW ожидается до конца 2025 года.
  • Также в команде кошелька заявили о ряде улучшений.
  • Это включает, в том числе, торговлю бессрочными фьючерсными контрактами через Hyperliquid.

Команда EVM-совместимого некастодиального криптокошелька Rainbow объявила о планах по запуску собственного токена. Его выход ожидается в IV квартале 2025 года.

You've been collecting Points for a reason.
That reason is called $RNBW. Coming Q4 2025. pic.twitter.com/37EObfuwnS

— Rainbow (@rainbowdotme) September 22, 2025

Напомним, на сайте Incrypted есть гайд по выполнению активностей в кошельке с целью поучаствовать в аирдропе.

В заявлении команды проекта говорится о том, что подготовка к запуску RNBW идет уже несколько месяцев. Помимо этого, разработчики также внедрили ряд других функций, включая:

  • изменение цен в режиме реального времени;
  • мгновенное обновление баланса;
  • поддержку свечных графиков;
  • интеграцию других EVM-совместимых приложений;
  • бессрочные фьючерсы на площадке Hyperliquid;
  • игру King of the Hill.

Разработчики отметили, что все это только часть третьей фазы дорожной карты проекта. Судя по анонсу, RNBW выступит своеобразным связующим звеном для экосистемы.

Просмотреть количество поинтов можно непосредственно в кошельке. Точная дата запуска токена и, следовательно, аирдропа на момент написания неизвестна. В команде отметили, что планируют вывести RNBW на рынок до конца 2025 года.

Анонс от Rainbow появился на фоне того, что CEO компании Cinsensys Джозеф Любин подтвердил запуск токена MASK криптокошелька MetaMask.

你可能也喜歡

拖更三年,北大校友翁荔最新长文刷屏

前OpenAI副总裁翁荔(Lilian Weng)发表了一篇关于AI扩展定律(Scaling Laws)的深度分析文章。文章指出,这条指导了AI行业数百亿美元投入的核心定律,远比人们想象的更为脆弱。 文章回顾了Scaling Laws的基本思想,即模型性能随规模扩大而可预测地提升。然而,OpenAI与DeepMind在关键问题上得出了相反结论:给定算力,资源应更多分配给模型还是数据?OpenAI的Kaplan团队认为模型增长应更快,而DeepMind的Chinchilla团队则认为应等比增长。后来研究发现,这一分歧源于参数统计口径的差异和实验规模不足,导致Kaplan的结论仅适用于小规模场景。 更关键的是,被行业广泛采纳的Chinchilla最优配比公式本身也存在方法论瑕疵。2024年有团队复现发现,其损失函数因取均值而非求和,导致优化器提前停止,输出并非最优解。此外,用于外推的关键参数精度不足,放大了误差。 文章进一步指出,经典Scaling Laws的根本前提——高质量数据无限供应——正在崩塌。数据重复训练不可避免,新研究引入了惩罚项来修正公式,并发现大模型对数据重复更敏感。这解释了行业为何转向强化学习、测试时计算和合成数据等新路径。 翁荔的博客以其清晰深入的技术解析著称,这篇文章历时三年完成。她于2025年联合创立了新公司Thinking Machines Lab。文章强调,下一代AI的进步不仅依赖算力规模,更取决于对这些基础定律细节更精确的理解与运用。

marsbit55 分鐘前

拖更三年,北大校友翁荔最新长文刷屏

marsbit55 分鐘前

交易

現貨
合約
活动图片