Investasi
Fitur
BiayaKeamanan
Akademi
Lainnya
Pluang+

Bandingkan Harga & Kinerja Bondex (BDXN) vs io.net (IO)

Kinerja harga (24 Jam Terakhir)

Statistik utama

Perbedaan Bondex dan io.net: Bondex diperdagangkan di Rp18,31 (kapitalisasi pasar Rp5,06M, volume 24 jam Rp11,24M), sedangkan io.net diperdagangkan di Rp2.886 (kapitalisasi pasar Rp1,05T, volume 24 jam Rp448,17M). Perbedaan utamanya: io.net jauh lebih besar — sekitar 207,5× kapitalisasi pasar Bondex, dan suplai beredar Bondex 160M / 1B BDXN (16%) dibanding 365,5M / 800M IO (46%) milik io.net. Mana yang lebih baik tergantung tujuan investasimu — di Pluang, investor rata-rata menyimpan Bondex selama 8 Hari dan io.net selama 33 Hari.

BDXNIO
Kap. Pasar
Rp5,06MRp1,05T
Volume (24h)
Rp11,24MRp448,17M
Suplai yang Beredar
160M / 1B BDXN (16%)365,5M / 800M IO (46%)
Typical Hold Time
8 Hari33 Hari

Ringkasan Aura AI

Sinyal dari Aura AI Pluang — bukan nasihat finansial

Bondex

Belum ada sinyal Aura AI.

io.net

Token IO saat ini diperdagangkan pada Rp2.881 dengan sinyal teknis bearish berdasarkan rata-rata bergerak, meskipun RSI jangka pendek menunjukkan kondisi oversold. Kapitalisasi pasar sebesar Rp1,03 triliun dengan tingkat sirkulasi 46% dan rata-rata waktu tahan 33 hari. Tidak ada perkembangan protokol atau ekosistem signifikan yang dilaporkan dalam beberapa pekan terakhir.

Outlook keseluruhan tetap hati-hati dengan tekanan jual dominan, namun level support kuat di Rp2.680 bisa menjadi peluang akumulasi jangka panjang. Risiko utama termasuk volatilitas tinggi, likuiditas terbatas, dan ketidakpastian regulasi crypto yang memengaruhi sentimen investor.

Tentang Bondex

Bondex membangun jaringan profesional generasi baru di blockchain, berfokus pada talenta, reputasi, dan peluang ekonomi. Platform ini memberi pengguna ruang terdesentralisasi untuk membangun reputasi yang dapat diverifikasi dan mengakses peluang baru.

Selengkapnya di halaman BDXN

Tentang io.net

io.net, sebelumnya ANTBIT, memanfaatkan jaringan komputasi terdesentralisasi yang didukung oleh Solana dan Aptos untuk memberi para insinyur machine learning akses ke cluster cloud terdistribusi. Hal ini bertujuan untuk mengatasi tantangan seperti ketersediaan yang terbatas, pilihan yang buruk, dan tingginya biaya yang terkait dengan akses GPU di cloud publik.

Selengkapnya di halaman IO