Bandingkan Harga & Kinerja CantonNetwork (CC) vs Neuron (NRN)

CantonNetworkTrading

NeuronTrading

Kinerja harga (24 Jam Terakhir)

Statistik utama

Perbedaan CantonNetwork dan Neuron: CantonNetwork diperdagangkan di Rp2.413 (kapitalisasi pasar Rp94,16T, volume 24 jam Rp241,59M), sedangkan Neuron diperdagangkan di Rp63,99 (kapitalisasi pasar Rp26,48M, volume 24 jam Rp841,43jt). Perbedaan utamanya: CantonNetwork jauh lebih besar — sekitar 3555,9× kapitalisasi pasar Neuron, dan suplai Neuron dibatasi (358,6M / 1B NRN (36%)), sedangkan CantonNetwork terus bertambah. Mana yang lebih baik tergantung tujuan investasimu — di Pluang, investor rata-rata menyimpan CantonNetwork selama 7 Hari dan Neuron selama 10 Hari.

	CC	NRN
Kap. Pasar	Rp94,16T	Rp26,48M
Volume (24h)	Rp241,59M	Rp841,43jt
Suplai yang Beredar	39,1B CC	358,6M / 1B NRN (36%)
Typical Hold Time	7 Hari	10 Hari

Lihat detail →Lihat detail →

Sentimen investor di Pluang

Aktivitas investor Pluang dalam 30 hari terakhir

56% Beli44% Jual

Rata-rata periode kepemilikan · 7 Hari

NRN

Belum ada data sentimen.

Berita terkini

Berita terbaru kedua aset

Token blockchain Canton turun di bawah level support penting tapi potensi bullish jangka panjang tetap ada.AMBCrypto · 3 hari laluNetral Lihat detail →

NRN

Lihat detail →

Tentang CantonNetwork

Canton Network adalah blockchain layer-1 untuk RWA dan TradFi, dengan smart contract dan privasi yang dapat diatur. Konsensus dua tingkatnya mendukung aplikasi yang skalabel dan saling terhubung. Canton Coin (CC) dipakai untuk biaya jaringan dan memberi insentif pengguna.

Selengkapnya di halaman CC →

Tentang Neuron

NRN mengembangkan ekosistem yang bertujuan mempercepat perjalanan menuju Artificial General Intelligence (AGI) dengan menjadikan Gaming dan robotika sebagai platform eksperimental. Inti dari ekosistem ini adalah NRN Agents, sebuah platform yang memfasilitasi integrasi agen AI ke dalam pengalaman Gaming canggih, baik di lingkungan virtual maupun fisik. Tumpukan teknologinya menggabungkan agregasi data, pelatihan model, dan inspeksi model, dengan memanfaatkan imitation learning serta reinforcement learning untuk mendorong kemajuan pengembangan AI.

Selengkapnya di halaman NRN →