Bandingkan Harga & Kinerja Chromia (CHR) vs Neuron (NRN)
Kinerja harga (24 Jam Terakhir)
Statistik utama
Statistik utama
Perbedaan Chromia dan Neuron: Chromia diperdagangkan di Rp265,91 (kapitalisasi pasar Rp258,71M, volume 24 jam Rp33,78M), sedangkan Neuron diperdagangkan di Rp63,99 (kapitalisasi pasar Rp26,48M, volume 24 jam Rp841,43jt). Perbedaan utamanya: Chromia jauh lebih besar — sekitar 9,8× kapitalisasi pasar Neuron, dan suplai beredar Chromia 974,8M / 978,1M CHR (100%) dibanding 358,6M / 1B NRN (36%) milik Neuron. Mana yang lebih baik tergantung tujuan investasimu — di Pluang, investor rata-rata menyimpan Chromia selama 50 Hari dan Neuron selama 10 Hari.
| CHR | NRN | |
|---|---|---|
Kap. Pasar | Rp258,71M | Rp26,48M |
Volume (24h) | Rp33,78M | Rp841,43jt |
Suplai yang Beredar | 974,8M / 978,1M CHR (100%) | 358,6M / 1B NRN (36%) |
Typical Hold Time | 50 Hari | 10 Hari |
Sentimen investor di Pluang
Aktivitas investor Pluang dalam 30 hari terakhir
Sentimen investor di Pluang
Aktivitas investor Pluang dalam 30 hari terakhir
Belum ada data sentimen.
Tentang Chromia
Chromia adalah blockchain Layer-1 yang berdiri sendiri dan peningkatan Layer-2 yang kompatibel dengan EVM untuk Binance Smart Chain dan Ethereum. Aset ini didesain untuk meningkatkan dApps yang ada dan memungkinkan pembuatan dApps generasi berikutnya dengan menyediakan scalability, penanganan data yang lebih baik, dan struktur biaya yang bisa disesuaikan. Blockchain menggunakan arsitektur unik yang disebut relational blockchain, dan juga bahasa pemrograman khusus bernama Rell.
Selengkapnya di halaman CHR →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 →
