Bandingkan Harga & Kinerja CoW Protocol (COW) vs Neuron (NRN)
Kinerja harga (24 Jam Terakhir)
Statistik utama
Statistik utama
Perbedaan CoW Protocol dan Neuron: CoW Protocol diperdagangkan di Rp2.490 (kapitalisasi pasar Rp1,44T, volume 24 jam Rp52,52M), sedangkan Neuron diperdagangkan di Rp63,99 (kapitalisasi pasar Rp26,48M, volume 24 jam Rp841,43jt). Perbedaan utamanya: CoW Protocol jauh lebih besar — sekitar 54,4× kapitalisasi pasar Neuron, dan suplai beredar CoW Protocol 578,4M / 1B COW (58%) dibanding 358,6M / 1B NRN (36%) milik Neuron. Mana yang lebih baik tergantung tujuan investasimu — di Pluang, investor rata-rata menyimpan CoW Protocol selama 20 Hari dan Neuron selama 10 Hari.
| COW | NRN | |
|---|---|---|
Kap. Pasar | Rp1,44T | Rp26,48M |
Volume (24h) | Rp52,52M | Rp841,43jt |
Suplai yang Beredar | 578,4M / 1B COW (58%) | 358,6M / 1B NRN (36%) |
Typical Hold Time | 20 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 CoW Protocol
CoW Protocol adalah platform keuangan terdesentralisasi (DeFi) inovatif yang beroperasi di Ethereum Mainnet. Tujuannya adalah untuk mengoptimalkan hasil trading bagi penggunanya melalui kombinasi strategi yang unik. Di inti protokol ini, digunakan mekanisme lelang batch bersama dengan perdagangan peer-to-peer untuk mendapatkan harga trading terbaik. Selain itu, CoW Protocol menggunakan struktur yang sepenuhnya tanpa izin, memungkinkan partisipasi yang lancar dan inklusif bagi semua pengguna.
Selengkapnya di halaman COW →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 →
