Bandingkan Harga & Kinerja Folks Finance (FOLKS) vs Neuron (NRN)
Kinerja harga (24 Jam Terakhir)
Statistik utama
Statistik utama
Perbedaan Folks Finance dan Neuron: Folks Finance diperdagangkan di Rp32.561 (kapitalisasi pasar Rp396,81M, volume 24 jam Rp15,9M), sedangkan Neuron diperdagangkan di Rp63,99 (kapitalisasi pasar Rp26,48M, volume 24 jam Rp841,43jt). Perbedaan utamanya: Folks Finance jauh lebih besar — sekitar 15× kapitalisasi pasar Neuron, dan suplai beredar Folks Finance 12,2M / 50M FOLKS (25%) dibanding 358,6M / 1B NRN (36%) milik Neuron. Mana yang lebih baik tergantung tujuan investasimu — di Pluang, investor rata-rata menyimpan Folks Finance selama 4 Hari dan Neuron selama 11 Hari.
| FOLKS | NRN | |
|---|---|---|
Kap. Pasar | Rp396,81M | Rp26,48M |
Volume (24h) | Rp15,9M | Rp841,43jt |
Suplai yang Beredar | 12,2M / 50M FOLKS (25%) | 358,6M / 1B NRN (36%) |
Typical Hold Time | 4 Hari | 11 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 Folks Finance
Folks Finance adalah protokol DeFi lintas chain yang memungkinkan pengguna menyuplai, meminjam, dan mengelola aset digital di berbagai blockchain melalui satu platform. Dengan memanfaatkan teknologi interoperabilitas seperti Chainlink CCIP, Circle CCTP, dan Wormhole, protokol ini menghadirkan likuiditas terpadu serta penggunaan jaminan secara native tanpa perlu wrapping atau bridging tradisional. Platform ini dirancang untuk efisiensi, keamanan, dan aksesibilitas yang luas.
Selengkapnya di halaman FOLKS →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 →
