Bandingkan Harga & Kinerja Defi App (HOME) vs Neuron (NRN)
Kinerja harga (24 Jam Terakhir)
Statistik utama
Statistik utama
Perbedaan Defi App dan Neuron: Defi App diperdagangkan di Rp178,21 (kapitalisasi pasar Rp782,04M, volume 24 jam Rp1,36T), sedangkan Neuron diperdagangkan di Rp63,99 (kapitalisasi pasar Rp26,48M, volume 24 jam Rp841,43jt). Perbedaan utamanya: Defi App jauh lebih besar — sekitar 29,5× kapitalisasi pasar Neuron, dan suplai beredar Defi App 4,3B / 10B HOME (44%) dibanding 358,6M / 1B NRN (36%) milik Neuron. Mana yang lebih baik tergantung tujuan investasimu — di Pluang, investor rata-rata menyimpan Defi App selama 6 Hari dan Neuron selama 11 Hari.
| HOME | NRN | |
|---|---|---|
Kap. Pasar | Rp782,04M | Rp26,48M |
Volume (24h) | Rp1,36T | Rp841,43jt |
Suplai yang Beredar | 4,3B / 10B HOME (44%) | 358,6M / 1B NRN (36%) |
Typical Hold Time | 6 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 Defi App
Defi App adalah super app cryptocurrency terdesentralisasi yang menyederhanakan pengalaman DeFi. Platform ini menyediakan swap lintas rantai, transaksi tanpa gas, dan manajemen aset terpadu, memungkinkan pengguna mengelola aset dan ikut dalam yield farming di berbagai blockchain tanpa memerlukan bridge atau token gas. Defi App juga menghadirkan tata kelola komunitas, di mana pemegang token HOME dapat memberikan suara untuk pembaruan dan peningkatan, memastikan ekosistem berkembang sesuai kebutuhan komunitas.
Selengkapnya di halaman HOME →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 →
