Bandingkan Harga & Kinerja HTX (HTX) vs OpenLedger (OPEN)
Kinerja harga (24 Jam Terakhir)
Statistik utama
Statistik utama
Perbedaan HTX dan OpenLedger: HTX diperdagangkan di Rp0,0328 (kapitalisasi pasar Rp29,25T, volume 24 jam Rp446,88M), sedangkan OpenLedger diperdagangkan di Rp3.616 (kapitalisasi pasar Rp1,17T, volume 24 jam Rp416,22M). Perbedaan utamanya: HTX jauh lebih besar — sekitar 25× kapitalisasi pasar OpenLedger, dan suplai beredar HTX 898,2T / 1.000T HTX (90%) dibanding 319M / 1B OPEN (32%) milik OpenLedger. Mana yang lebih baik tergantung tujuan investasimu — di Pluang, investor rata-rata menyimpan HTX selama 21 Hari dan OpenLedger selama 23 Hari.
| HTX | OPEN | |
|---|---|---|
Kap. Pasar | Rp29,25T | Rp1,17T |
Volume (24h) | Rp446,88M | Rp416,22M |
Suplai yang Beredar | 898,2T / 1.000T HTX (90%) | 319M / 1B OPEN (32%) |
Typical Hold Time | 21 Hari | 23 Hari |
Sentimen investor di Pluang
Aktivitas investor Pluang dalam 30 hari terakhir
Sentimen investor di Pluang
Aktivitas investor Pluang dalam 30 hari terakhir
Tentang HTX
HTX adalah token asli dari HTX DAO, sebuah organisasi terdesentralisasi yang mendukung ekonomi terdesentralisasi. Token ini memfasilitasi transaksi, menawarkan diskon biaya, dan memberikan akses ke fitur serta layanan eksklusif. Pemegang token juga dapat berpartisipasi dalam tata kelola melalui voting. HTX dirancang untuk mendukung kontributor, program komunitas, kemitraan, dan pertumbuhan platform sambil mendorong likuiditas melalui pledging sukarela. Beroperasi tanpa registrasi formal, HTX DAO memprioritaskan otonomi, transparansi, dan inklusivitas, menjadikan token HTX penting untuk inovasi, tata kelola, dan pertumbuhan ekosistem di ruang blockchain.
Selengkapnya di halaman HTX →Tentang OpenLedger
OpenLedger adalah blockchain AI yang membuka likuiditas untuk monetisasi data, model, aplikasi, dan agen. Protokol ini memfasilitasi pelatihan, penerapan, dan pelacakan on-chain untuk model AI dan data khusus, sekaligus mengatasi tantangan penting terkait transparansi, atribusi, dan verifiabilitas dalam AI.
Selengkapnya di halaman OPEN →
