Bandingkan Harga & Kinerja Lagrange (LA) vs Neuron (NRN)
Kinerja harga (24 Jam Terakhir)
Statistik utama
Statistik utama
Perbedaan Lagrange dan Neuron: Lagrange diperdagangkan di Rp1.028 (kapitalisasi pasar Rp197,15M, volume 24 jam Rp99,47M), sedangkan Neuron diperdagangkan di Rp63,99 (kapitalisasi pasar Rp26,48M, volume 24 jam Rp841,43jt). Perbedaan utamanya: Lagrange jauh lebih besar — sekitar 7,4× kapitalisasi pasar Neuron, dan suplai Neuron dibatasi (358,6M / 1B NRN (36%)), sedangkan Lagrange terus bertambah. Mana yang lebih baik tergantung tujuan investasimu — di Pluang, investor rata-rata menyimpan Lagrange selama 7 Hari dan Neuron selama 10 Hari.
| LA | NRN | |
|---|---|---|
Kap. Pasar | Rp197,15M | Rp26,48M |
Volume (24h) | Rp99,47M | Rp841,43jt |
Suplai yang Beredar | 193M LA | 358,6M / 1B NRN (36%) |
Typical Hold Time | 7 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 Lagrange
Lagrange mengkhususkan diri dalam pembuatan zero-knowledge proof untuk AI yang aman dan pribadi. Produk unggulannya, DeepProve, adalah sistem zkML tercepat yang memungkinkan verifikasi AI melalui zero-knowledge proofs. Lagrange juga menawarkan Jaringan ZK Prover terdesentralisasi untuk pembuatan proof yang aman dan hemat biaya, didukung oleh validator besar seperti Coinbase Cloud dan Kraken. Selain itu, ZK Coprocessor berbasis SQL memungkinkan smart contract untuk memindahkan perhitungan kompleks dan memverifikasinya secara on-chain.
Selengkapnya di halaman LA →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 →
