Perbedaan Lido DAO dan Bittensor: Lido DAO diperdagangkan di Rp5.287 (kapitalisasi pasar Rp4,43T, volume 24 jam Rp362,77M), sedangkan Bittensor diperdagangkan di Rp3.621.595 (kapitalisasi pasar Rp40,69T, volume 24 jam Rp1,83T). Perbedaan utamanya: Bittensor jauh lebih besar — sekitar 9,2× kapitalisasi pasar Lido DAO, dan suplai Bittensor dibatasi (11,2M / 21M TAO (54%)), sedangkan Lido DAO terus bertambah. Mana yang lebih baik tergantung tujuan investasimu — di Pluang, investor rata-rata menyimpan Lido DAO selama 34 Hari dan Bittensor selama 43 Hari.
| LDO | TAO | |
|---|---|---|
Kap. Pasar | Rp4,43T | Rp40,69T |
Volume (24h) | Rp362,77M | Rp1,83T |
Suplai yang Beredar | 836,3M LDO | 11,2M / 21M TAO (54%) |
Typical Hold Time | 34 Hari | 43 Hari |
Sinyal dari Aura AI Pluang — bukan nasihat finansial
LDO menunjukkan sinyal teknis bearish dengan harga saat ini Rp5.243 berada di bawah pivot point Rp5.169. Moving averages memberikan sinyal jual kuat (12 jual vs 1 beli) sementara RSI menunjukkan kondisi oversold jangka pendek. Token ini memiliki market cap Rp4,37T dengan waktu holding rata-rata 34 hari, menunjukkan aktivitas trading aktif.
Outlook bearish jangka pendek dengan risiko volatilitas tinggi. Peluang muncul dari RSI oversold yang mungkin memicu rebound teknis, namun tekanan jual dari moving averages dan ADX kuat membatasi upside. Risiko utama termasuk volatilitas crypto dan tekanan bearish berkelanjutan.
Belum ada sinyal Aura AI.
Aktivitas investor Pluang dalam 30 hari terakhir
Berita terbaru kedua aset
Lido adalah solusi liquid staking untuk Ethereum yang memungkinkan penggunanya untuk mendapatkan staking reward tanpa perlu mengelola infrastrukturnya. Native utility token ini bisa digunakan untuk memberikan hak tata kelola di Lido DAO, mengelola parameter dan distribusi biaya, serta mengatur penambahan dan penghapusan operator node Lido.
Selengkapnya di halaman LDO →Bittensor adalah protokol open-source yang menggerakkan jaringan machine learning terdesentralisasi berbasis blockchain. Model machine learning dilatih secara kolaboratif dan diberi reward dalam TAO sesuai dengan nilai informasi yang mereka tawarkan secara kolektif. TAO juga memberikan akses eksternal, memungkinkan pengguna untuk mengekstrak informasi dari jaringan sambil menyesuaikan aktivitasnya sesuai kebutuhan mereka.
Selengkapnya di halaman TAO →