Bandingkan Harga & Kinerja Numeraire (NMR) vs Neuron (NRN)
Kinerja harga (24 Jam Terakhir)
Statistik utama
Statistik utama
Perbedaan Numeraire dan Neuron: Numeraire diperdagangkan di Rp149.331 (kapitalisasi pasar Rp1,11T, volume 24 jam Rp104,52M), sedangkan Neuron diperdagangkan di Rp63,99 (kapitalisasi pasar Rp26,48M, volume 24 jam Rp841,43jt). Perbedaan utamanya: Numeraire jauh lebih besar — sekitar 41,9× kapitalisasi pasar Neuron, dan suplai beredar Numeraire 7,4M / 11M NMR (68%) dibanding 358,6M / 1B NRN (36%) milik Neuron. Mana yang lebih baik tergantung tujuan investasimu — di Pluang, investor rata-rata menyimpan Numeraire selama 32 Hari dan Neuron selama 11 Hari.
| NMR | NRN | |
|---|---|---|
Kap. Pasar | Rp1,11T | Rp26,48M |
Volume (24h) | Rp104,52M | Rp841,43jt |
Suplai yang Beredar | 7,4M / 11M NMR (68%) | 358,6M / 1B NRN (36%) |
Typical Hold Time | 32 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 Numeraire
Numerai adalah platform yang berbasis di Ethereum yang memungkinkan pengembang dan data scientist untuk bereksperimen dan membuat model machine learning dengan keandalan yang lebih baik. Token NMR diberikan kepada para data scientist yang modelnya berkinerja baik di turnamen Numerai. Artinya, nilai token akan naik ketika semakin banyak orang masuk dan ikut berkompetisi dalam turnamen. Model dalam turnamen ini juga memungkinkan Numerai untuk berpartisipasi secara aktif dalam trading pasar saham berdasarkan hasil dari proyek yang terlibat.
Selengkapnya di halaman NMR →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 →
