一个鲸鱼地址从Robinhood钱包中收到超过4450亿Shiba Inu代币，SHIB的价格修正为0.000027美元。
领先的市场跟踪资源Whale Alert首次关注了这一有趣的基金动向，这一动向发生在Shiba Inu见证了令人印象深刻的价格上涨后不久，在连续三天的上涨中重新测试了0.000029美元的价格区间。
MrcRunes是基于Merlin 链上的一个资产发行平台，致力于接入其他多链协议解锁Merlin Chain上的原生资产,旨在加快资产全链流动性，Merlin⇄全链资产 的无缝流动。一、基于Merlin时代下的创新之路Merlin Chain 是由 Bitmap 提供支持的比特币第2层，基于比特币第1层的原生资产、协议和产品，使比特币再次变得有趣。Merlin Chain 的目标是通过在二层实现
简单来说预计比特币将在两天内减半。FLOKI 币经历了显着的复苏。市场价格和交易量波动。比特币减半已经临近。截至撰写本文时，距离减半还剩 427 个区块，预计减半将于 4 月 19 日发生，仅剩 2 天零 18 小时多一点。与此同时，市场上还发生了什么？内容FLOKI (FLOKI) 现在值多少钱？露娜币的评论Chiliz (CHZ) 下跌了吗？FLOKI (FLOKI) 现在值多少钱？三月见证了
比特·基金会于4月11日面向全球发布启动的比特计划-BRG2，成果喜人，短短几天时间，香港、台湾、中国、韩国、泰国、印度、马来西亚、印度尼西亚均有社区响应参与DAO共建共识！比特 · 基金会由美国上柜上市公司SWGI发起，实力阵容不容小觑。BRG2全面开启应用时，可以在美国上柜上市公司官网查询到：美国上柜上市公司官网：www.StarWealth.groupSWGI与柬埔寨证监局区块链以及金融科技
4 技术解析Artela：为什么“并行EVM”关乎以太坊EVM生态的存续之战？
作者：Haotian，独立研究员 来源：X，@tmel0211最近，Paradigm下重注领投了Monad一轮2.25亿美元的巨额融资，引发市场对“并行EVM”的强烈关注。那么，“并行EVM”到底解决了什么问题？发展并行EVM的瓶颈和关键是什么？ 在我看来，“并行EVM”是EVM链迎击高性能layer1链的最后一博，事关以太坊EVM生态的存续之战。Why？接下来，来谈谈我的理解：由于以太坊EVM虚
背景介绍监控到一起的针对SATX Token的链上攻击事件https://bscscan.com/tx/0x7e02ee7242a672fb84458d12198fae4122d7029ba64f3673e7800d811a8de93f 黑客总共发起了两次攻击：第一次攻击https://bscscan.com/tx/0x3c6eb46bc7203c4996ed0886f25bec3d8060005
为致敬BTC减半，支持币安交易所魔音币大赛。曾创数万倍业绩的DJV基金会率领众核心再度出山！大咖归位，王者归来，几十位社区长联合打造的B-DJV项目蓄势待发，势必再次创造新的辉煌！全网唯一合约地址已公布，投资者踊跃参与，期待未来卓越表现！上线时间：4 月 18 日 20:30
Grayscale已经购买了蘸币，并向其信托基金增加了32K LTC硬币。莱特币作为首选加密货币支付选项，实现了爆炸式增长。 加密货币市场，尤其是altcoin行业，下跌了30-40%，提供了巨大的折扣。特别是莱特币[LTC]下跌了30%以上，交易价格从112.8美元的高点跌至80美元以下。 Grayscale抓住了热门折扣，于4月16日向其GrayscaleLitecoin Trust增加了32
8 Flat For Flip (FFF) 打算通过 NFT 将欧洲房地产市场扩展到亚洲买家
从数字化到梦想家园：通过 FFF NFT 赢得房产2024 年 4 月 18 日，波兰华沙 – 来自波兰的欧洲房地产市场上第一个真实世界资产 (RWA) Flat For Flip (FFF) 宣布打算通过推出 FFF NFT 将市场扩展到国际市场，特别是亚洲市场并为新社区成员提供有吸引力的奖品。FFF NFT 不仅是一种价值可能随时间增长的数字代币，而且是传统投资融资的替代品，更容易进入国外市场
最近，根据网上数据显示，OKx的各个板块已经开始密切关注SPF官方推特。这一动向无疑预示着近期将会有更多的行动。SPF META作为美国银河集团旗下的代表性力作，致力于打造区块链游戏领域中最强大的聚合基础设施。值得一提的是，SPF META已经获得了美国、加拿大等多国颁发的金融牌照，彰显其在合规和认可方面的优势。其即将首发于OKx的计划，引发了业内广泛的关注和期待。这一动作将为SPF带来更多的曝光
文章来源：AIGC开放社区4月19日，全球科技、社交巨头Meta在官网，正式发布了开源大模型——Llama-3。据悉，Llama-3共有80亿、700亿两种参数，分为基础预训练和指令微调两种模型（还有一个超4000亿参数正在训练中）。与Llama-2相比，Llama-3使用了15T tokens的训练数据，在推理、数学、代码生成、指令跟踪等能力获得大幅度提升。此外，Llama-3还使用了分组查询注
