Futures
Accédez à des centaines de contrats perpétuels
TradFi
Or
Une plateforme pour les actifs mondiaux
Options
Hot
Tradez des options classiques de style européen
Compte unifié
Maximiser l'efficacité de votre capital
Trading démo
Introduction au trading futures
Préparez-vous à trader des contrats futurs
Événements futures
Participez aux événements et gagnez
Demo Trading
Utiliser des fonds virtuels pour faire l'expérience du trading sans risque
Lancer
CandyDrop
Collecte des candies pour obtenir des airdrops
Launchpool
Staking rapide, Gagnez de potentiels nouveaux jetons
HODLer Airdrop
Conservez des GT et recevez d'énormes airdrops gratuitement
Launchpad
Soyez les premiers à participer au prochain grand projet de jetons
Points Alpha
Tradez on-chain et gagnez des airdrops
Points Futures
Gagnez des points Futures et réclamez vos récompenses d’airdrop.
Investissement
Simple Earn
Gagner des intérêts avec des jetons inutilisés
Investissement automatique
Auto-invest régulier
Double investissement
Profitez de la volatilité du marché
Staking souple
Gagnez des récompenses grâce au staking flexible
Prêt Crypto
0 Fees
Mettre en gage un crypto pour en emprunter une autre
Centre de prêts
Centre de prêts intégré
Yang Zhilin a révélé la feuille de route de Kimi lors de GTC : mise sur l'efficacité du Token, le contexte long et le cluster d'Agents
Lors de la conférence GTC 2026 d’NVIDIA, l’un des fondateurs de Moonshot Mind, Kimi, Yang Zh ilin, a prononcé un discours public. Il a déclaré que, pour faire progresser sans cesse le plafond de l’intelligence des grands modèles, il faut reconstruire les fondations de base, comme les optimiseurs, les mécanismes d’attention et les connexions résiduelles. Après la publication officielle de Kimi K2.5 à la fin du mois de janvier de cette année, Yang Zh ilin a, pour la première fois dans son discours, divulgué de manière systématique la feuille de route technique à l’origine de ce modèle. Il résume la logique d’évolution de Kimi en trois dimensions en résonance : l’efficacité des tokens, le contexte long et les essaims d’agents (Agent Swarms). « À l’heure actuelle, le Scaling n’est plus une simple accumulation de ressources : il s’agit de rechercher simultanément des effets d’échelle en termes d’efficacité de calcul, de mémoire à long terme et de coopération automatisée. Si l’on peut multiplier les gains techniques de ces trois dimensions, le modèle affichiera un niveau d’intelligence bien au-delà de l’état actuel. » En outre, il estime que la forme future de l’intelligence évoluera d’un seul agent vers un ensemble évolutif généré dynamiquement. (China Science and Technology Daily)