Proyek AI Kripto OpenServ mengklaim mengalahkan OpenAI dalam perbandingan tolok ukur langsung

Crypto AI perusahaan OpenServ sedang mencoba menjual dua hal sekaligus: cerita infrastruktur AI dan cerita token kripto. Klaimnya bahwa model barunya, SERV Nano, dapat menandingi atau mengungguli OpenAI pada beberapa tugas telah membuat pitch tersebut lebih menarik, tetapi mereka juga telah menaikkan standar pembuktian.

Perusahaan ini mendeskripsikan dirinya sebagai rangkaian end-to-end untuk membangun, meluncurkan, dan menjalankan startup otonom, dengan product rails yang mencakup agen AI, tooling workflow, arsitektur reasoning, mekanik peluncuran token, dan monetisasi on-chain. Itu menempatkannya pada kategori yang masih kurang dibangun.

Mengapa ini penting: Upaya EDX Markets untuk mendapatkan izin trust bank federal adalah uji nyata apakah perusahaan-perusahaan yang didukung Wall Street dapat memindahkan lebih banyak tumpukan kustodi dan settlement kripto ke dalam perimeter perbankan AS. Ini membawa implikasi yang lebih luas daripada sekadar cerita ekspansi kripto standar.

Sebagian besar pasar AI masih berputar pada model, wrapper, dan antarmuka pengguna, sementara lapisan operasional yang lebih sulit berada lebih rendah dalam tumpukan, di mana sistem perlu memiliki reasoning yang dibatasi, disiplin biaya, output yang dapat diaudit, serta cukup struktur untuk menangani tugas yang membawa anggaran, risiko eksekusi, dan konsekuensi dunia nyata.

Aset Kripto AI Teratas berdasarkan Kapitalisasi Pasar

#	Coin	Harga	24j %	MCap	Vol 24j
1	Chainlink LINK	$8.99	+4.39%	$6.54B	$575.14M
2	Bittensor TAO	$319.61	+7.53%	$3.45B	$353.16M
3	NEAR Protocol NEAR	$1.28	+2.75%	$1.65B	$141.23M
4	Internet Computer ICP	$2.37	+4.51%	$1.3B	$52.83M
5	Render RENDER	$1.92	+3.94%	$998.18M	$66.49M
6	DeXe DEXE	$8.81	-0.49%	$737.51M	$21.02M
7	Artificial Superintelligence Alliance FET	$0.24	+3.73%	$535.27M	$162.2M
8	Virtuals Protocol VIRTUAL	$0.65	+5.24%	$424.79M	$49.56M
9	siren SIREN	$0.56	+8.8%	$405.34M	$80.5M
10	AINFT NFT	$0	+1.56%	$329.13M	$12.68M

Lihat Semua Aset Kripto AI

Branding perusahaan seputar peluncurannya di Base dan Solana telah memunculkan pertanyaan dasar namun penting. Apakah OpenServ sebuah proyek blockchain, atau apakah itu proyek AI dengan rel/rails blockchain yang melekat?

Bukti yang tersedia mengarah ke yang kedua. Dokumentasi OpenServ sendiri mempresentasikan platform tersebut sebagai lapisan infrastruktur agen yang mendukung produk berbasis AI dan workflow bisnis otonom, sementara sisi kriptonya menangani pembuatan token, mekanik peluncuran, insentif, arus fee, dan kapitalisasi.

Dokumentasi token $SERV menjelaskan aset tersebut sebagai token ekosistem asli yang terikat pada mekanisme penggunaan, burn, dan reward di seluruh platform. Kerangka itu mengarah pada bisnis AI yang kripto-native, bukan protokol blockchain lapisan dasar.

OpenServ tidak mencoba bersaing dengan Base, Solana, atau rantai lainnya sebagai sebuah jaringan. OpenServ berupaya duduk di atas model dan di atas rantai, lalu memiliki lapisan tempat agen dapat diatur, dideploy, dan dimonetisasi.

Dalam praktiknya, itu berarti elemen blockchain berfungsi sebagai distribusi, peluncuran, dan koordinasi ekonomi, sementara proposisi teknis inti berada di dalam lapisan orkestrasi dan reasoning. Pasar telah mulai memberi penghargaan kepada proyek yang dapat mempresentasikan ini sebagai sistem full-stack.

Risikonya adalah beberapa klaim dapat digabung menjadi satu premi naratif sebelum setiap lapisan melewati ambang batas pembuktian evidensinya sendiri.

Base, Solana, dan upaya mengubah infrastruktur AI menjadi model bisnis kripto-native

Arsitektur OpenServ paling mudah dipahami sebagai tumpukan berlapis. Di bagian atas ada narasi produk seputar startup otonom, agen AI, dan tooling self-serve. Di bagian tengah ada klaim orkestrasi, di mana OpenServ berargumen bahwa pihaknya telah membangun kerangka reasoning yang terstruktur yang dapat mengoordinasikan perilaku agen dengan lebih efisien dibanding rantai prompt generik.

Di bagian bawah ada lapisan monetisasi kripto, di mana proyek dapat meluncurkan token, menciptakan likuiditas, dan mengalihkan nilai platform melalui aset ekosistem. Materi publik perusahaan secara berulang mengikat potongan-potongan ini bersama.

Situsnya mempresentasikan pembangunan, peluncuran, dan menjalankan sebagai satu jalur berkelanjutan, sementara dokumentasinya merinci mekanik peluncuran token dan penangkapan nilai ekosistem.

Struktur itu membantu menjelaskan penggunaan Base dan Solana. Base memberi OpenServ lingkungan yang selaras EVM untuk peluncuran token dan workflow likuiditas, sedangkan Solana memberikannya akses ke ekosistem yang lebih cepat dan berbiaya lebih rendah yang tetap aktif dalam eksperimen token ritel serta desain aplikasi on-chain.

Penggunaan kedua chain itu memperluas pasar yang dapat dijangkau platform dan memberi OpenServ cara untuk memposisikan dirinya sebagai chain-flexible, bukan chain-dependent. Untuk perusahaan yang mencoba menjual tooling AI kepada audiens kripto-native, desain itu masuk akal secara komersial.

Hal itu memungkinkan OpenServ mengatakan bahwa lapisan reasoning-nya dapat mendorong sistem otonom, sementara rails blockchain menangani peluncuran, kepemilikan, insentif, dan koordinasi finansial.

Pertanyaan yang lebih sulit terletak di bawah kemasan, tentang di mana moat yang tahan lama itu benar-benar hidup. Kerangka peluncuran token dapat menarik perhatian dengan cepat, terutama ketika memanfaatkan selera pasar saat ini terhadap aset yang terkait AI. Distribusi dapat bergerak cepat. Modal dapat bergerak bahkan lebih cepat.

Kedalaman defensibilitas biasanya berada lebih dalam di tumpukan. Jika keunggulan tahan lama OpenServ berada di orkestrasi, maka Base dan Solana berfungsi sebagai venue deploy yang berguna, sementara aset sebenarnya adalah lapisan reasoning proprietari yang mengklaim membuat agen AI lebih murah, lebih cepat, dan lebih andal.

Jika keunggulan inti justru berada pada desain token dan kemasan level chain, maka platform terlihat lebih dekat sebagai mesin distribusi kripto yang dibungkus narasi AI.

Penilaian terhadap blockchain, oleh karena itu, perlu tetap terikat pada benchmark. Rails kripto OpenServ dapat menjelaskan bagaimana nilai bergerak melalui ekosistem. Namun, mereka tidak menjawab apakah sistem tersebut benar-benar berkinerja lebih baik dibanding alternatif.

Pasar sering kali menyederhanakan isu-isu ini menjadi tim yang kuat, pasar yang besar, posisi awal, dan token yang dinilai terlalu rendah. Kerangka seperti itu dapat menghasilkan perhatian dan likuiditas.

Namun, itu tidak menyelesaikan apakah produk telah melewati batas dari arsitektur yang menarik menjadi infrastruktur yang tervalidasi secara independen. Nilai Base dan Solana dalam pengaturan ini bergantung pada apa yang mereka dukung.

Jika mereka mendukung lapisan reasoning dengan keuntungan ekonomi dan operasional yang terukur, maka komponen blockchain menjadi bagian dari tumpukan yang koheren. Jika mereka mendukung premi naratif di sekitar potongan benchmark dan bahasa adopsi selektif, maka lapisan on-chain memperkuat volatilitas lebih daripada mengompounded kekuatan produk.

Materi OpenServ sendiri memberikan bukti yang cukup untuk menetapkan satu poin secara jelas. Ini adalah platform AI kripto-native yang menggunakan blockchain untuk peluncuran, monetisasi, dan koordinasi ekosistem.

Itu tampak lebih tepat daripada menyebutnya protokol blockchain, dan lebih bermanfaat daripada mereduksinya menjadi wrapper AI dengan sebuah token. Platform ini berusaha menggabungkan tooling agen dengan rails ekonomi on-chain, lalu memiliki lapisan operasional di antara model dan deployment yang dimonetisasi.

Ambisinya jelas. Pekerjaan yang tersisa adalah membuktikan bahwa bagian tengah dari tumpukan sama kuatnya dengan yang disarankan oleh kemasan luar.

Diagram yang menunjukkan arsitektur arsitektur tumpukan AI berlapis OpenServ, termasuk product and agent layer, Braid orchestration layer, crypto-economic rails, dan performance benchmarks yang membandingkan biaya dan deployment di seluruh jaringan blockchain

Perbandingan OpenAI, SERV Nano, dan klaim benchmark yang membawa beban naratif

Pusat gravitasi dalam positioning OpenServ saat ini terletak pada bahasa benchmark-nya. Klaim publik yang paling kuat berpusat pada kerangka reasoning perusahaan dan penawaran SERV Nano, dengan eksekutif dan penggiat yang berargumen bahwa sistem dapat mengungguli atau menandingi model OpenAI pada evaluasi standar, sekaligus berjalan dengan biaya yang jauh lebih rendah dan kecepatan yang lebih tinggi.

Klaim-klaim tersebut dirancang untuk melakukan dua hal sekaligus. Pertama, klaim-klaim itu menandakan bahwa OpenServ sedang mengerjakan bottleneck teknis nyata di dalam sistem agen. Kedua, klaim-klaim itu membangun jembatan penilaian antara performa infrastruktur dan potensi kenaikan nilai token.

Begitu pasar mendengar “menandingi GPT-5.4 dengan biaya 20x lebih rendah dan 3x kecepatan,” beban pembuktian bergeser ke metodologi, pemilihan tugas, reproduksibilitas, dan bukti deployment.

OpenServ telah mempublikasikan materi seputar kerangka BRAID, singkatan dari Bounded Reasoning for Autonomous Inference and Decisions. Perusahaan mengatakan bahwa lapisan ini meningkatkan performa-per-dolar dan meningkatkan reliabilitas di seluruh tugas yang dibatasi dengan mengganti prompting yang strukturnya longgar dengan proses yang lebih deterministik dan dapat dibaca mesin.

Paper arXiv terkait menyajikan kerangka itu dalam bentuk akademis dan merujuk pada logging benchmark internal. Itu memberi OpenServ area permukaan teknis yang lebih banyak dibanding kampanye promo tipikal. Itu juga berarti klaim terkuat dapat diuji dengan standar yang lebih tinggi.

Perbandingan dengan OpenAI perlu penanganan yang hati-hati. Dokumentasi OpenAI sendiri untuk GPT-5.4 nano membingkai model tersebut sebagai opsi berbiaya rendah dan berkecepatan tinggi untuk tugas bervolume tinggi.

Posisi itu sendiri sudah menyiratkan bahwa perbandingan tersebut lebih bernuansa daripada sekadar duel frontier-versus-frontier. Ketika sebuah framework pihak ketiga mengklaim dapat menandingi atau melampaui model OpenAI, hasilnya bisa mencerminkan beberapa sumber kenaikan performa yang berbeda.

Itu bisa berasal dari framing tugas yang lebih sempit. Itu bisa berasal dari logika routing. Itu bisa berasal dari scaffolding yang deterministik. Itu bisa berasal dari constraint yang mengurangi variansi output. Itu juga bisa berasal dari akuntansi biaya yang mengukur efisiensi sistem-level, bukan kemampuan mentah model.

Masing-masing hal itu bisa bermakna secara komersial. Masing-masing hal itu juga mengatakan sesuatu yang berbeda tentang apa yang telah dicapai.

Bagi OpenServ, pertanyaan kuncinya adalah apa sebenarnya yang sedang dibandingkan. Jika SERV Nano adalah sebuah model, maka perusahaan membuat satu klaim saja. Jika itu adalah lapisan orkestrasi atau wrapper terstruktur yang berada di atas model lain, maka klaimnya mengambil bentuk yang berbeda.

Jika hasilnya bergantung pada tugas yang dibatasi dengan pohon keputusan yang sempit, itu tetap bisa berguna dalam pengaturan enterprise di mana reliabilitas dan kontrol biaya memiliki bobot lebih besar daripada rentang percakapan yang luas. Jika hasilnya digeneralisasi menjadi “mengalahkan setiap model OpenAI,” maka bahasanya bergerak lebih cepat daripada informasi yang dibutuhkan untuk mengevaluasinya.

Diferensiasi itu menjadi lebih penting lagi karena narasi pasar terkuat sering kali terbentuk di sekitar gugus klaim yang saling berdekatan. Pesan publik OpenServ menggabungkan kemenangan benchmark, diferensial kecepatan dan biaya yang besar, penggunaan enterprise, bahasa deployment pemerintah, serta kerangka valuasi di bawah $50 juta yang dipromosikan oleh pendukung.

Pada tahap itu, benchmark melakukan lebih dari sekadar kerja teknis. Benchmark tersebut sedang menjadi landasan bagi tesis token.

Data pasar publik dari CoinGecko saat ini menempatkan SERV dalam rentang small-cap, dengan kapitalisasi pasar belasan juta di tinjauan terbaru, yang menjaga pitch asimetri tetap hidup bagi spekulan. Namun, valuasi token dan validitas benchmark berada pada tangga yang berbeda.

CryptoSlate Daily Brief

Sinyal harian, nol noise.

Headline yang menggerakkan pasar dan konteks yang dikirim setiap pagi dalam satu bacaan singkat.

5-menit ringkasan 100k+ pembaca

Alamat email

Dapatkan ringkasannya

Gratis. Tanpa spam. Berhenti kapan saja.

Ups, sepertinya ada masalah. Coba lagi.

Anda sudah berlangganan. Selamat datang.

Kapitalisasi pasar yang rendah bisa menciptakan potensi kenaikan jika produknya nyata. Itu juga bisa menciptakan kantong narasi yang bergerak cepat jauh sebelum produk tersebut terbukti melalui penetapan yang independen.

Di mana ambang pembuktian sekarang berada

Semua ini tidak berarti klaim benchmark harus diabaikan. Lapisan reasoning yang terstruktur yang memberikan akurasi lebih tinggi per dolar pada tugas yang dibatasi akan menanggapi pain point nyata di AI enterprise.

Kurva biaya tetap penting. Latensi tetap penting. Reliabilitas di bawah constraint tetap penting.

Enterprise tidak perlu setiap workflow menyerupai riset frontier. Banyak yang membutuhkan sistem yang mengeksekusi tugas berulang dengan murah, cepat, dan dalam batas yang ditentukan.

Itulah lingkungan di mana lapisan orkestrasi dapat menciptakan nilai. Ini juga lingkungan di mana standar pembuktian seharusnya paling tinggi, karena sistem yang dibatasi dapat terlihat kuat dalam kondisi yang dikurasi lalu memburuk ketika kompleksitas tugas, ambiguitas, atau risiko integrasi meningkat.

Tahap berikutnya dalam mengevaluasi OpenServ, oleh karena itu, berada pada bukti seputar konfigurasi, pemilihan tugas, reproduksibilitas, dan referensi pelanggan. Model-model OpenAI mana yang dibandingkan, dalam kondisi apa? Apa arti “menandingi” secara numerik dan operasional? Apakah tools diaktifkan? Apakah jendela konteks disejajarkan? Apakah tugas dipilih dari benchmark publik, workflow enterprise privat, atau komposit internal? Seberapa besar keuntungan biaya berasal dari pilihan model dibanding logika orkestrasi?

Pertanyaan-pertanyaan itu tidak melemahkan kasusnya. Itu justru mendefinisikannya. Perusahaan infrastruktur yang serius harus menyambut standar itu, karena nilai tahan lama dalam kategori ini akan terkumpul pada platform yang dapat menunjukkan pekerjaan mereka dan lolos dari pemeriksaan independen.

Lapisan terakhir dalam tesis OpenServ berada di luar Base, Solana, dan bagan benchmark. Lapisan itu berada pada pembuktian. Pesan publik tentang platform telah melampaui ekonomi model dan masuk ke kredibilitas produksi, dengan referensi adopsi enterprise dan penggunaan oleh pemerintah UAE.

Jika klaim-klaim itu sepenuhnya bisa dibuktikan, klaim tersebut akan memperkuat posisi platform secara material. Itu akan menunjukkan bahwa OpenServ telah melampaui arsitektur yang dipasarkan dengan baik dan masuk ke kelas perusahaan yang lebih sempit yang dapat menjual AI operasional di bawah kendala nyata.

Lompatan itu besar, dan ambang batas bukti harus naik seiring dengannya.

Sejauh ini, dokumentasi publik memberikan visibilitas parsial tetapi tidak verifikasi penuh. Materi OpenServ sendiri memberikan detail tentang framework, sistem token, dan arsitektur produk.

Distribusi berita pers dan promosi yang terhubung dengan perusahaan merujuk pada penggunaan enterprise dan lingkungan produksi yang terkait pemerintah. Yang tetap sulit ditetapkan melalui sumber publik independen adalah identitas pasti dari deployment-deployment tersebut, cakupan penggunaan, perbedaan antara produksi berbayar dan hubungan pilot, serta garis langsung antara hasil benchmark dan outcome bisnis yang dideploy.

Detail-detail itu akan menentukan apakah OpenServ termasuk dalam kategori perusahaan infrastruktur yang kredibel atau dalam bidang luas proyek AI-kripto yang bisa mempresentasikan stack yang mengesankan lebih cepat daripada mereka dapat membuktikannya.

Konteks pasar yang lebih luas membantu memperjelas ini. Infrastruktur AI telah masuk ke fase di mana orkestrasi, kontrol, auditabilitas, dan settlement mulai membawa bobot strategis yang sama besarnya dengan kualitas model.

Pelaporan terbaru di kripto dan AI telah menarik perhatian lebih besar pada verifikasi, escrow, pembayaran berbasis mesin, dan masalah koordinasi yang muncul ketika agen melampaui obrolan dan mulai bertransaksi atau bertindak di bawah constraint kebijakan. Latar belakang itu membuat pitch OpenServ lebih relevan dibanding narasi token AI generik.

Perusahaan ini menunjuk pada bottleneck nyata. Agen yang membawa anggaran, otoritas, dan lingkup operasional perlu lapisan eksekusi yang dapat dipercaya. Mereka memerlukan struktur. Mereka memerlukan logika yang dibatasi. Mereka memerlukan determinisme yang cukup agar audit dan akuntabilitas bisa dilakukan.

Latar belakang itu juga menetapkan uji yang lebih menuntut. Setelah sebuah platform mengklaim berada di lapisan trust tumpukan agen, setiap pernyataan pendukung memperoleh signifikansi operasional.

Klaim deployment pemerintah harus bisa dinamai, memiliki ruang lingkup, dan dapat diatribusikan. Hubungan enterprise harus bisa diklasifikasikan sebagai pilot, kemitraan desain, kontrak berbayar, atau sistem produksi. Paper benchmark harus memungkinkan pembaca eksternal memahami persis apa yang telah diukur dan di mana kenaikannya berasal.

Sebuah token harus memiliki peran yang jelas terbaca dalam akrual nilai, bukan sekadar menjadi upside ambient di sekitar platform bergaya SaaS. Masing-masing hal ini bisa dikelola. Bersama-sama, semuanya membentuk ambang batas yang nyata.

OpenServ layak mendapat perhatian, tetapi kerangka yang tepat harus tetap disiplin. Perusahaan tampaknya membangun platform infrastruktur AI dengan rails blockchain di Base dan Solana, sambil menggunakan hasil benchmark terhadap model-model yang terhubung dengan OpenAI untuk berargumen bahwa lapisan reasoning-nya dapat memberikan ekonomi yang lebih baik pada tugas yang dibatasi.

Paket itu mengatasi kebutuhan pasar yang nyata. Namun, itu juga menciptakan permukaan promosi yang bisa berjalan lebih dulu daripada konfirmasi independen.

Fase berikutnya akan bergantung pada deployment yang dinamai, metodologi yang dapat direproduksi, kesaksian pelanggan, dan bukti bahwa keuntungan dari benchmark yang terkontrol berubah menjadi lingkungan operasi yang berantakan.

Untuk saat ini, OpenServ tampak kurang seperti protokol blockchain mandiri dan lebih seperti perusahaan infrastruktur AI kripto-native.

Rails blockchain-nya membantu meluncurkan dan memonetisasi platform. Klaim benchmark-nya membawa beban analitis yang lebih berat.

Kesempatan OpenServ ada pada pembuktian bahwa lapisan reasoning yang terstruktur dapat menghasilkan keuntungan yang andal dalam biaya, kecepatan, dan kepercayaan operasional. Jika pembuktian itu datang, platform akan memiliki fondasi yang lebih kuat dibanding banyak narasi token AI yang saat ini diperdagangkan berdasarkan panas kategori.

Jika pembuktian itu tetap tersebar/difus, pasar tetap akan telah belajar sesuatu yang berharga tentang ke mana perhatian mengalir pada fase berikutnya dari infrastruktur agen—menuju lapisan tempat model, eksekusi, dan monetisasi bertemu.

Disebutkan dalam artikel ini

OpenAI

Diposting di

Unggulan Teknologi Orang Budaya AI Komunitas

Penulis Lihat profil →

Liam ‘Akiba’ Wright

Pemimpin Redaksi • CryptoSlate

Juga dikenal sebagai “Akiba,” Liam Wright adalah reporter, produser podcast, dan Pemimpin Redaksi di CryptoSlate. Ia percaya bahwa teknologi terdesentralisasi memiliki potensi untuk menciptakan perubahan positif yang luas.

@akibablade LinkedIn

Konteks

Liputan terkait

Ubah kategori untuk menggali lebih dalam atau mendapatkan konteks yang lebih luas.

Kategori Teratas AI      Press Releases Newswire  

AI

GPT-5.4 Pro melonjak ke 150 IQ pada tes MESNA Norwegia saat OpenAI memecahkan rekor miliknya sendiri

Kenaikan tajam pada benchmark publik hadir saat pasar menimbang inflasi, tenaga kerja, dan laju gangguan yang digerakkan AI.

2 hari yang lalu

Teknologi

Ripple mendorong blockchain yang lebih privat ke bank dan menambahkan pemeriksaan kode AI saat ketakutan meningkat bahwa XRP bisa tertinggal

Ripple bertujuan merevolusi blockchain institusional dengan fitur privasi yang ditingkatkan dan keamanan AI pada XRPL.

1 minggu yang lalu

Pemenang kripto dari AI bukan koin AI saat agen mulai menghabiskan secara otonom

Analisis · 1 minggu yang lalu

Reset AI kini sedang berjalan saat PHK dipercepat dan satu kelompok menjadi yang paling terpukul

AI · 4 minggu yang lalu

Bisakah kripto melindungi kita dari jaringan agen AI ekonomi yang terus berkembang?

AI · 4 minggu yang lalu

AI sedang merekrut lebih banyak developer senior sambil diam-diam menghapus pekerjaan yang menciptakan mereka

AI · 1 bulan yang lalu

CoinRabbit Menurunkan Suku Bunga Pinjaman Kripto untuk Pinjaman XRP dan 300+ Aset

Dengan suku bunga pinjaman sekarang mulai dari 11.95%, CoinRabbit memperluas peminjaman kripto yang didukung biaya lebih rendah di seluruh XRP dan 300+ aset yang didukung.

1 jam yang lalu

ADI Chain Mengumumkan ADI Predictstreet sebagai Mitra Pasar Prediksi FIFA World Cup 2026

Didukung oleh ADI Chain, ADI Predictstreet akan debut di panggung sepak bola terbesar saat FIFA World Cup 2026 menjadi mitra pasar prediksi resminya.

3 hari yang lalu

BTCC Exchange Dinamai Mitra Regional Resmi Tim Nasional Argentina

PR · 4 hari yang lalu

Encrypt Akan Hadir di Solana untuk Menggerakkan Pasar Modal Terenkripsi

PR · 6 hari yang lalu

Ika Akan Hadir di Solana untuk Menggerakkan Pasar Modal Tanpa Bridgeless

PR · 6 hari yang lalu

Peluncuran TxFlow L1 Mainnet Menandai Fase Baru untuk Keuangan On-Chain Multi-Aplikasi

PR · 6 hari yang lalu

Disclaimer

Pendapat para penulis kami semata-mata adalah milik mereka sendiri dan tidak mencerminkan pendapat CryptoSlate. Tidak ada informasi apa pun yang Anda baca di CryptoSlate yang boleh dianggap sebagai nasihat investasi, dan CryptoSlate tidak mendukung proyek apa pun yang mungkin disebutkan atau ditautkan dalam artikel ini. Membeli dan memperdagangkan mata uang kripto harus dianggap sebagai aktivitas berisiko tinggi. Harap lakukan uji tuntas Anda sendiri sebelum mengambil tindakan apa pun yang terkait dengan konten dalam artikel ini. Terakhir, CryptoSlate tidak bertanggung jawab jika Anda kehilangan uang saat memperdagangkan mata uang kripto. Untuk informasi lebih lanjut, lihat penafian perusahaan kami.