Futuros
Aceda a centenas de contratos perpétuos
TradFi
Ouro
Plataforma de ativos tradicionais globais
Opções
Hot
Negoceie Opções Vanilla ao estilo europeu
Conta Unificada
Maximize a eficiência do seu capital
Negociação de demonstração
Introdução à negociação de futuros
Prepare-se para a sua negociação de futuros
Eventos de futuros
Participe em eventos para recompensas
Negociação de demonstração
Utilize fundos virtuais para experimentar uma negociação sem riscos
Lançamento
CandyDrop
Recolher doces para ganhar airdrops
Launchpool
Faça staking rapidamente, ganhe potenciais novos tokens
HODLer Airdrop
Detenha GT e obtenha airdrops maciços de graça
Launchpad
Chegue cedo ao próximo grande projeto de tokens
Pontos Alpha
Negoceie ativos on-chain para airdrops
Pontos de futuros
Ganhe pontos de futuros e receba recompensas de airdrop
Investimento
Simple Earn
Ganhe juros com tokens inativos
Investimento automático
Invista automaticamente de forma regular.
Investimento Duplo
Aproveite a volatilidade do mercado
Soft Staking
Ganhe recompensas com staking flexível
Empréstimo de criptomoedas
0 Fees
Dê em garantia uma criptomoeda para pedir outra emprestada
Centro de empréstimos
Centro de empréstimos integrado
OpenAI lança GPT-5.4 mini e nano, aproximando-se do desempenho do modelo flagship a um custo mais baixo
A OpenAI lançou na terça-feira dois dos seus modelos pequenos até agora mais capazes, GPT-5.4 mini e GPT-5.4 nano, reduzindo de forma significativa a distância de desempenho em relação ao modelo de topo, com menor latência e menor custo. O GPT-5.4 mini supera de forma abrangente o GPT-5 mini da geração anterior nas dimensões centrais, como programação, raciocínio, compreensão multimodal e chamadas a ferramentas, com uma velocidade de execução superior a 2 vezes e aproximando-se do GPT-5.4 de maior dimensão em testes de referência como o SWE-Bench Pro. O GPT-5.4 nano, por sua vez, é posicionado como a opção mais leve com o menor custo e a latência mais curta, sendo disponibilizado apenas via API a programadores, concebido especificamente para tarefas de classificação de dados, extração e subtarefas simples de programação. O lançamento destes dois modelos visa preencher a lacuna em que modelos de larga escala têm dificuldade em ser implementados em cenários de interacção em tempo real devido a uma latência demasiado elevada, afectando directamente mercados comerciais em rápida expansão como assistentes de programação, sistemas de agentes de IA e aplicações multimodais.