資訊中心

關注 Bitget 新聞及深度資訊,了解加密貨幣領域最熱門話題。

花旗調查:預計到2030年,加密貨幣將佔據交易後市場的十分之一
花旗調查:預計到2030年,加密貨幣將佔據交易後市場的十分之一

根據花旗銀行最新發布的《證券服務演變報告》,一項針對全球537名金融高管的調查顯示,到2030年,全球後交易市場約有10%的交易量預計將通過穩定幣和代幣化證券等數位資產進行處理。

Techub News·2025/09/04 19:46
Bitget與Bitget Wallet通過Ondo Finance支持超過100種資產的代幣化交易
Bitget與Bitget Wallet通過Ondo Finance支持超過100種資產的代幣化交易

Bitget這家領先的加密貨幣交易所,以及Bitget Wallet這個自託管加密錢包,已透過與Ondo Finance的官方整合,在各自的應用程式內上線了實時交易的代幣化實體資產(RWA)。這使得這兩家公司成為首批為境外用戶提供代幣化股票及ETF接入服務的機構之一。

BeInCrypto·2025/09/04 19:45
Cosmoverse 2025前往克羅埃西亞斯普利特——連結全球Web3領袖與東南歐機構聲音
Cosmoverse 2025前往克羅埃西亞斯普利特——連結全球Web3領袖與東南歐機構聲音

Cosmoverse,作為Cosmos區塊鏈生態系統的旗艦會議,將於2025年10月30日至11月1日在克羅埃西亞斯普利特的Le Méridien Lav正式舉行。Cosmoverse 2025邁入第五屆,對東南歐具有戰略性里程碑意義,將匯聚區塊鏈先驅、機構領袖及開發者,共同探討主權基礎設施、互操作性的未來。

BeInCrypto·2025/09/04 19:44
以太坊處於十字路口:$4,500流動性吸引力能否戰勝$4,200風險?
以太坊處於十字路口:$4,500流動性吸引力能否戰勝$4,200風險?

Ethereum徘徊在4,385美元附近,流動性將價格推向4,500美元,但若4,211美元的支撐失守,則有急劇下跌的風險。

BeInCrypto·2025/09/04 19:44
Bitcoin或將無懼九月下跌,因交易所供應量降至多年新低
Bitcoin或將無懼九月下跌,因交易所供應量降至多年新低

比特幣九月的疲弱可能會持續,但交易所儲備減少和聯準會潛在催化劑顯示,第四季度有望反彈。

BeInCrypto·2025/09/04 19:43
9月支持Stellar(XLM)增長的5大關鍵驅動因素
9月支持Stellar(XLM)增長的5大關鍵驅動因素

隨著用戶數量、支付次數及實際應用的增長,結合ETF熱潮與重大升級,XLM在九月展望強勁。

BeInCrypto·2025/09/04 19:42
World Liberty Financial將Justin Sun錢包列入黑名單,因WLFI代幣爭議
World Liberty Financial將Justin Sun錢包列入黑名單,因WLFI代幣爭議

World Liberty凍結了Justin Sun的WLFI持倉,理由是擔心某交易所利用用戶代幣壓低該代幣價格。

BeInCrypto·2025/09/04 19:42
Cardano (ADA) 今日新聞:9月4日
Cardano (ADA) 今日新聞:9月4日

以下是過去一週有關Cardano及其原生代幣的新聞摘要,以及目前對價格走勢的市場情緒。

Cryptopotato·2025/09/04 19:28
快訊
  • 23:43
    DTCC 將三檔加密 ETF 納入清算,涵蓋 Solana、HBAR 與 XRP
    ChainCatcher消息,根據市場消息,美國DTCC已將Fidelity Solana ETF(FSOL)、Canary HBAR ETF(HBR)及Canary XRP ETF(XRPC)列入清單。
  • 23:13
    USDC Treasury鑄造2.5億枚USDC
    Jinse Finance報導,根據Whale Alert監測,東八區今日03:56,USDC Treasury鑄造了250,000,000枚USDC。
  • 22:32
    阿里巴巴推出更高效的Qwen3-Next人工智能模型
    Jinse Finance報導,阿里巴巴旗下通義千問發布了下一代基礎模型架構Qwen3-Next,並開源了基於該架構的Qwen3-Next-80B-A3B系列模型。該架構相比Qwen3的MoE模型結構,進行了以下核心改進:混合注意力機制、高稀疏度MoE結構、一系列訓練穩定友好的優化,以及提升推理效率的多token預測機制。基於Qwen3-Next的模型結構,阿里訓練了Qwen3-Next-80B-A3B-Base模型,該模型擁有800億參數僅激活30億參數。該Base模型實現了與Qwen3-32B dense模型相近甚至略好的性能,而它的訓練成本(GPU hours)僅為Qwen3-32B的十分之一不到,在32k以上的上下文下的推理吞吐則是Qwen3-32B的十倍以上,實現了極致的訓練和推理性價比。
資訊中心