Futuros
Acesse centenas de contratos perpétuos
TradFi
Ouro
Plataforma única para ativos tradicionais globais
Opções
Hot
Negocie opções vanilla no estilo europeu
Conta unificada
Maximize sua eficiência de capital
Negociação demo
Introdução à negociação de futuros
Prepare-se para sua negociação de futuros
Eventos de futuros
Participe de eventos e ganhe recompensas
Negociação demo
Use fundos virtuais para experimentar negociações sem riscos
Lançamento
CandyDrop
Colete candies para ganhar airdrops
Launchpool
Staking rápido, ganhe novos tokens em potencial
HODLer Airdrop
Possua GT em hold e ganhe airdrops massivos de graça
Launchpad
Chegue cedo para o próximo grande projeto de token
Pontos Alpha
Negocie on-chain e receba airdrops
Pontos de futuros
Ganhe pontos de futuros e colete recompensas em airdrop
Investimento
Simple Earn
Ganhe juros com tokens ociosos
Autoinvestimento
Invista automaticamente regularmente
Investimento duplo
Lucre com a volatilidade do mercado
Soft Staking
Ganhe recompensas com stakings flexíveis
Empréstimo de criptomoedas
0 Fees
Penhore uma criptomoeda para pegar outra emprestado
Centro de empréstimos
Centro de empréstimos integrado
Centro de riqueza VIP
Planos premium de crescimento de patrimônio
Gestão privada de patrimônio
Alocação premium de ativos
Fundo Quantitativo
Estratégias quant de alto nível
Apostar
Faça staking de criptomoedas para ganhar em produtos PoS
Alavancagem Inteligente
New
Alavancagem sem liquidação
Cunhagem de GUSD
Cunhe GUSD para retornos em RWA
CEO da Nvidia: DeepSeek impulsionou o crescimento explosivo da demanda por computação em IA
Em 21 de maio, o CEO da NVIDIA, Jensen Huang, disse que o lançamento de código aberto do DeepSeek R1 impulsionou a adoção generalizada da tecnologia de IA de inferência e acelerou a necessidade de computação. Modelos como o o3 da OpenAI, o DeepSeek R1 e o Grok 3 da xAI demonstram como a IA pode passar de modelos percetivos e generativos para modelos de inferência de pensamento de longo prazo que exigem um poder de computação significativamente melhorado. Esses modelos podem resolver problemas complexos, tomar decisões estratégicas e aplicar raciocínio lógico, mas cada tarefa requer 100 vezes mais computação do que a IA tradicional baseada em inferência. “A escala de pós-treinamento e personalização do modelo é enorme, e o esforço computacional pode ser ordens de magnitude maior do que antes do treinamento”, disse Huang. Nossas necessidades de inferência estão acelerando, impulsionadas por tempos de teste expandidos e novos modelos de inferência."