- $TAO зростає на 12% на день, 71% на місяць, тепер натискаючи ключову зону опору $302.
- Високі мінімуми, що повторюються, показують, що сильні покупці поглинають пропозицію в міру наростаючого тиску на прорив.
- Прорив вище 302 доларів може спровокувати швидкий ралі, тому що над ним мало опору.
$TAO виріс майже на 12% за останні 24 години, торгуючись приблизно на $304 на момент написання. Цей крок збільшився на 71,5% за останні 30 днів, оскільки альткоїн заявляв про ринкову капіталізацію 3,27 мільярда доларів.
Незважаючи на зростання, $TAO залишається більш ніж на 80% нижче за свій історичний максимум близько 757 доларів. Таким чином, трейдери зараз спостерігають за пробоєм понад 302 долари, що може призвести до подальшого зростання.
$TAO тестує опір на $300, придивляється до зони прориву
Нещодавнє зростання відштовхнуло токен Tao в зону опору між $300 і $305, яка раніше виступала як пропозиція. Тим часом ціна токена $TAO формує нижчі значення, що свідчить про зростання тиску на покупки
Криптоаналітик Арді виділив $302 як ключовий рівень прориву. Ціна неодноразово тестувала цей рівень, при цьому неглибокі відкати свідчать про інтерес до покупки.
Якщо $TAO прорветься вище $302 і утримається, рух може прискоритися через обмежений опір вище діапазону. Така схема свідчить про можливе продовження бичачого тренду.
З іншого боку, якщо $TAO не пробивається вище за зону $300–$305, перший рівень підтримки з'являється поряд із $260. Глибокіший відкат може розширитися до $220, де сформувалася остання база накопичення.
Ці рівні залишаються важливими для трейдерів, котрі стежать за короткостроковим напрямом.
Нарратив ІІ підтримує попит
Важливо відзначити, що Bittensor в основному розглядається як актив на рівні ІІ, а не просто засіб зберігання вартості.
Проект слідує структурі, схожій з Біткоіном, з обмеженням пропозиції в 21 мільйон і циклом халвінгу, але замінює доказ роботи на «доказ корисної роботи». Це означає, що мережеві стимули спрямовані на обчислення ІІ, а не чисту безпеку.
Генеральний директор NVIDIA Дженсен Хуанг порівняв мережу із сучасною розподіленою обчислювальною системою, схожою на folding@home. Порівняння виділяє реальні результати мережі, включаючи навчання децентралізованих моделей.
Нещодавні приклади включають розподілений запуск на підмережі 3, який навчив модель із 4 мільярдами параметрів у кількох учасників. Це підтверджує основну ідею децентралізованих обчислень ІІ