เมื่อวันที่ 29 เมษายน แพลตฟอร์มการจัดการสเตเบิลคอยน์ Stable Sea ได้บูรณาการกองทุนตลาดเงินที่แปลงเป็นโทเค็นของ WisdomTree สำหรับพันธบัตรสหรัฐ (WTGXX) เข้าสู่แพลตฟอร์ม ทำให้ลูกค้าภาคธุรกิจสามารถนำเงินสดสำหรับการดำเนินงานที่ไม่ได้ใช้งานไปลงทุนในหลักทรัพย์รัฐบาลที่ให้ผลตอบแทนบนโครงสร้างพื้นฐานบล็อกเชน ณ วันที่ 28 เมษายน WTGXX

ตามรายงานของ Cointelegraph สตาร์ทอัพด้านการบริหารการเงิน Stable Sea ได้บูรณาการกองทุนตลาดเงินเงินดอลลาร์สหรัฐที่แปลงโทเคนของ WisdomTree คือ WTGXX เข้าสู่แพลตฟอร์มของตนในวันที่ 30 เมษายน กองทุนดังกล่าวซึ่งส่วนใหญ่ลงทุนในหลักทรัพย์รัฐบาลสหรัฐฯ ระยะสั้น มีสินทรัพย์รวม

ตามรายงานของ The Block แพลตฟอร์มการจัดการสเตเบิลคอยน์ Stable Sea ได้ร่วมมือกับบริษัทจัดการสินทรัพย์ WisdomTree เพื่อบูรณาการกองทุนตลาดเงินโทเคน WTGXX เข้ากับแพลตฟอร์มการชำระเงินขององค์กรและการบริหารคลังของตนโดยตรง ผู้ใช้ Stable Sea ตอนนี้สามารถแปลงยอดคงเหลือสเตเบิลคอยน์ที่ไม่ได้ใช้งานเป็น WTGXX

Gate News ข้อมูลข่าว 10 เมษายน ราคาน้ำมันดิบระหว่างวันปรับขึ้นอย่างรวดเร็ว WTI น้ำมันดิบ (น้ำมันดิบ Texas Light ของสหรัฐอเมริกา ติดอันดับหนึ่งในเกณฑ์มาตรฐานราคาน้ำมันดิบระหว่างประเทศ) ทะลุระดับ 100 ดอลลาร์/บาร์เรล โดยเพิ่มขึ้นภายในวัน 2.04%; น้ำมันดิบ Brent (น้ำมันดิบ North Sea Brent ของยุโรป อีกหนึ่งในเกณฑ์มาตรฐานราคาน้ำมันดิบระหว่างประเทศ) ขึ้นยืนเหนือ 95 ดอลลาร์/บาร์เรล โดยเพิ่มขึ้นภายในวัน 1.15%

แพลตฟอร์ม NFT รายหนึ่งประกาศเลื่อนแผนการออก SEA โทเคน ซีอีโอ Devin Finzer กล่าวว่าเหตุการณ์สร้างโทเคนซึ่งเดิมมีกำหนดในไตรมาสแรกของปี 2026 จะถูกเลื่อนออกไป โดยยังไม่กำหนดวันที่แน่นอน การเลื่อนครั้งนี้เป็นผลมาจากสภาพตลาดคริปโตที่ยากลำบาก ทีมงานหวังให้การเตรียมพร้อมสมบูรณ์ก่อนที่จะเริ่มการออกโทเคน

PANews 25 พฤศจิกายน รายงานข่าวจาก Shanghai Securities News สำนักข่าวว่า สำนักงานปัญญาประดิษฐ์สิงคโปร์ (AISG) ได้ยุติการใช้โมเดล Meta Llama ในโครงการโมเดลภาษาตะวันออกเฉียงใต้ล่าสุด และเปลี่ยนมาใช้สถาปัตยกรรม Alibaba Tongyi Qwen จนถึงปัจจุบัน ดาวน์โหลดยอดรวมของซีรีส์ Qwen ทั่วโลกเกิน 600 ล้านครั้ง ตามรายงาน AISG ได้เผยแพร่ "Qwen-SEA-LION-v4" เมื่อวันที่ 25 พฤศจิกายน ซึ่งติดอันดับหนึ่งในรายการความสามารถด้านภาษาในตะวันออกเฉียงใต้ ก่อนหน้านี้ โมเดลโอเพ่นซอร์สที่เป็นตัวแทนของซีรีส์ Llama ของ Meta มีประสิทธิภาพไม่ดีในการจัดการกับภาษาท้องถิ่น เช่น ภาษาอินโดนีเซีย ภาษาไทย และภาษามาเลย์ ซึ่งส่งผลต่อประสิทธิภาพและประสิทธิผลในการพัฒนาแอปพลิเคชัน AI ในท้องถิ่นอย่างรุนแรง.