Promote價格
PRO該加密貨幣未在 Gate 上線進行交易和服務
Promote (PRO) 價格即時圖表
Promote (PRO) 今日價格
Promote (PRO) 今日價格是 ＄0.4721 ，24h 交易額是 ＄663.32 ， Promote (PRO) 的市值為 --，市場占有率為 0.0000000019%。 Promote (PRO) 價格在過去 24h 內變動為 -0.79%。
PRO 價格數據
- 24h 交易額＄663.32
- 歷史最高價格＄180.7
- 24h 最高價＄0.7115
- 歷史最低價格＄0.1979
- 24h 最低價＄0.4699
PRO 市值資訊
- 全流通市值＄1.65K
- 市場情緒中性
PRO 發行量
- 總供應量3.5K PRO
- 最大供應量10M PRO
* 數據僅供參考
Promote (PRO)價格預測
Promote (PRO) 價格預測在 2026 年的平均價格為 ＄10.79，價格可能在最低價格 ＄8.41 和最高價格 ＄15.97 之間波動。到 2031 年，Promote (PRO)的價格可能會變動至 ＄29.36，與今天 Promote 的價格相比，潛在回報率為 +4130.00%。
年份 | 最低 | 最高 | 平均 | 漲跌幅 |
|---|---|---|---|---|
2026 | ＄8.41 | ＄15.97 | ＄10.79 | +2185.00% |
2027 | ＄12.98 | ＄13.78 | ＄13.38 | +2734.00% |
2028 | ＄9.5 | ＄14.39 | ＄13.58 | +2776.00% |
2029 | ＄11.75 | ＄19.16 | ＄13.98 | +2862.00% |
2030 | ＄10.44 | ＄23.37 | ＄16.57 | +3410.00% |
2031 | ＄10.98 | ＄29.36 | ＄19.97 | +4130.00% |
關於Promote (PRO)
合約地址
0xd1445bc...7bda12af3
瀏覽器
wemixscan.com
官網
wemixplay.com
社群
- GateNews根據阿里雲的說明，其百炼平台將把 DeepSeek-V4-Pro 模型的隱式快取 (Implicit Cache) 的定價降低至自 2026 年 4 月 29 日 23:59:59（北京時間）起，每 100 萬個 tokens 收費 1 元。僅當請求命中快取時才適用隱式快取；快取中的輸入 tokens 將按快取的 cached_token 費率計費，而未命中快取的輸入 tokens 則按標準 input_token 費率收費。此調整僅影響隱式快取的定價；基礎模型推論費率維持不變。
- GateNewsGate 新聞訊息，4 月 27 日——DeepSeek 宣布，其新款 V4-Pro 模型面向開發者提供 75% 的折扣，並將其 API 產品線中的輸入快取命中價格下調至先前水準的 1/10。 V4 模型於 4 月 25 日以 Pro 和 Flash 版本發布，已針對華為的 Ascend 處理器進行優化。DeepSeek 表示，V4-Pro 在世界知識基準（world-knowledge benchmarks）上優於其他開源模型，並且僅次於 Google 的封閉式 Gemini-Pro-3.1。V4 系列專為 AI 代理而設計，能處理超出聊天機器人能力範圍的複雜任務。 V4-Pro API 成...
- GateNewsGate News 訊息，4 月 26 日 — DeepSeek 已在其整個模型產品線中將輸入快取價格下調至上線價格的 1/10，立即生效。V4-Pro 模型提供限時 2.5 倍折扣優惠，活動將持續至 2026 年 5 月 5 日 23:59（UTC+8）。 Following both re
- GateNews快訊訊息，4月26日——阿里雲百鍊平台已推出 Qwen-Image-2.0-Pro，這是一個功能完備的 Qwen-Image-2.0 系列版本，將文字生成圖片與影像編輯整合到單一模型中。使用者可透過自然語言指令直接修改物件、文字與風格
- GateNews門戶新聞訊息，4 月 26 日—DeepSeek 宣布在限時期間提供 V4-Pro API 定價 75% 折扣，折扣有效期截至 5 月 5 日 15:59 UTC。折扣後，每百萬 tokens 的定價為：輸入快取命中 $0.03625
- GateNewsGate News 消息，4 月 25 日——DeepSeek 於 4 月 24 日發布 V4-Pro 與 V4-Flash 的預覽版本；兩者皆為開放權重模型，擁有一百萬 token 的上下文視窗。V4-Pro 具備 1.6 兆的總參數，但在每次推論時僅啟用 490 億參數，並採用 Mixture-of-Experts 架構。
