LinqAI (LNQ) fluctue de 47,3 % en 24 heures : un léger rebond du volume des échanges sous faible liquidité stimule la reprise
Bitget Pulse2026/05/06 11:57Résumé de la volatilité
Au cours des dernières 24 heures, le prix de LNQ est remonté du plus bas à 0,00281 dollar jusqu’à un maximum de 0,00414 dollar, avec un cours actuel à 0,00414 dollar, soit une variation de 47,3%. Le volume de transactions sur 24h s’établit à environ 129 600 dollars, soit une légère augmentation de 4% par rapport à la veille.
Analyse succincte des causes du mouvement
- Le volume de transactions sur 24h a atteint 138 000 dollars, en hausse de 4% par rapport à la veille, amplifiant la volatilité des prix dans un environnement à faible liquidité.
- Aucune annonce officielle, actualité majeure ou signalement notable de mouvement de baleine on-chain n’a été observé au cours des dernières 24 heures.
Analyse du marché et perspectives
Les discussions sur le marché restent limitées, aucune publication LNQ à forte visibilité récemment sur la plateforme X ; le sentiment général est neutre, la prévision de prix à court terme tend vers la baisse jusqu’à la zone des 0,0023 dollar, un risque de faible liquidité est à surveiller.
Remarque : Cette analyse est produite automatiquement par une IA sur la base de données publiques et de la surveillance on-chain, à titre informatif uniquement.Avertissement : le contenu de cet article reflète uniquement le point de vue de l'auteur et ne représente en aucun cas la plateforme. Cet article n'est pas destiné à servir de référence pour prendre des décisions d'investissement.
Vous pourriez également aimer

Meta(META.US) accélère le développement de ses propres puces IA ! Déploiement dans les centres de données au cours du premier semestre de l'année prochaine, visant à réduire les coûts et la consommation d'énergie pour l'inférence.
Meta Platforms prévoit de déployer la nouvelle génération de puces d’intelligence artificielle développées en interne dans ses centres de données au premier semestre 2027, dans l’espoir de réduire la consommation d’énergie et les coûts liés à l’exécution des modèles d’IA grâce à des puces personnalisées.


