Das On-Chain-Identity-Projekt Phi wird am 10. Oktober sein TGE abhalten, der Airdrop-Anteil beträgt 9,2%.
Foresight News berichtet, dass das On-Chain-Identitätsprojekt Phi auf Twitter mitgeteilt hat, dass der PHI-Token im Oktober 2025 im Base-Netzwerk zusammen mit AerodromeFi starten wird und als nativer Token des Phi-Ökosystems dient. Die Gesamtmenge von PHI beträgt 1 Milliarde Token, das TGE ist für den 10. Oktober um 20:00 Uhr angesetzt. PHI wird ausschließlich auf Aerodrome gehandelt und nicht an zentralisierten Börsen gelistet, um der Community einen fairen Marktzugang zu ermöglichen.
Der Verteilungsplan von PHI sieht wie folgt aus: Kernbeitragende 18,0 %, Unterstützer 13,6 %, Liquidität 5,0 %, Airdrop-Belohnungen (innerhalb von 3 Jahren) 9,2 %, Community-Incentives (innerhalb von 3 Jahren) 12,80 %, Treasury 41,40 %. Der erste Airdrop-Belohnungsplan wird 3,2 % der Gesamtmenge verteilen. Das Snapshot wird nächste Woche durchgeführt, detaillierte Informationen zur Abholung sowie weitere Tokenomics und der Unlock-Zeitplan werden später bekannt gegeben.
Haftungsausschluss: Der Inhalt dieses Artikels gibt ausschließlich die Meinung des Autors wieder und repräsentiert nicht die Plattform in irgendeiner Form. Dieser Artikel ist nicht dazu gedacht, als Referenz für Investitionsentscheidungen zu dienen.
Das könnte Ihnen auch gefallen

Meta entwickelt eigene KI-Chips, die in der ersten Hälfte des nächsten Jahres eingesetzt werden sollen, um Kosten zu senken und die Abhängigkeit von Nvidia zu verringern.
Metas dritte Generation des selbst entwickelten KI-Chips, MTIA 450, wird in der ersten Hälfte des nächsten Jahres in den Rechenzentren eingesetzt. Die vierte Generation wird voraussichtlich Ende 2027 in die Rechenzentren eingeführt. Metas Verpflichtung zur Einführung eigener Chips in den nächsten zwölf Monaten entspricht bereits einer Stromäquivalenz von über 1 Gigawatt. Yee Jiun Song, Vizepräsident für Technik bei Meta, erklärte, dass der eigene Chip im Vergleich zu den derzeit von Nvidia ausgelieferten Produkten beim Betrieb von KI-Modellen effizienter ist und einen geringeren Energieverbrauch aufweist.
