*Données dernièrement actualisées : 2026-05-05 07:53 (UTC+8)
Au 2026-05-05 07:53, Global X Lithium ETF (LIT) est coté à €74,48, avec une capitalisation boursière totale de €1,44B, un ratio cours/bénéfices (P/E) de 0,00 et un rendement du dividende de 0,00 %. Aujourd'hui, le cours de l'action a fluctué entre €73,12 et €76,00. Le prix actuel est de 1,85 % au-dessus du plus bas de la journée et de 2,11 % en dessous du plus haut de la journée, avec un volume de trading de 255,47K. Au cours des 52 dernières semaines, LIT a évolué entre €71,61 et €76,08, et le prix actuel est à -2,11 % de son plus haut sur 52 semaines.
Statistiques clés de LIT
À propos de LIT
En savoir plus sur Global X Lithium ETF (LIT)
Articles de Gate Learn
Lighter lance le token LIT : réactions partagées au sein de la communauté DeFi et analyse de la performance du prix
Lighter a lancé le jeton LIT, répartissant équitablement sa distribution entre l’écosystème et l’équipe, ce qui a déclenché d’intenses discussions au sein de la communauté DeFi. Cet article examine l’évolution récente du prix, le mécanisme d’airdrop et les avis de la communauté afin d’offrir aux lecteurs une perspective sur le potentiel futur de LIT.
2025-12-31
Analyse du prix du LIT : rachats effectués par Lighter Protocol, expansion de l’écosystème et explication des tendances du marché
Une analyse approfondie des récentes fluctuations du prix du LIT, prenant en compte le mécanisme de rachat du protocole Lighter, ses forces techniques et les développements de son écosystème. Cette évaluation objective examine le sentiment du marché, les risques majeurs et les perspectives de croissance à long terme du projet.
2026-01-20
Qu'est-ce que Lighter (LIT) ? Cet article vous propose une analyse approfondie de son architecture de trading décentralisée et de son mécanisme DEX performant.
Lighter (LIT), en tant que DEX décentralisé de nouvelle génération, associe la technologie zk-rollup à un modèle centralisé de Carnet des ordres (CLOB). Cette méthode permet d’atteindre une performance de trading comparable à celle des CEX centralisées, tout en assurant l’auto-conservation et la transparence des Actifs on-chain. Parmi ses principaux atouts figurent une exécution à faible latence, un débit élevé et une efficacité du capital renforcée, positionnant Lighter comme un acteur clé sur le marché des DEX de Futures perpétuel (Perp).
2026-04-15Blogs
Lighter (LIT) et les dérivés on-chain transforment les habitudes de trading
Une analyse approfondie de Lighter (LIT), examinant son modèle de distribution intégré, fournissant des indicateurs de suivi mesurables ainsi que des perspectives stratégiques pour comprendre l’évolution des comportements de trading des utilisateurs, les flux de liquidité et les tendances du marché sur le long terme.
2026-04-04
Contraction de l’offre, augmentation des positions sur produits dérivés et impact de marché anticipé
Le token LIT senvole de 11 % alors que les rachats en cours réduisent loffre et que lintérêt ouvert sur les produits dérivés augmente fortement. Analyse du mécanisme de rachat, des dynamiques de déblocage à venir et des risques de marché.
2026-04-02
Ce que le rachat de 7,48 millions de tokens révèle sur la tokenomique de Lighter
Le protocole Lighter a racheté 7,48 millions de LIT—soit environ 3 % de son offre en circulation. Cet article analyse son mécanisme de rachat, les sources de financement, l’impact sur la dynamique de l’offre et de la demande, ainsi que les risques potentiels pour le marché.
2026-03-09
FAQ de Global X Lithium ETF (LIT)
Quel est le cours de l'action Global X Lithium ETF (LIT) aujourd'hui ?
Quels sont les prix le plus haut et le plus bas sur 52 semaines pour Global X Lithium ETF (LIT) ?
Quel est le ratio cours/bénéfice (P/E) de Global X Lithium ETF (LIT) ? Que signifie-t-il ?
Quelle est la capitalisation boursière de Global X Lithium ETF (LIT) ?
Quel est le bénéfice par action (EPS) trimestriel le plus récent pour Global X Lithium ETF (LIT) ?
Faut-il acheter ou vendre Global X Lithium ETF (LIT) maintenant ?
Quels sont les facteurs pouvant influencer le cours de l’action Global X Lithium ETF (LIT) ?
Comment acheter l'action Global X Lithium ETF (LIT) ?
Avertissement sur les risques
Avertissement
Global X Lithium ETF (LIT) Dernières Actualités
Un nouveau portefeuille reçoit 4,14 millions de jetons LIT d'une valeur de 3,89 millions de dollars provenant du portefeuille de distribution Lighter
Message Gate News : un nouveau portefeuille nouvellement créé a reçu 4,14 millions de jetons LIT d'une valeur de 3,89 millions de dollars depuis le portefeuille Lighter Distribution. L'adresse du portefeuille destinataire est 0xd0C0dc5636E6c6e2b2DA37B0e2ce56C96F64CDB6.
2026-04-28 02:41Squads publie trois outils open-source pour la gestion des multisigs sur Solana
Message de Gate News, 28 avril — Squads, un protocole multisig sur Solana, a publié trois outils open-source pour Squads Protocol v4 afin de renforcer les pratiques de gestion des multisigs sur Solana et d’élever les normes de sécurité de l’écosystème en partenariat avec STRIDE. Les trois outils incluent multisig-cli, un outil en ligne de commande Rust permettant d’examiner, de simuler, de signer et d’exécuter des propositions multisig avec un décodage direct des comptes et des instructions, adapté à des scénarios d’exploitation à forte confiance. Multisig-verifier est une interface statique, sans backend, de type navigateur, qui lit directement les états des portefeuilles multisig depuis Solana RPC, prenant en charge le décodage des propositions, le suivi des approbations et l’approbation ou le rejet des membres via des portefeuilles personnels. Multisig-monitor est un outil de surveillance en temps réel qui suit l’activité dans des portefeuilles multisig spécifiés, décode les opérations et envoie des notifications lorsque des propositions sont créées, mises aux voix, exécutées ou lorsque des configurations sont modifiées. Squads a déclaré que cette publication marque la première étape vers le développement de plusieurs interfaces front-end indépendantes et points d’accès, en encourageant les équipes à recouper les signatures via différentes interfaces afin de réduire le risque de chaîne d’approvisionnement et les possibilités de signature à l’aveugle. Des instances indépendantes sans lien avec Squads sont également prévues pour un lancement ultérieur.
2026-04-23 05:28Google Jules se renomme en plateforme de développement de produits agentique de bout en bout et ouvre une liste d’attente pour une nouvelle version
Message de Gate News, 23 avril — L’équipe Jules de Google a annoncé l’ouverture d’une liste d’attente pour une nouvelle version du produit, repositionnant Jules d’un agent de codage asynchrone vers une plateforme de développement de produits agentique de bout en bout. D’après la description officielle, la plateforme améliorée lit le contexte complet du produit, détermine ce qu’il faut construire ensuite, propose des solutions et soumet des pull requests. La version précédente fonctionnait comme un agent de codage asynchrone intégré à GitHub qui exécutait des tâches précises assignées par les utilisateurs et soumettait du code en arrière-plan. La nouvelle version marque un changement significatif : au lieu de simplement exécuter les tâches données, l’agent comprend désormais proactivement le paysage du produit et décide de manière autonome quoi construire.
2026-04-23 03:49L’équipe OpenAI Codex corrige un bug d’authentification d’OpenClaw et améliore considérablement le comportement de l’agent
Message de Gate News, 23 avril — L’équipe OpenAI Codex se concentre sur l’optimisation de l’expérience du modèle OpenAI dans OpenClaw, avec le responsable de l’ingénierie Codex Tibo Sottiaux travaillant en collaboration avec le créateur d’OpenClaw Peter Steinberger. Le responsable produit Codex Nik Pash a découvert une faille d’authentification critique : lorsque OpenClaw était configuré pour utiliser l’outil d’exécution Codex avec des modèles OpenAI, le processus d’authentification échouait et le système revenait silencieusement à l’outil d’exécution Pi, amenant les utilisateurs à croire que l’outil d’exécution Codex fonctionnait normalement alors qu’il ne le faisait pas. Pash a soumis deux requêtes d’extraction pour traiter le problème : l’une pour corriger le bridge d’authentification et l’autre pour empêcher le repli silencieux. Les améliorations proviennent entièrement du changement de l’adaptateur d’exécution sous-jacent (harness) qui régit la manière dont OpenClaw communique avec l’API du modèle, tandis que la configuration de l’agent et la logique de workflow de niveau supérieur sont restées inchangées. Le comportement de l’agent a montré des différences marquées avant et après la correction. Avec l’outil d’exécution Pi, l’agent effectuait un polling superficiel à chaque battement : lecture des fichiers de battement, vérification de Discord, renvoi de HEARTBEAT_OK, et ignorance des autres instructions. Il déduisait parfois des opérations à exécuter mais ne parvenait pas à émettre des appels d’outils. Après le passage à l’outil d’exécution Codex, l’agent est entré dans une boucle de travail complète : lecture du contexte de l’espace de travail, analyse des listes de tâches, vérification des dépôts, exécution des modifications et tentative de vérification. Les battements suivants pouvaient reprendre les progrès plutôt que répéter le travail.
2026-04-22 09:25Hugging Face ouvre en open source ml-intern, un agent IA pour la recherche autonome en ML
Message de Gate News, 22 avril — Hugging Face a rendu open source ml-intern, un agent de recherche en ML capable d’accomplir de manière autonome l’ensemble du workflow : lire des articles, organiser des jeux de données, lancer l’entraînement sur GPU, évaluer les résultats et itérer pour améliorer. Le projet est construit sur le framework smolagents de Hugging Face et propose à la fois des interfaces en ligne de commande (CLI) et web, avec du code disponible sur GitHub. La chaîne d’outils de ml-intern est conçue autour de l’écosystème Hugging Face. Elle récupère des articles depuis arXiv et HF Papers tout en retraçant les chaînes de citations pour une lecture plus approfondie ; explore des jeux de données sur HF Hub, valide leur qualité et reformate les données pour l’entraînement ; et, lorsque des ressources GPU locales ne sont pas disponibles, invoque HF Jobs pour lancer des tâches d’entraînement basées sur le cloud. Une fois l’entraînement terminé, l’agent lit automatiquement les sorties d’évaluation, diagnostique les causes d’échec et relance des expériences. Par défaut, il utilise Claude Sonnet 4.5 pour piloter la boucle de décision, avec un maximum de 300 itérations par exécution et une compression automatique du contexte lorsqu’il dépasse 170k tokens. Hugging Face a démontré trois cas d’usage. Dans une tâche de raisonnement scientifique, l’agent a identifié les jeux de données OpenScience et NemoTron-CrossThink à partir des chaînes de citations, a filtré sept variantes depuis ARC, SciQ et MMLU selon le niveau de difficulté, puis a mené 12 rounds de fine-tuning supervisé sur Qwen3-1.7B, améliorant les scores GPQA de 10 % à 32 % en moins de 10 heures. Pour une application médicale, l’agent a déterminé que les jeux de données existants étaient insuffisants, a écrit des scripts pour générer 1 100 échantillons de données synthétiques et les a mis à l’échelle 50 fois pour l’entraînement, dépassant les performances de Codex de 60 % sur HealthBench. Dans un scénario compétitif de mathématiques, l’agent a rédigé un script d’entraînement GRPO et a lancé l’entraînement sur des GPU A100 via HF Spaces, puis a mené des études d’ablation après avoir observé un effondrement de la récompense.
