Pyth – اوراکل قیمت لحظه‌ای، لایهٔ داده‌های بازار و فیدهای کم‌تأخیر

#Quasa #QUA #Pyth

Pyth یک اوراکل قیمت و لایهٔ داده‌های بازار است. ناشران—صرافی‌ها، شرکت‌های معاملاتی و فروشندگان داده—قیمت‌های امضاشده را خارج از زنجیره ارسال می‌کنند. برنامه‌ها آخرین به‌روزرسانی امضاشده را دریافت می‌کنند و آن را در یک تراکنش روی زنجیره ثبت می‌کنند. این مدل دریافت درخواستی تقریباً هر 400 ms به‌روزرسانی می‌شود و از هزینهٔ گسِ ارسال مداوم هر فید جلوگیری می‌کند. بیش از 3,000 فید فعال برای رمزارزها، سهام، ارزهای خارجی و کالاها، همراه با بازه‌های اطمینان، وجود دارد. Pyth Pro جریان‌های کم‌تأخیر WebSocket با تأخیر (1–50 ms) را برای مؤسسات و سامانه‌های معاملاتی اضافه می‌کند. شاخص‌ها و یک بازار داده نیز در کنار آن‌ها قرار دارند. از کاربران نام‌برده‌شده می‌توان به Hyperliquid، Polymarket، Kalshi، Coinbase و Tradeweb اشاره کرد. این سایت تا سپتامبر 2026 از بیش از 100 زنجیره، بیش از 700 مصرف‌کننده و تریلیون‌ها حجم تراکنش خبر می‌دهد. Hermes اکنون به کلید API نیاز دارد؛ قراردادهای روی زنجیره همچنان بدون نیاز به مجوز هستند.

نقاط قوت اصلی
• اوراکل با دریافت درخواستی: قیمت را فقط زمانی به‌روزرسانی کنید که به آن نیاز دارید
• قیمت‌های دست‌اول از صرافی‌ها، نه میانه‌ای حاصل از استخراج داده‌ها
• بازهٔ اطمینان برای هر فید
• رمزارزها و دارایی‌های دنیای واقعی در یک فهرست
• جریان Pro برای میزهای معاملاتی نیازمند تأخیر کم  

مناسب برای
پروتکل‌های DeFi، بازارهای پیش‌بینی و بسترهای معاملاتی که در همان تراکنش به قیمتی تازه نیاز دارند.

ویژگی‌های برجسته
• به‌روزرسانی با فاصلهٔ زمانی 400 ms در Core
• SDKها برای Solidity، TypeScript، Python، Rust
• شاخص‌هایی برای معیارهای مرجع 24/7 در زمان بسته بودن بازار پایه
• Nasdaq Basic و دیگر فیدهای سنتی در بازار داده
• مسیر سازمانی به سبک SOC در Pro  

ملاحظات احتمالی
• اکنون برای خواندن داده‌ها خارج از زنجیره، کلید API مربوط به Hermes الزامی است
• اعتبار یک قیمت امضاشده به اعتبار ناشران آن بستگی دارد
• به‌روزرسانی روی زنجیره همچنان هزینهٔ گس دارد
• Pro یک اشتراک تجاری است
• در صورت از کار افتادن یک ناشر بزرگ، ریسک اوراکل همچنان وجود دارد  

ارزیابی کلی
4.4/5 ستاره. وقتی قرارداد به قیمت فعلی و یک بازهٔ اطمینان نیاز دارد، از Pyth استفاده کنید. پیش از تعیین میزان ریسک بر اساس یک فید مشخص، مجموعهٔ ناشران آن را بررسی کنید. با ثبت نقد و بررسی در Quasa.io نیز 1 QUA پاداش بگیرید!

شروع کنید: https://quasa.io/projects/pyth-network