OCBC bringt GOLDX auf den Markt, einen tokenisierten physischen Goldfonds auf Ethereum und Solana, gemeinsam mit Lion Global Investors und DigiFT, mit Fokus auf Institutionen und Web3-Teilnehmer; tokenisierte RWAs erreichen $29B auf den Ketten. OCBC brachte gemeinsam mit Lion Global Investors und DigiFT GOLDX an den Start, eine tokenisierte Version des LionGlobal Singapore Physical Gold Fund auf Ethereum und Solana. Das Produkt richtet sich an institutionelle Anleger und vermögende Privatpersonen und ermöglicht Käufe mit Stablecoins oder Fiat sowie die Auslieferung an Blockchain-Wallets, wodurch eine On-Chain-Exponierung gegenüber etwa $525 Millionen an Gold-Assets entsteht. OCBC betrachtet GOLDX als Meilenstein, der traditionelles Finanzwesen mit dem dezentralen Finanz-Ökosystem verbindet, um Web3-Teilnehmer anzuziehen. Der breitere Kontext zeigt ein rasantes Wachstum tokenisierter Real-World-Assets: RWAs auf öffentlichen Blockchains überstiegen bis Mitte April 2026 $29 Milliarden, während Goldpreise in einer engen Spanne um $4,775–$4,831 pro Unze handelten.

OCBC und Lion Global Investors bringen einen physischen Goldfonds-Token, GOLDX Token, auf den Ethereum- und Solana-Blockchains auf den Markt. Dabei übernimmt OCBC das Design und Lion Global die Verwaltung der Anlagen und die Governance.

Odaily星球日报讯 纳斯达克上市公司 Lion Group 宣布已斥资 800 万美元购入 88.49 枚比特币，该公司还披露截至 12 月 11 日其加密货币持仓还包括 194,727 枚 HYPE 和 10,820 枚 SOL。（Stocktitan）

BlockBeats 消息，12 月 11 日，据官方消息，Marketnode 和 Lion Global Investors 正在将其存放在新加坡金库中的实物黄金代币化，代币化资产将发行在 Solana 网络。

PANews 25. November – Laut einem Bericht der Shanghai Securities News hat die Singapore AI Agency (AISG) im neuesten Projekt für große Sprachmodelle in Südostasien das Meta Llama-Modell aufgegeben und stattdessen die Alibaba Tongyi Qwen-Architektur gewählt. Bislang hat die Qwen-Serie weltweit über 600 Millionen Downloads erreicht. Berichten zufolge belegt das am 25. November von AISG veröffentlichte "Qwen-SEA-LION-v4" den ersten Platz in der Rangliste der Sprachfähigkeiten in Südostasien. Zuvor zeigten die Open Source-Modelle, die durch die Llama-Serie von Meta repräsentiert werden, bei der Verarbeitung regionaler Sprachen wie Indonesisch, Thai und Malaiisch schwache Leistungen, was die Entwicklungseffizienz und -leistung lokalisierter AI-Anwendungen erheblich einschränkte.