OCBC запускає GOLDX — токенізований фонд фізичного золота в мережах Ethereum і Solana разом із Lion Global Investors та DigiFT, орієнтуючись на інституційних клієнтів і учасників Web3; токенізовані RWA досягають $29B на мережах. OCBC разом із Lion Global Investors та DigiFT представила GOLDX — токенізовану версію LionGlobal Singapore Physical Gold Fund у мережах Ethereum і Solana. Продукт орієнтований на інституційних інвесторів і осіб із високим рівнем статків, дозволяючи здійснювати покупки зі стейблкоїнами або фіатною валютою та забезпечуючи доставку до гаманців у блокчейні, надаючи ончейн-експозицію приблизно до $525 мільйонів у золотих активах. OCBC розглядає GOLDX як віху, що поєднує традиційні фінанси з екосистемою децентралізованих фінансів, щоб залучити учасників Web3. Більш широкий контекст демонструє стрімке зростання токенізованих реальних активів: RWA на публічних блокчейнах перевищили $29 мільярда станом на середину квітня 2026 року, тоді як ціни на золото торгувалися в доволі вузькому діапазоні — приблизно $4,775–$4,831 за унцію.

OCBC і Lion Global Investors запускають токен фізичного золотого фонду, GOLDX Token, у блокчейнах Ethereum і Solana; OCBC відповідає за дизайн, а Lion Global керує інвестиціями та управлінням.

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 листопада повідомляє, що, згідно з даними Shanghai Securities News, Агентство штучного інтелекту Сінгапуру (AISG) у своєму останньому проекті з великими мовними моделями Південно-Східної Азії відмовилося від моделі Meta Llama і перейшло на архітектуру Alibaba Tongyi Qwen. Станом на сьогодні, глобальний обсяг завантаження серії Qwen перевищив 600 мільйонів. Відомо, що 25 листопада AISG випустило "Qwen-SEA-LION-v4", яке зайняло перше місце в рейтингу мовних можливостей Південно-Східної Азії. Раніше відкриті моделі, представлені серією Llama компанії Meta, показували погані результати при обробці регіональних мов, таких як індонезійська, тайська і малайська, що серйозно стримувало ефективність і продуктивність розробки локалізованих AI-додатків.