Los precios de los NFT están determinados por señales heterogéneas que incluyen la apariencia visual, las narrativas textuales, las trayectorias de transacción y las interacciones en la cadena, sin embargo, los estudios existentes a menudo modelan estos factores de forma aislada y rara vez unifican la alineación multimodal, la no estacionaridad temporal y las dependencias relacionales heterogéneas en un entorno de pronóstico seguro contra filtraciones. Proponemos MM-Temporal-Graph, un marco de transformador de gráfico temporal multimodal para la valoración explicativa de NFT y la previsión de riesgos centrada en la información. El modelo codifica características de imagen, texto, series temporales de transacciones y comportamiento en blockchain, construye un gráfico de interacción NFT heterogéneo (co-transacción, creador compartido, relación de billetera y co-movimiento de precios), y realiza conjuntamente atención gráfica consciente de relaciones y razonamiento estructural-temporal global con una puerta de fusión adaptativa. Un objetivo de alineación multimodal contrastiva mejora la robustez bajo la deriva del mercado, mientras que un regularizador consciente del riesgo y un índice de riesgo de múltiples fuentes permiten la detección temprana y la atribución interpretable a través de modalidades, segmentos de tiempo y vecindarios relacionales. En MultiNFT-T, MM-Temporal-Graph mejora el MAE de 0.162 a 0.153 y el R2 de 0.823 a 0.841 sobre la línea base de gráfico multimodal más fuerte, y logra una precisión del 87.4% en la detección temprana de riesgos. Estos resultados respaldan una valoración de NFT precisa, robusta y explicativa, así como un monitoreo proactivo de riesgos en los mercados de Web3.