Współzałożyciel Ethereum, Vitalik Buterin, twierdzi, że lokalna AI może chronić twoją prywatność bez utraty szybkości

Współzałożyciel Ethereum, Vitalik Buterin, mówi, że AI na laptopach zbliża się do praktycznego punktu zwrotnego. Oprogramowanie portfelowe wciąż musi spełniać znacznie wyższe wymagania, zanim będzie mogło powierzyć AI kontrolę nad aktywami kryptograficznymi.

Powiedział 17 września, że Qwen 3.8 Flash i ostatnie ulepszenia w llama.cpp zbliżyły lokalne modele do obsługi "dużej części" zadań na jego laptopie Strix Halo.

W przypadku bardziej zaawansowanej pracy opisał lokalny model koordynujący żądania do silniejszych systemów zdalnych, jednocześnie wstrzymując pełny kontekst osobisty użytkownika.

Załączony obrazek benchmarkowy pokazał 10 obciążeń roboczych. Zgłoszone wskaźniki przetwarzania wejścia wynosiły od 109,82 do 373,22 tokenów na sekundę, podczas gdy generowanie wyjścia wynosiło od 18,42 do 33,37 tokenów na sekundę.

Te liczby wspierają praktyczne twierdzenie o responsywności na jednym wysokiej klasy laptopie. Pozostawiają jednak bez odpowiedzi kwestie dotyczące oceny modelu, odporności na złośliwe instrukcje i autoryzacji transakcji.

Lokalne wnioskowanie może poprawić prywatność, podczas gdy moc do przenoszenia funduszy pozostaje pod oddzielnymi, egzekwowalnymi kontrolami.

Współzałożyciel Ethereum pokazuje, co się zmieniło między kwietniem a wrześniem

W kwietniowym opisie swojego lokalnego ustawienia AI, Vitalik opisał węższą rolę dla modeli laptopów.

Napisał, że Qwen3.5:35B może obsługiwać ograniczone zadania i znane prace programistyczne, podczas gdy zaawansowane niezależne agenty, które mogłyby kontynuować pracę nad bazą kodu, pozostawały poza praktycznym zasięgiem laptopów. Trudniejsze kodowanie i prace intelektualne wciąż wymagały silniejszych modeli zdalnych.

Wrześniowy post zmienia jego ocenę, gdzie znajduje się praktyczna granica. Lokalny model nie wydaje się już ograniczony do transkrypcji, podsumowania lub innych ściśle ograniczonych prac. W nowszym opisie może stać się głównym interfejsem dla większej części aktywności i decydować, kiedy model zdalny jest konieczny.

Usługa zdalna otrzymuje tylko pytanie lub kontekst, który lokalny model wybiera, a nie każdy plik, wiadomość i szczegóły portfela potrzebne do zrozumienia szerszej sytuacji użytkownika. Lokalny system staje się zarówno strażnikiem informacji, jak i asystentem.

Kwiecień i wrzesień obejmowały różne generacje modeli i różne zadania. Wrześniowy post dostarcza liczby tokenów i przepustowość, ale pomija treści promptów, wybory kwantyzacji i pełną konfigurację czasu działania.

Qwen3.8-Flash-Next, wydany przez zespół Qwen Alibaba, jest modelem mieszanym multimodalnym o otwartych wagach. Jego główny model ma 125 miliardów parametrów, plus kolejne 51 miliardów w tabelach osadzeń n-gram, podczas gdy 6 miliardów parametrów jest aktywowanych na token.

Oficjalne repozytorium dokumentuje lokalne wnioskowanie tekstu i wizji przez llama.cpp przy użyciu kwantyzowanych wersji GGUF.

Aktywacja ułamka modelu dla każdego tokena zmniejsza obciążenie obliczeniowe. Użytkownik wciąż potrzebuje wystarczającej pamięci dla wybranego modelu i kontekstu, a oficjalne materiały nie podają żadnego minimalnego wymogu sprzętowego, który miałby zastosowanie w różnych poziomach kwantyzacji i obciążeniach roboczych.

Benchmarki możliwości pozostawiają autoryzację portfela nierozwiązaną

Raport techniczny Qwen ocenia model bazowy w 14 benchmarkach obejmujących wiedzę ogólną, matematykę, naukę, rozumowanie, kodowanie i wielojęzyczne zrozumienie.

Zespół Qwen zgłosił, że Flash-Next pokonał większy model bazowy Qwen3.7-Plus w ośmiu z tych testów, używając mniej aktywowanych parametrów i mniej obliczeń treningowych.

Raport obejmuje zdolności modelu, efektywność i stabilność treningu. Odporność na wstrzykiwanie promptów, egzekwowanie polityki, autoryzacja portfela i poprawność autonomicznych działań finansowych znajdują się poza tym zestawem benchmarków.

Asystent może prywatnie wyjaśnić transakcję, przygotować calldata lub zasugerować trasę. Podpisujący może złożyć nieodwracalne żądanie, które przenosi aktywa lub przyznaje innemu kontraktowi pozwolenie na ich przeniesienie.

Lepsze rozumowanie zmniejsza niektóre błędy, jednak złośliwa instrukcja ukryta w witrynie, wiadomości lub opisie transakcji może nadal przekierować plan modelu.

Ekosystem Ethereum już testuje lokalną wersję koncepcji asystenta. W aktualizacji przydziału na drugi kwartał Fundacja Ethereum wymieniła Steward, w pełni lokalny portfel smart-account dla macOS, którego lekki klient i asystent AI mają działać na urządzeniu.

Ujawnienie to ustala finansowanie i zakres projektu, ale pozostawia nieokreślone wdrożenie produkcyjne, status niezależnego audytu oraz autonomiczne uprawnienia do transakcji.

Wskazówki Vitalika z kwietnia dotyczące portfela umieściły tę politykę poza modelem językowym. Opisał on zaporę potwierdzenia ludzkiego dla ryzykownych działań, deterministyczne limity na kwoty transakcji, calldata oraz liczbę transakcji, a także regułę 2 z 2, w której uczestniczy człowiek i model.

Model może rozpoznać wzór oszustwa, który umyka osobie rozproszonej, podczas gdy osoba może odrzucić działanie po tym, jak złośliwa treść zmanipuluje model. Wymaganie obu zatwierdzeń dla ryzykownych transakcji zapobiega temu, aby którykolwiek z uczestników stał się cichym jedynym punktem zaufania.

Automatyzacja o niskim ryzyku może pozostać dostępna w ramach zdefiniowanych przez oprogramowanie uprawnień. Odczytywanie sald, przygotowywanie niepodpisanych transakcji lub działanie w ramach ściśle ograniczonych limitów może uczynić asystenta użytecznym bez nadawania mu nieograniczonej mocy wydawania pieniędzy.

Lokalna AI może prywatnie proponować działania portfela, ale deterministyczne polityki, kontrole transakcji i zatwierdzenie przez człowieka muszą pozostać oddzielnymi warstwami autoryzacji.

Zaufanie do portfela zależy od zasad, których model nie może zmienić

EIP-7906, który pozostaje projektem, proponuje ramy asercji po transakcji, które badają różnice w stanie końcowym wyprodukowane przez transakcję. Asercja może odrzucić wynik aplikacji, gdy te zmiany naruszają określony warunek.

Portfel mógłby wykorzystać ten mechanizm, aby wymagać, że wymiana zmieniła tylko zatwierdzone salda, że ukryta zgoda na token nigdy się nie pojawiła lub że stan chronionego konta pozostał nietknięty. Te kontrole porównują rzeczywiste skutki transakcji z wyraźnymi zasadami.

Projekt opisuje również granice ochrony. Asercja, która sprawdza zbyt mało, może stworzyć fałszywe poczucie pewności. Logika walidacji portfela musi wymagać zamierzonej ramy asercji, a sama asercja musi obejmować każdą istotną zmianę stanu dla chronionej operacji.

Lokalne wnioskowanie i asercje transakcji rozwiązują różne części problemu agenta portfela.

Lokalny model chroni kontekst i przekształca zamiar w naturalnym języku w proponowane działanie, deterministyczne uprawnienia ograniczają odbiorców, umowy, wartość i częstotliwość, asercje badają zmiany stanu końcowego. Potwierdzenie przez człowieka pozostaje drugim czynnikiem dla ryzykownych działań.

Wynik laptopa z września czyni pierwszą warstwę bardziej wiarygodną. Sugeruje, że prywatny lokalny model może reagować wystarczająco szybko, aby koordynować codzienną pracę i selektywnie korzystać z inteligencji zdalnej. Pozostałe warstwy nadal mają władzę, która chroni aktywa.

Portfel kryptowalutowy może traktować model jako zdolny interfejs, planistę i monitor. Zaufanie należy do kontroli, których model nie może zmienić, oraz do ścieżki zatwierdzenia, która utrzymuje użytkownika w znaczącej kontroli.

Niniejsza treść ma charakter wyłącznie informacyjny i nie stanowi porady finansowej, inwestycyjnej, prawnej ani podatkowej. Wszelkie wydarzenia, nagrody, promocje online lub powiązane informacje, o których tu mowa, nie powinny być traktowane jako rekomendacja, zachęta ani zaproszenie do kupna, sprzedaży, wymiany lub innego rodzaju obrotu aktywami kryptograficznymi. Aktywa kryptograficzne charakteryzują się dużą zmiennością i mogą prowadzić do strat. Dostępność usług, produktów i powiązanych wydarzeń WEEX może się różnić w zależności od regionu. Użytkownik jest odpowiedzialny za upewnienie się, że jego udział jest zgodny z obowiązującymi lokalnymi przepisami i regulacjami.