El cofundador de Ethereum, Vitalik Buterin, ha probado una configuración de IA centrada en la privacidad que utiliza un modelo local, zkAPI y Tor para generar recomendaciones personalizadas de dieta y ejercicio mientras limita la información personal enviada a modelos remotos.
Resumen
- Vitalik Buterin está probando asesoramiento de salud con IA privada utilizando Qwen local, zkAPI y enrutamiento Tor.
- Su modelo local reescribe las indicaciones antes de que los modelos remotos reciban datos limitados de salud y viajes de forma remota.
- zkAPI separa la identidad de pago de las solicitudes al modelo, mientras que Tor se utiliza para enmascarar la información de IP.
- Buterin dijo que la latencia de Tor sigue siendo de 10 a 100 veces mayor, lo que hace que la desvinculación solicitud por solicitud sea ineficiente en las pruebas actuales.
- Qwen3.8-Flash-Next funciona a alrededor de 20–30 TPS localmente, mientras que Buterin quiere velocidades superiores a 100 TPS para mayor comodidad.
Buterin dijo el 4 de octubre que el autoexperimento utiliza su información de salud y viajes de forma local, mientras que modelos remotos más potentes manejan preguntas seleccionadas que requieren un razonamiento o conocimiento más sólidos.
La configuración utiliza Qwen3.8-Flash-Next de Alibaba como modelo local. Buterin dijo que el sistema local decide qué información necesita un modelo remoto y reescribe las solicitudes antes de enviarlas, reduciendo la posibilidad de que los detalles personales o su estilo de escritura revelen su identidad.
Vitalik Buterin utiliza tres capas para separar su identidad
Buterin describió el diseño como una configuración de privacidad de tres capas que cubre el contenido de las solicitudes, la información de pago y el tráfico de internet. El modelo Qwen local maneja la primera capa al construir las consultas por sí mismo en lugar de enviar su redacción original y su contexto personal completo a los sistemas de IA remotos.
La segunda capa utiliza zkAPI para separar los pagos de las solicitudes individuales de IA. La Fundación Ethereum presentó zkAPI el 1 de octubre, describiéndolo como un sistema que permite a los usuarios pagar por API medidas sin vincular las solicitudes individuales a su identidad. El proyecto fue construido por Open Anonymity Project en colaboración con la Fundación Ethereum y se ejecuta en la red principal de Ethereum.
Con zkAPI, un usuario financia un saldo privado y luego demuestra que hay fondos suficientes disponibles sin mostrar qué depósito está pagando por una solicitud en particular. El servicio que gestiona el pago no necesita la indicación del usuario, mientras que el proveedor de IA recibe la indicación sin conocer la identidad de facturación vinculada al depósito.
Tor proporciona la tercera capa al ocultar la dirección IP normal del usuario de los servicios que reciben solicitudes de red. Buterin escribió que las tres protecciones son necesarias porque ocultar solo la información de pago no impide que un proveedor de IA conozca detalles a través del contenido de la indicación o los metadatos de la red.
“Necesitas las tres”, dijo Buterin.
zkAPI no oculta todo lo que se envía a un modelo de IA
La configuración de privacidad no impide que los proveedores remotos de IA lean la información incluida deliberadamente en una indicación. La documentación oficial de zkAPI afirma que el proveedor upstream todavía ve las indicaciones, mientras que la información de red y de temporización puede seguir siendo observable fuera del sistema de prueba de conocimiento cero.
La Fundación Ethereum hizo la misma distinción cuando lanzó zkAPI. Su explicación del 1 de octubre decía que el sistema de pago oculta el vínculo entre un usuario y una solicitud, pero la privacidad del contenido y el anonimato de la red requieren protecciones separadas. Los detalles personales reutilizados, los patrones de escritura, el historial de conversaciones o los documentos aún pueden permitir que se conecten las sesiones.
El modelo local de Buterin tiene como objetivo reducir esa exposición de contenido. Un archivo de habilidades indica al modelo cuándo usar un sistema remoto y cómo construir una solicitud que contenga menos información identificativa. Sus registros personales de salud y viajes permanecen disponibles para el sistema local, mientras que el modelo remoto recibe solo la porción seleccionada para una tarea particular.
Buterin dijo que la configuración produjo recomendaciones de dieta y ejercicio y que la información devuelta por modelos de frontera mejoró los resultados. No publicó los registros de salud subyacentes, las recomendaciones detalladas ni una evaluación independiente de su precisión.
El experimento encaja con su enfoque anterior en la privacidad a medida que los sistemas de IA manejan más información personal. Como se informó anteriormente en la cobertura de crypto.news sobre las preocupaciones de privacidad de Buterin, argumentó en abril de 2025 que las crecientes capacidades de la IA y la recopilación centralizada de datos aumentaban la necesidad de herramientas de privacidad más sólidas.
El soporte de Tor ha llegado al código base de zkAPI
Buterin enlazó a un nuevo cambio en el repositorio zkAPI de Ethereum que añade soporte de cliente enrutado por Tor. GitHub muestra la solicitud de extracción #16 como abierta a partir del 4 de octubre, con un commit que propone cambios en siete archivos. Aún no se ha fusionado en la rama principal del proyecto.
El código propuesto crea un nuevo cliente Tor temporal cuando se inicia el demonio zkAPI. El script utiliza un nuevo directorio de datos y conexión Tor, mientras que otro comando puede reiniciar el servicio para obtener una nueva identidad de red antes de que comience una nueva solicitud única o conversación.
El parche cambia varios tiempos de espera de red porque las solicitudes enrutadas a través de Tor pueden tardar más. Un tiempo de espera de lista de modelos aumenta de un minuto a tres minutos, mientras que otros límites de solicitud aumentan de 15 segundos a 60 segundos y de cinco segundos a 30 segundos.
Un script de cliente Tor separado incluido en la propuesta dice que se crea un nuevo servidor para una sola solicitud o el inicio de una nueva conversación. Los mensajes continuados dentro de la misma conversación mantienen el servidor existente en funcionamiento, lo que significa que no reciben automáticamente una nueva identidad Tor para cada mensaje.
La latencia de Tor y la velocidad de la IA local siguen siendo problemas
Buterin identificó a Tor como una de las partes más débiles del experimento actual. Dijo que Tor no fue diseñado para el tipo de desvinculación solicitud por solicitud que desea, donde las llamadas de IA separadas idealmente serían difíciles de asociar entre sí.
En sus pruebas, Tor produjo una latencia aproximadamente 10 a 100 veces mayor que lo que consideraba deseable. Los cambios en GitHub que aumentan varios límites de tiempo de espera son consistentes con que se esperen solicitudes de red más lentas cuando el cliente zkAPI se enruta a través de Tor.
El modelo local presenta otro límite de rendimiento. Buterin dijo que Qwen3.8-Flash-Next se ejecutaba a aproximadamente 20 a 30 tokens por segundo en su configuración, pero creía que la inferencia local solo comenzaría a sentirse rápida a más de 100 tokens por segundo.
El equipo Qwen de Alibaba lanzó Qwen3.8-Flash-Next el 26 de agosto. El repositorio oficial lo describe como un modelo fundacional de pesos abiertos que puede ejecutarse a través de marcos de inferencia locales, incluidas implementaciones que utilizan vLLM y SGLang.
Buterin ya había estado experimentando con modelos Qwen locales antes de la última prueba de privacidad. Su configuración actual va un paso más allá al permitir que el modelo local actúe como intermediario entre archivos privados y sistemas de IA remotos en lugar de mantener cada tarea completamente en el dispositivo del usuario.
La privacidad también ha seguido siendo parte de su trabajo en Ethereum. En cobertura relacionada,crypto.news informó sobre la hoja de ruta actualizada de Ethereum en agosto, que incluía una privacidad de protocolo más sólida junto con trabajo en resistencia cuántica y rollups nativos.
Buterin dijo que las reglas de redacción de solicitudes en su experimento actual aún necesitan mejoras porque eliminar más contexto personal puede reducir la utilidad de los modelos remotos. Describió el límite directamente: “cuanto más cuidadoso seas” con la información enviada de forma remota, menos asistencia puede proporcionar el modelo remoto.
La documentación de zkAPI de la Fundación Ethereum hace una distinción técnica similar. La capa de pago puede romper la conexión entre un saldo financiado y el uso individual de la API, pero no puede eliminar la información identificativa que un usuario o agente local coloca dentro del propio prompt.
