Buterin de Ethereum destaca los avances en el análisis de datos locales impulsado por IA y cita capacidades mejoradas de anonimato para la red

El cofundador de Ethereum, Vitalik Buterin, ha declarado que los avances en la IA local, particularmente DeepSeek V4, pueden fortalecer las herramientas de privacidad de Ethereum. Buterin compartió que la versión cuantificada de 2 bits del modelo funciona con 90 GB de VRAM. Observó diferencias de rendimiento entre hardware, y los dispositivos Apple alcanzaron 35 tokens por segundo. También estableció una conexión directa entre la infraestructura local de IA y la capa de privacidad de Ethereum, y pidió el desarrollo de un modelo de IA específico para Ethereum. Buterin confirmó que DeepSeek V4 ahora tiene una versión cuantificada de 2 bits disponible para uso local. El modelo funciona con 90 GB de VRAM, lo que lo hace accesible en hardware de consumo. Esto marca un paso adelante para los usuarios que desean herramientas de inteligencia artificial que funcionen sin servidores de terceros. Sin embargo, el rendimiento depende en gran medida del hardware utilizado. Los dispositivos Apple entregan alrededor de 35 tokens por segundo, mientras que el hardware AMD ejecuta aproximadamente 7 tokens por segundo. Buterin señaló esta brecha como una preocupación que vale la pena abordar para el movimiento local de IA en general. Publicó en X y escribió: "El hecho de que la OMI se esfuerce por brindar soporte adecuado a más de un fabricante de hardware es un gran ejemplo de la diferencia entre la mera 'IA descentralizada' y la genuina 'CROPS AI'". Actualizaciones desde entonces: * Deepseek v4 ya está disponible. *Hay* un cuanto de 2 bits que puede ejecutarse dentro de 90 GB (https://t.co/X3AFAsiH02) y funciona, sin embargo, solo es rápido en hardware de Apple (tengo ~35 tok/s). En AMD, es ~7 tok/s. En mi opinión, en realidad se está esforzando por brindar soporte adecuado a más... https://t.co/zo04n5Cx0F - vitalik.eth (@VitalikButerin) 27 de mayo de 2026 Buterin también destacó a LuceBox Hub como una herramienta útil para ejecutar modelos densos de manera más eficiente. En su computadora portátil RTX 5090, produjo aproximadamente el doble de tokens por segundo en comparación con llama.cpp. Lo describió como prometedor, aunque aún se encuentra en sus primeras etapas de desarrollo. Buterin señaló que CROPS AI y la capa de acceso CROPS Ethereum comparten un terreno técnico clave. Las pruebas de conocimiento cero, por ejemplo, podrían permitir llamadas pagas a modelos lingüísticos remotos de gran tamaño. Señaló que esa misma infraestructura ZK también admite lecturas privadas de RPC en Ethereum. Esta superposición significa que el progreso en el desarrollo local de la IA se alimenta directamente de las herramientas de privacidad de Ethereum. En lugar de construir estos sistemas de forma aislada, Buterin los ve como esfuerzos naturalmente conectados. La infraestructura compartida reduce la duplicación y acelera ambas vías simultáneamente. También hizo referencia a Leanstral, un modelo Mistral perfeccionado creado para escribir código Lean. Cabe en 70 GB y funciona a alrededor de 38 tokens por segundo en hardware AMD. Buterin señaló que funciona de manera competitiva frente a modelos mucho más grandes de un billón de parámetros en esa tarea específica. A partir de ahí, defendió los modelos ajustados específicos de Ethereum. Argumentó que tales modelos mejorarían directamente la seguridad de los códigos de protocolo y contratos inteligentes. Conectó este punto con su impulso más amplio para la verificación formal en el desarrollo de Ethereum, vinculando a una publicación reciente en su sitio personal.