Buterin d'Ethereum met en avant les avancées dans l'analyse des données locales basée sur l'IA, citant des capacités d'anonymat améliorées pour le réseau

Vitalik Buterin, co-fondateur d'Ethereum, a déclaré que les progrès de l'IA locale, en particulier DeepSeek V4, peuvent renforcer les outils de confidentialité d'Ethereum. Buterin a expliqué que la version quantifiée 2 bits du modèle fonctionne dans 90 Go de VRAM. Il a noté des différences de performances selon le matériel, les appareils Apple atteignant 35 jetons par seconde. Il a également établi un lien direct entre l’infrastructure d’IA locale et la couche de confidentialité d’Ethereum, appelant au développement d’un modèle d’IA spécifique à Ethereum. Buterin a confirmé que DeepSeek V4 dispose désormais d'une version quantifiée 2 bits disponible pour une utilisation locale. Le modèle fonctionne avec 90 Go de VRAM, ce qui le rend accessible sur le matériel grand public. Cela marque un pas en avant pour les utilisateurs qui souhaitent des outils d’IA fonctionnant sans serveurs tiers. Cependant, les performances dépendent fortement du matériel utilisé. Les appareils Apple fournissent environ 35 jetons par seconde, tandis que le matériel AMD fonctionne à environ 7 jetons par seconde. Buterin a noté cette lacune comme une préoccupation qui mérite d’être abordée par le mouvement local de l’IA au sens large. Il a posté sur X, écrivant : « L'OMI qui fait l'effort de prendre en charge correctement plus d'un fabricant de matériel est un excellent exemple de la différence entre une simple « IA décentralisée » et une véritable « IA CROPS ». Mises à jour depuis : * Deepseek v4 est sorti. Il *existe* un quant 2 bits qui peut fonctionner dans 90 Go ( https://t.co/X3AFAsiH02 ), et cela fonctionne, mais il n'est rapide que sur le matériel Apple (j'ai une tête d'environ 35 tok/s). Sur AMD, c'est ~7 tok/s. L'OMI prend en fait l'effort de prendre en charge correctement davantage… https://t.co/zo04n5Cx0F — vitalik.eth (@VitalikButerin) 27 mai 2026 Buterin a également souligné LuceBox Hub comme un outil utile pour exécuter plus efficacement des modèles denses. Sur son ordinateur portable RTX 5090, il produisait environ deux fois plus de jetons par seconde que lama.cpp. Il l’a décrit comme prometteur, même s’il en est encore à ses débuts. Buterin a souligné que CROPS AI et la couche d'accès CROPS Ethereum partagent un terrain technique clé. Les preuves sans connaissance, par exemple, pourraient permettre des appels payants vers de grands modèles linguistiques distants. Cette même infrastructure ZK, a-t-il noté, prend également en charge les lectures RPC privées sur Ethereum. Ce chevauchement signifie que les progrès dans le développement de l’IA locale alimentent directement les outils de confidentialité Ethereum. Plutôt que de construire ces systèmes de manière isolée, Buterin les considère comme des efforts naturellement liés. L'infrastructure partagée réduit la duplication et accélère les deux pistes simultanément. Il a également fait référence à Leanstral, un modèle Mistral affiné conçu pour écrire du code Lean. Il tient dans 70 Go et fonctionne à environ 38 jetons par seconde sur le matériel AMD. Buterin a noté qu'il était compétitif par rapport à des modèles beaucoup plus grands comportant un billion de paramètres sur cette tâche spécifique. À partir de là, il a plaidé en faveur de modèles affinés spécifiques à Ethereum. De tels modèles, a-t-il soutenu, amélioreraient directement la sécurité des contrats intelligents et des codes de protocole. Il a relié ce point à sa campagne plus large en faveur d’une vérification formelle dans le développement d’Ethereum, en faisant un lien vers un article récent sur son site personnel.