Бутерин из Ethereum подчеркивает прорывы в анализе локальных данных с помощью искусственного интеллекта, ссылаясь на расширенные возможности анонимности в сети

Соучредитель Ethereum Виталик Бутерин заявил, что достижения в области местного искусственного интеллекта, особенно DeepSeek V4, могут усилить инструменты конфиденциальности Ethereum. Бутерин рассказал, что 2-битная квантованная версия модели работает в пределах 90 ГБ видеопамяти. Он отметил различия в производительности разных аппаратных средств: устройства Apple достигают 35 токенов в секунду. Он также установил прямую связь между местной инфраструктурой искусственного интеллекта и уровнем конфиденциальности Ethereum, призвав к разработке модели искусственного интеллекта, специфичной для Ethereum. Бутерин подтвердил, что DeepSeek V4 теперь имеет 2-битную квантованную версию, доступную для локального использования. Модель работает в пределах 90 ГБ видеопамяти, что делает ее доступной на потребительском оборудовании. Это знаменует собой шаг вперед для пользователей, которым нужны инструменты искусственного интеллекта, работающие без сторонних серверов. Однако производительность во многом зависит от используемого оборудования. Устройства Apple доставляют около 35 токенов в секунду, а оборудование AMD — примерно 7 токенов в секунду. Бутерин отметил этот пробел как проблему, которую стоит решить более широкому местному движению ИИ. Он написал на X, написав: «Фактически усилия IMO по надлежащей поддержке более чем одного производителя оборудования являются отличным примером разницы между простым «децентрализованным ИИ» и настоящим «ИИ CROPS». Обновления с тех пор: * Вышла Deepseek v4. Существует *2-битный квант, который может работать в пределах 90 ГБ ( https://t.co/X3AFAsiH02 ), и он работает, однако он быстр только на оборудовании Apple (у меня ~35 ток/с). На AMD это ~7 ток/с. IMO на самом деле прилагает усилия для правильной поддержки большего количества… https://t.co/zo04n5Cx0F — Vitalik.eth (@VitalikButerin) 27 мая 2026 г. Бутерин также выделил LuceBox Hub как полезный инструмент для более эффективного запуска плотных моделей. На его ноутбуке RTX 5090 он производил примерно вдвое больше токенов в секунду по сравнению с llama.cpp. Он назвал его многообещающим, хотя он все еще находится на ранней стадии разработки. Бутерин отметил, что CROPS AI и уровень доступа CROPS Ethereum имеют общие технические основы. Например, доказательства с нулевым разглашением могут обеспечить платные вызовы к удаленным большим языковым моделям. Он отметил, что та же самая инфраструктура ZK также поддерживает частное чтение RPC в Ethereum. Это совпадение означает, что прогресс в локальной разработке искусственного интеллекта напрямую связан с инструментами обеспечения конфиденциальности Ethereum. Вместо того, чтобы создавать эти системы изолированно, Бутерин рассматривает их как естественно связанные усилия. Общая инфраструктура сокращает дублирование и ускоряет оба направления одновременно. Он также упомянул Leanstral, доработанную модель Mistral, созданную для написания бережливого кода. Он занимает около 70 ГБ и работает со скоростью около 38 токенов в секунду на оборудовании AMD. Бутерин отметил, что в этой конкретной задаче он конкурирует с гораздо более крупными моделями с одним триллионом параметров. После этого он обосновал необходимость точной настройки моделей, специфичных для Ethereum. По его мнению, такие модели напрямую улучшат безопасность смарт-контрактов и кода протоколов. Он связал это со своим более широким стремлением к формальной проверке разработки Ethereum, сославшись на недавнюю публикацию на своем личном сайте.