以太坊的 Buterin 强调了人工智能驱动的本地数据分析的突破，并引用了网络增强的匿名功能

以太坊联合创始人 Vitalik Buterin 表示，本地人工智能的进步，特别是 DeepSeek V4，可以增强以太坊隐私工具。 Buterin 表示，该模型的 2 位量化版本在 90 GB 的 VRAM 内运行。他注意到不同硬件之间的性能差异，Apple 设备达到每秒 35 个令牌。他还提出了本地人工智能基础设施和以太坊隐私层之间的直接联系，呼吁开发以太坊特定的人工智能模型。 Buterin 确认 DeepSeek V4 现在有一个 2 位量化版本可供本地使用。该模型在 90 GB 的 VRAM 内运行，使其可以在消费类硬件上访问。对于想要无需第三方服务器即可运行的人工智能工具的用户来说，这标志着向前迈出了一步。然而，性能在很大程度上取决于所使用的硬件。 Apple 设备每秒传送约 35 个令牌，而 AMD 硬件的运行速度约为每秒 7 个令牌。 Buterin 指出，这一差距是更广泛的本地人工智能运动值得解决的一个问题。他在 X 上发帖写道：“在 IMO 看来，实际上正在努力正确支持多家硬件制造商，这就是单纯的‘去中心化人工智能’和真正的‘CROPS AI’之间区别的一个很好的例子。”此后的更新： * Deepseek v4 已发布。 *有*一个 2 位量化可以在 90 GB 内运行（https://t.co/X3AFAsiH02），并且它可以工作，但是它只在 Apple 硬件上速度快（我已经达到约 35 tok/s）。在 AMD 上，约为 7 tok/s。 IMO 实际上正在努力适当支持更多… https://t.co/zo04n5Cx0F —vitalik.eth (@VitalikButerin) 2026 年 5 月 27 日 Buterin 还强调 LuceBox Hub 作为更有效地运行密集模型的有用工具。在他的 RTX 5090 笔记本电脑上，它每秒产生的令牌大约是 llama.cpp 的两倍。他形容它很有前途，但仍处于早期开发阶段。 Buterin 指出，CROPS AI 和 CROPS 以太坊接入层共享关键技术基础。例如，零知识证明可以实现对远程大型语言模型的付费调用。他指出，同样的 ZK 基础设施也支持以太坊上的私有 RPC 读取。这种重叠意味着本地人工智能开发的进展直接反馈到以太坊隐私工具中。 Buterin 并不是孤立地构建这些系统，而是将它们视为自然相连的工作。共享基础设施减少了重复并同时加速了两条轨道。他还参考了 Leanstral，这是一个为编写精益代码而构建的经过微调的 Mistral 模型。它的大小不超过 70 GB，在 AMD 硬件上以每秒约 38 个令牌的速度运行。 Buterin 指出，在该特定任务上，它的表现与更大的一万亿参数模型相比具有竞争力。从那里，他提出了针对以太坊的微调模型的案例。他认为，此类模型将直接提高智能合约和协议代码的安全性。他将这一点与他在以太坊开发中更广泛地推动形式验证联系起来，并链接到他个人网站上最近的一篇文章。