Vitalik 试验本地模型调度远程大模型处理敏感数据

Vitalik Buterin 在 X 平台发文称，他正在进行一项个人试验，目标是在使用健康与出行数据生成饮食和运动建议的同时，尽量避免把隐私泄露给前沿模型。

按照他的描述，这套做法由本地模型 Qwen 3.8 Flash Next 负责编排，再把远程大模型作为工具调用，用来补足本地模型在推理和知识方面的不足。

三层隐私处理方式

Vitalik 表示，这一方案将隐私保护分成三层处理。

• 第一层是由本地模型代写查询，避免身份信息和个人文风泄露。
• 第二层是使用 zkAPI，避免支付渠道暴露身份。
• 第三层是通过 Tor，避免网络信息与 IP 地址暴露。

他还提到，技能文件会指导本地模型构造尽量少泄露数据的请求，并把经 Tor 封装的 zkAPI 作为命令行工具使用。

试验结果与当前限制

Vitalik 称，他已经拿到建议，远程模型确实有助于改进结果。不过，他也列出了目前存在的几个问题。

其一，Tor 并不适合逐请求去关联，隐私保护可能仍然不够，同时延迟也比应有水平高出 10 至 100 倍。其二，技能文件的策略还没有达到最优。其三，本地模型大约 20 至 30 TPS，速度仍然偏慢。其四，给远程模型提供的数据越少，它能提供的帮助也越有限。