Vitalik 披露隐私 AI 实验：本地模型结合远程模型生成健康建议

ChainCatcher 消息，Vitalik.eth 在 Farcaster 发文披露，其正在进行一项个人实验，通过结合本地模型与远程前沿模型，在保护隐私的前提下，利用个人健康与旅行数据生成个性化饮食及运动建议。

系统采用三层隐私保护架构

按 Vitalik 的说法，该系统设置了三层隐私保护。

• 身份层由本地模型 Qwen 3.8B 代替用户构建查询请求，以避免写作风格暴露身份；
• 支付层使用 zkAPI 隐藏支付信息；
• 网络层通过 Tor 隐藏 IP 地址。

已跑通，但仍有三项不足

Vitalik 表示，目前系统已经跑通。不过他也提到三大不足：Tor 在逐请求去关联方面效率较低，且延迟较高；本地模型运行速度只有 20-30 TPS，若要达到流畅体验，需要提升到 100+ TPS；数据保护越严格，远程模型能够提供的帮助也越有限。

相关代码已提交至以太坊 zkAPI 仓库。