以太坊共同創辦人 Vitalik Buterin 測試了一套以隱私為重點的 AI 設定，該設定使用本地模型、zkAPI 和 Tor 來生成個人化的飲食與運動建議，同時限制傳送給遠端模型的個人資訊。
摘要
- Vitalik Buterin 正在測試使用本地 Qwen、zkAPI 和 Tor 路由的私密 AI 健康建議。
- 他的本地模型會改寫提示詞，之後遠端模型才會收到有限的健康與旅行資料。
- zkAPI 將付款身分與模型請求分開，而 Tor 則用於掩蓋 IP 資訊。
- Buterin 表示，Tor 延遲仍然高出 10 到 100 倍，使得在目前測試中逐次請求去連結的效率不彰。
- Qwen3.8-Flash-Next 在本地運行約為 20 到 30 TPS，而 Buterin 希望速度能超過 100 TPS 以提升舒適度。
Buterin 於 10 月 4 日 表示，這項自我實驗在本地使用他的健康與旅行資訊，而更強大的遠端模型則處理需要更強推理或知識的選定問題。
該設定使用阿里巴巴的 Qwen3.8-Flash-Next 作為本地模型。Buterin 表示，本地系統會決定遠端模型需要哪些資訊，並在發送前改寫請求，降低個人細節或他的寫作風格洩露其身分的機會。
Vitalik Buterin 使用三層架構來分離其身分
Buterin 將該設計描述為一個三層隱私設定，涵蓋請求內容、付款資訊和網路流量。本地 Qwen 模型處理第一層，自行建構查詢，而不是將他的原始措辭和完整個人背景發送給遠端 AI 系統。
第二層使用 zkAPI 將付款與個別 AI 請求分開。以太坊基金會於 10 月 1 日 推出 zkAPI，將其描述為一個讓使用者能為計量 API 付費，而不會將個別請求與其身分連結的系統。該專案由 Open Anonymity Project 與以太坊基金會合作打造，並在以太坊主網上運行。
在 zkAPI 下，使用者先存入一筆私人餘額，之後證明有足夠資金可用，而不會顯示是哪筆存款在支付某個特定請求。處理付款的服務不需要使用者的提示詞，而 AI 供應商收到提示詞時，也不會得知與該存款相關的帳單身分。
Tor 提供第三層，向接收網路請求的服務隱藏使用者的正常 IP 位址。Buterin 寫道，這三種保護都是必要的，因為單獨隱藏付款資訊並不能防止 AI 供應商透過提示詞內容或網路中介資料得知細節。
「你需要這三者兼備，」Buterin 說。
zkAPI 並不會隱藏傳送給 AI 模型的所有內容
這套隱私設定並不能防止遠端 AI 供應商讀取刻意包含在提示詞中的資訊。官方 zkAPI 文件 指出，上游供應商仍然會看到提示詞，而網路與時間資訊在零知識證明系統之外仍可能被觀察到。
以太坊基金會在推出 zkAPI 時也做出了同樣的區分。其 10 月 1 日的說明表示，該付款系統隱藏了使用者與請求之間的連結，但內容隱私和網路匿名需要分別的保護。重複使用的個人細節、寫作模式、對話歷史或文件，仍可能讓工作階段被連結起來。
Buterin 的本地模型旨在減少這種內容暴露。一個技能檔案會指示模型何時使用遠端系統，以及如何建構包含較少可識別資訊的請求。他的個人健康與旅行記錄仍可供本地系統使用，而遠端模型只會收到為特定任務所選取的部分。
Buterin 表示，這套設定產生了飲食與運動建議，而前沿模型回傳的資訊改善了結果。他並未公布底層健康記錄、詳細建議，或對其準確性的獨立評估。
這項實驗與他早先對隱私的關注相符，因為 AI 系統處理的個人資訊越來越多。正如先前在 crypto.news 對 Buterin 隱私疑慮的報導中所提及，他在 2025 年 4 月主張，AI 能力不斷增長與集中式資料收集，提高了對更強大隱私工具的需求。
Tor 支援已進入 zkAPI 程式碼庫
Buterin 連結到 Ethereum zkAPI 儲存庫中的一項新變更，該變更新增了透過 Tor 路由的客戶端支援。截至 10 月 4 日，GitHub 顯示 pull request #16 處於開啟狀態，其中一個提交提案在七個檔案中進行變更。它尚未合併到專案的主分支。
擬議的程式碼會在 zkAPI 守護程序啟動時建立一個新的臨時 Tor 客戶端。該腳本使用新的資料目錄與 Tor 連線，而另一個命令可在新的單一請求或對話開始前，重新啟動服務以取得全新的網路身分。
該修補程式變更了數個網路逾時設定，因為透過 Tor 路由的請求可能需要更長時間。其中一個模型列表逾時從一分鐘增加到三分鐘，而其他請求限制則從 15 秒增加到 60 秒，以及從 5 秒增加到 30 秒。
提案中包含的另一個獨立 Tor 客戶端腳本表示，會為單一請求或新對話的開始建立一個新的伺服器。同一對話中持續的訊息會讓現有伺服器繼續運行，這意味著它們不會自動為每則訊息取得新的 Tor 身分。
Tor 延遲與本地 AI 速度仍是問題
Buterin 指出 Tor 是目前實驗中最薄弱的部分之一。他表示，Tor 並非為他想要的那種逐請求去連結化而設計；在理想情況下，不同的 AI 呼叫應該難以彼此關聯。
在他的測試中，Tor 產生的延遲大約比他認為理想的情況高出 10 到 100 倍。GitHub 上增加數個逾時限制的變更，與 zkAPI 客戶端透過 Tor 路由時預期會出現較慢網路請求的情況一致。
本地模型則呈現另一項效能限制。Buterin 表示，Qwen3.8-Flash-Next 在他的設定中約以每秒 20 到 30 個 token 運行，但他認為本地推論要到每秒超過 100 個 token 才會開始感覺快速。
阿里巴巴的 Qwen 團隊於 8 月 26 日發布了 Qwen3.8-Flash-Next。官方儲存庫將其描述為一個開放權重基礎模型，可透過本地推論框架運行，包括使用 vLLM 與 SGLang 的部署。
在最新的隱私測試之前，Buterin 早已在實驗本地 Qwen 模型。他目前的設定更進一步，讓本地模型在私人檔案與遠端 AI 系統之間充當中間者，而不是將每項任務完全保留在使用者裝置上。
隱私也一直是他 Ethereum 工作的一部分。在相關報導中，crypto.news 於 8 月報導了Ethereum 更新後的路線圖，其中包括更強大的協議隱私，以及對抗量子與原生 rollup 方面的工作。
Buterin 表示，他目前實驗中的請求撰寫規則仍需改進，因為移除更多個人背景資訊可能會降低遠端模型的實用性。他直接描述了這項限制：對於遠端傳送的資訊「你越謹慎」，遠端模型能提供的協助就越少。
Ethereum Foundation 的 zkAPI 文件也做出了類似的技術區分。支付層可以切斷已注資餘額與個別 API 使用之間的連結，但它無法移除使用者或本地代理置於提示詞本身內的可識別資訊。
