Сооснователь Ethereum Виталик Бутерин провёл эксперимент, в котором объединил локальный ИИ, платёжный инструмент zkAPI и сеть Tor, чтобы получать персональные рекомендации по питанию и физическим нагрузкам без раскрытия чувствительных данных. Для этого использовались сведения о здоровье и поездках, а доступ внешних моделей к личной информации был ограничен.
По словам Бутерина, ключевую роль играл локальный алгоритм Qwen 3.8 Flash Next. Он самостоятельно формировал запросы к более мощным удалённым ИИ-моделям, чтобы скрыть индивидуальные особенности стиля письма. Специальный файл с инструкциями указывал, когда следует обращаться к внешним сервисам и как минимизировать объём передаваемых данных.
Второй контур — zkAPI — был задействован для оплаты доступа к удалённым моделям. Сервис принимает депозиты в ETH и USDC, что привязывает платёжный слой к сети Ethereum. Третий уровень защиты обеспечивал Tor: он скрывал IP-адрес и другую сетевую информацию. Бутерин запускал zkAPI через Tor в виде инструмента командной строки, объединяя таким образом защиту платёжных и сетевых данных.
Эксперимент, по оценке Бутерина, оказался рабочим: удалённые модели помогли улучшить рекомендации. Однако выявились и ограничения. Локальная модель обрабатывала лишь 20–30 токенов в секунду при желаемой скорости выше 100 токенов в секунду. Tor создавал задержки в 10–100 раз выше возможных, плохо разделял отдельные запросы и оставлял вопросы к достаточности анонимности. Кроме того, чем жёстче были настройки приватности, тем меньше контекста получали удалённые ИИ, что снижало качество персонализированных советов.
Таким образом, тест показал реальную схему использования Ethereum-платежей в связке с приватными ИИ-сервисами, но одновременно обозначил нерешённый компромисс между конфиденциальностью и полезностью удалённых моделей.
