Ethereum News konzentriert sich auf Vitalik Buterins lokalen KI-Vorstoß

Wichtige Erkenntnisse:

• Ethereum-Nachrichten, Vitalik Buterin hat einen lokalen DeepSeek V4-Build mit seinem Vorstoß für die Privatsphäre von Ethereum verbunden.
• Das quantisierte 2-Bit-Modell läuft mit etwa 90 GB VRAM auf Consumer-Hardware.
• Buterin forderte auf Ethereum abgestimmte KI-Modelle, um die Sicherheit von Smart Contracts zu verbessern.

Die Ethereum-Nachrichten haben sich in Richtung künstliche Intelligenz verlagert, nachdem Vitalik Buterin eine Reihe von Beiträgen veröffentlicht hat, in denen er über lokale KI-Systeme, Datenschutzinfrastruktur und dezentrales Computing spricht.

Der Ethereum-Mitbegründer verknüpfte die jüngsten Fortschritte bei den lokalen großen Sprachmodellen mit der umfassenderen Datenschutz-Roadmap von Ethereum und dem sicheren Zugang zur Blockchain.

Ethereum Nachrichten: DeepSeek V4 läuft lokal mit 90 GB VRAM

Buterin berichtete, dass DeepSeek V4 jetzt eine quantisierte 2-Bit-Version hat, die lokal mit etwa 90 GB VRAM laufen kann.

In seinen eigenen Tests erreichte der Build etwa 35 Token pro Sekunde auf Apple-Hardware und etwa 7 Token pro Sekunde auf AMD-Hardware.

Die Kluft zwischen den beiden Hardware-Ergebnissen führte direkt zu dem Punkt, den Buterin ansprechen wollte. Er argumentierte, dass echte dezentralisierte KI mehr als einen Hardwarehersteller unterstützen sollte, anstatt von einem einzigen Chip-Ökosystem oder Cloud-Anbieter abhängig zu sein.

Vitalik Buterin benutzte den Begriff CROPS AI, um Systeme zu beschreiben, die über mehrere Hardware-Plattformen hinweg arbeiten. Er zog damit eine Grenze zwischen diesem Ziel und dem, was er als rein dezentrale KI bezeichnete, die sich immer noch auf eine zentrale Infrastruktur stützt.

Buterin wies auch auf mehrere andere lokale KI-Tools hin, die er getestet hat. Die Liste umfasste VoxTerm für lokale KI-Aufnahmen ohne Server von Drittanbietern, einen Messaging-Daemon mit Alpha-Telegram-Unterstützung und Lucebox Hub als Möglichkeit, dichte Modelle effizienter zu betreiben.

Er berichtete, dass Lucebox Hub bei dichten Modellen auf seinem 5090 Laptop etwa doppelt so schnell lief wie llama.cpp. Sein eigenes, selbstgehostetes System führt lokal Modelle mit offenem Gewicht und Sandbox-Schutz aus.

Verknüpfung von lokaler KI mit der Ethereum-Datenschutzinfrastruktur

Der meistdiskutierte Teil des Threads verknüpfte lokale KI direkt mit der Ethereum-Datenschutzinfrastruktur.

Buterin beschrieb eine klare Überschneidung zwischen dem, was er als CROPS Ethereum-Zugangsschicht und CROPS AI bezeichnete, wobei die gleichen Bausteine für beide dienen.

Er wies auf eine Zero-Knowledge-Methode hin, mit der kostenpflichtige Anrufe an große Remote-Sprachmodelle als gemeinsame Komponente getätigt werden können.

Derselbe Mechanismus, der private bezahlte LLM-Aufrufe ermöglicht, würde auch das Problem privater RPC-Lesevorgänge auf Ethereum lösen, bei denen eine Wallet die Kette abfragt, ohne ihrem RPC-Provider die Einzelheiten dessen, was sie liest, mitzuteilen.

Die Verbindung ermöglicht es, dass ein Stück kryptographischer Arbeit gleichzeitig dem KI- und dem Blockchain-Zugangsproblem dient.

Zu den Ideen für die Zugriffsebene in dem Thread gehörten private Ethereum RPC-Lesevorgänge, auf Null-Wissen basierende LLM-Zahlungen aus der Ferne und lokale KI-Systeme, die Prompts und Wallet-Daten auf Benutzergeräten statt auf Cloud-Servern speichern.

Das Paket von Ideen geht einher mit der breiteren Ethereum-Datenschutz-Roadmap, die Buterin im vergangenen Jahr dokumentiert hat und die Wallet-, Protokoll- und kryptografische Schichten umfasst.

Ethereum-angepasste KI-Modelle für Smart Contract Sicherheit

Ein zweiter Strang der KI-Nachrichten von Vitalik Buterin konzentrierte sich auf Ethereum-spezifische KI-Modelle.

Er argumentierte, dass das Ethereum-Ökosystem fein abgestimmte KI-Systeme aufbauen sollte, die auf die Prüfung von Smart Contracts, die Transaktionsüberprüfung, die Sicherheitsanalyse von Solidity und die Überprüfung von Protokollcode spezialisiert sind.

Buterin verwies auf Leanstral als Beispiel dafür, was ein spezialisiertes Modell leisten kann. Das Modell passt auf 70 GB oder weniger und kann mit viel größeren 1-Billionen-Parameter-Modellen mithalten, wenn es in Lean geschrieben ist.

Er knüpfte das Ergebnis an seine jüngste Arbeit zur formalen Verifikation an und argumentierte, dass spezialisierte Modelle eine große Hilfe beim Schreiben von sichererem Code sind.

Der Fall beruht auf der Ansicht, dass die KI-gestützte Verifizierung in dem Maße an Bedeutung gewinnen wird, wie die KI-gestützte Entdeckung von Exploits fortschreitet.

Buterin reagierte auf ein viel diskutiertes Beispiel, bei dem KI innerhalb von zwei Wochen mehr als 700.000 Zeilen Ethereum-bezogenen Code generierte.

Er erkannte die Geschwindigkeitsgewinne an, betonte jedoch, dass ein Großteil der Produktivität in die Sicherheit und Verifizierung fließen sollte und nicht einfach in die schnellere Auslieferung von Code.

Sicherheitsrisiken und der autonome KI-Stapel

Die Sicherheitsrisiken im Zusammenhang mit KI-Agenten waren ein wiederkehrendes Thema in den letzten Beiträgen.

Vitalik Buterin warnte davor, dass viele KI-Agenten-Plugins und externe Tools bösartige Anweisungen enthalten können, weshalb er lokale, sandboxbasierte Systeme gegenüber Cloud-basierten Agenten bevorzugt.

Buterin hat in früheren Diskussionen in diesem Jahr davon gesprochen, dass er sich weitgehend von Cloud-KI-Diensten abwendet. Er führt jetzt Open-Weight-Modelle lokal auf seiner eigenen Hardware mit Sandbox-Schutz aus. Zu seinem Setup gehören Berichten zufolge Qwen-Modelle, die auf einem NVIDIA 5090 Laptop laufen.

Der rote Faden in den Beiträgen ist, dass Buterin eine tiefe Integration von KI in Ethereum sieht, nicht nur für die Produktivität von Entwicklern, sondern auch für eine datenschutzfreundliche Infrastruktur, dezentralisierte Identität, autonome Agenten, die Krypto-Zahlungen nutzen, und die Entwicklung sicherer Smart Contracts.