TechFlow より、10月4日、Vitalik.eth が Farcaster に投稿し、ローカルモデルと遠隔の最先端モデルを組み合わせてプライバシーを保護した上で、個人の健康および旅行データに基づいてパーソナライズされた食事・運動の推奨事項を生成する個人実験を進めていることを明かした。
システムは3層のプライバシー保護アーキテクチャを採用している:
- アイデンティティ層:ローカルモデル(Qwen 3.8B)がユーザーに代わってクエリリクエストを構築し、執筆スタイルによる身元特定を防ぐ
- 決済層:zkAPI を用いて決済情報を隠蔽する
- ネットワーク層:Tor を用いて IP アドレスを隠蔽する
現在システムは実証済みであるが、Vitalik 氏は3つの課題を指摘している。Tor はリクエストごとの非相関化における効率の低さと高レイテンシ。ローカルモデルの実行速度は 20〜30 TPS と遅く、快適な体験には 100+ TPS が必要であること。データ保護が厳格になるほど、リモートモデルが提供できる支援は限定的になること。関連コードはすでにイーサリアムの zkAPI リポジトリへコミット済みだ。





