以太坊联合创始人 Vitalik Buterin 近日测试了一套以隐私为核心的 AI 健康方案，将本地运行的 Qwen 模型、zkAPI 和 Tor 网络结合，用于生成个性化饮食与运动建议，同时尽量减少发送给远程 AI 服务商的个人数据。
Buterin 将这一实验描述为三层隐私系统，分别覆盖提示词内容、支付身份和互联网流量。本地模型会在请求到达更强大的远程系统前重写请求，zkAPI 将 API 支付与单次请求分离，Tor 则隐藏用户 IP 地址。
三层隐私架构
第一层依赖本地运行的阿里 Qwen3.8-Flash-Next。Buterin 表示，本地系统决定远程模型需要哪些信息，并在发送前重写提示词，从而降低个人细节或写作风格暴露身份的风险。其健康和旅行记录保留在本地，远程模型仅接收经过筛选的信息，用于需要更强推理或知识储备的任务。
第二层使用以太坊基金会于 10 月 1 日推出的 zkAPI。该系统由 Open Anonymity Project 与以太坊基金会构建，运行在以太坊主网上，允许用户为按量计费的 API 付费，而不将单次请求与身份关联。用户向私人余额充值，并证明资金充足，而无需披露哪笔存款支付了某项请求。
第三层是 Tor，用于向接收网络请求的服务隐藏用户常规 IP 地址。Buterin 认为三层保护缺一不可，因为仅隐藏支付并不能阻止 AI 提供商从提示词内容或网络元数据中获取细节。他表示：“这三者都需要。”
zkAPI 不隐藏提示词内容
该方案并不能阻止远程 AI 提供商读取提示词中刻意包含的信息。zkAPI 官方文档指出，上游提供商仍可看到提示词，而网络和时序信息也可能在零知识证明系统之外被观察。
以太坊基金会在推出 zkAPI 时也作出类似区分。其在 10 月 1 日的说明中称，支付系统隐藏了用户与请求之间的关联，但内容隐私和网络匿名需要单独保护。重复使用的个人细节、写作模式、对话历史或文档仍可能让不同会话被关联起来。Buterin 的本地模型旨在减少这种内容暴露。一个技能文件会指示模型何时使用远程系统，以及如何构造包含更少身份信息的请求。
该方案生成了饮食和运动建议，Buterin 表示前沿模型返回的信息改善了结果。他没有公开底层健康记录、详细建议，也没有提供对其准确性的独立评估。
zkAPI 代码库新增 Tor 支持
Buterin 链接了以太坊 zkAPI 代码库的一项新变更，该变更增加了通过 Tor 路由的客户端支持。GitHub 显示，截至 10 月 4 日，拉取请求 #16 仍处于开放状态，包含一个提交，提议修改七个文件，尚未合并到项目主分支。
拟议代码会在 zkAPI 守护进程启动时创建一个新的临时 Tor 客户端。脚本使用新的数据目录和 Tor 连接，另一条命令可在新的单次请求或对话开始前重启服务，以获得新的网络身份。该补丁还调整了多个网络超时，因为通过 Tor 路由的请求可能耗时更长：一个模型列表超时从 1 分钟提高到 3 分钟，其他请求限制从 15 秒提高到 60 秒，并从 5 秒提高到 30 秒。
提案中包含的单独 Tor 客户端脚本称，会为单次请求或新对话的开始创建新的服务器。同一对话中的连续消息会继续使用现有服务器，这意味着它们不会在每条消息时自动获得新的 Tor 身份。
延迟与本地 AI 速度仍是挑战
Buterin 将 Tor 视为当前实验中最薄弱的环节之一。他表示，Tor 并非为他所希望的逐请求解除关联而设计，即不同的 AI 调用最好难以相互关联。在他的测试中，Tor 产生的延迟比他理想情况高出约 10 到 100 倍。
本地模型也构成另一项性能限制。Buterin 称，Qwen3.8-Flash-Next 在其设置中运行速度约为每秒 20 至 30 个 token，但他认为本地推理只有超过每秒 100 个 token 才会开始感觉快速。阿里 Qwen 团队于 8 月 26 日发布 Qwen3.8-Flash-Next，称其为开放权重基础模型，可通过 vLLM 和 SGLang 等本地推理框架运行。
在最新隐私测试之前，Buterin 已在试验本地 Qwen 模型。他当前的方案更进一步，让本地模型充当私密文件与远程 AI 系统之间的中介，而不是把所有任务都完全保留在用户设备上。他表示，请求编写规则仍需改进，因为移除更多个人上下文会降低远程模型的实用性。他描述了这一限制：“你对发送到远程的信息越谨慎”，远程模型能提供的帮助就越少。
这一实验与 Buterin 此前对隐私的关注一致。随着 AI 系统处理更多个人信息，他曾在 2025 年 4 月主张，AI 能力增长和中心化数据收集增加了对更强隐私工具的需求。隐私也仍是其以太坊工作的一部分，以太坊 8 月更新的路线图将更强协议隐私与抗量子能力和原生 rollup 并列。