El cofundador de Ethereum, Vitalik Buterin, realizó un autoexperimento para determinar si los sistemas de IA pueden ofrecer recomendaciones personalizadas sin que el usuario entregue datos personales sensibles. En publicaciones compartidas en X el 4 de octubre, describió el uso de su propia información de salud y viajes para generar sugerencias de dieta y ejercicio, con un modelo local coordinando las solicitudes hacia sistemas remotos más capaces y aprovechando su razonamiento y conocimiento.

La configuración de privacidad combinó prompts redactados cuidadosamente, pagos privados a través de zkAPI y enrutamiento Tor, con cada capa abordando una fuente distinta de fuga de identidad. El experimento apunta a una exposición habitual en la IA comercial, donde los servicios de pago pueden vincular cada prompt con la cuenta que paga y la red de origen detrás de ella, de modo que los detalles identificables pueden acumularse incluso cuando nunca se escribe un nombre. Buterin dijo que las recomendaciones se beneficiaron de la información remota, aunque las protecciones de privacidad aún necesitaban mejoras. También reportó respuestas lentas y un equilibrio entre compartir menos información y recibir consejos útiles.

Tres capas de privacidad para consultas de IA

Buterin identificó a su coordinador local como Qwen 3.8 Flash Next, que llamaba a modelos de frontera cuando era necesario. Un archivo de habilidades guiaba esas llamadas, instruyendo al sistema local a divulgar la menor cantidad posible de información personal.

Doing a bit of a self-experiment. Goal: use my personal health and travel data to provide personalized diet and exercise recommendations for me, using frontier models but in a way that avoids leaking to them any private information. Strategy: use a local model (Qwen 3.8 Flash… pic.twitter.com/mi38E5jlfN

— vitalik.eth (@VitalikButerin) 4 de octubre de 2026

La primera capa abordó tanto el contenido de los prompts como su estilo de redacción. Como el modelo local componía las preguntas, los servicios remotos enfrentaban un riesgo reducido de identificarlo por medio de frases distintivas o detalles personales.

La segunda capa cubrió los pagos, que pueden conectar las solicitudes de IA con una cuenta de cliente identificable. Para esto, el experimento usó zkAPI, un sistema diseñado para separar la autorización de pago de la identidad del usuario. Las pruebas de conocimiento cero, la herramienta criptográfica subyacente, permiten a un servicio verificar una afirmación —como que una bóveda está fondeada— sin ver los datos detrás de ella. La Ethereum Foundation describió zkAPI en un anuncio del 1 de octubre como créditos de uso privados para servicios de pago. Los usuarios fondean una bóveda y luego autorizan el gasto con pruebas de conocimiento cero en lugar de revelar qué depósito pagó las solic. En el modo de clave de runtime, claves API temporales limitan el gasto, mientras que recibos de uso firmados determinan el cargo real. El servicio de pagos verifica el fondeo sin recibir los prompts, que van directamente al proveedor de IA.

Tor proporcionó la tercera capa, dirigida a la información de red como las direcciones IP. La red de anonimato, de larga data, enruta el tráfico a través de relés para que el servicio de destino no pueda ver la dirección real del usuario. Buterin accedió a zkAPI a través de una herramienta de línea de comandos envuelta en Tor, combinando la privacidad de pagos con el enrutamiento anónimo de red.

El diseño trata estas protecciones como complementarias porque cada una cubre una ruta distinta hacia la identificación. Eliminar los nombres de los prompts aún deja los registros de pago o los detalles de red como posibles vínculos. La Foundation también advirtió que los proveedores de IA aún pueden leer los prompts enviados, y su documentación indica que los detalles personales repetidos, los historiales de conversación reutilizados y los patrones de escritura pueden permitir vincular sesiones separadas.

Límites de velocidad y equilibrios de datos moldean el experimento

Buterin reportó que el experimento devolvió recomendaciones mejoradas por el conocimiento de los modelos de frontera. Sin embargo, identificó cuatro debilidades, que abarcan el diseño de red, la construcción de solicitudes, el rendimiento local y el equilibrio entre privacidad y utilidad: cuatro brechas que necesitarían cerrarse antes de que tal configuración pudiera ir más allá de una prueba personal.

Argumentó que Tor maneja mal la separación entre solicitudes individuales y puede ofrecer privacidad insuficiente para este uso. También estimó que la latencia era de 10 a 100 veces mayor de lo que podría ser. El archivo de habilidades, por su parte, necesitaba mejores estrategias para decidir qué información deberían recibir los modelos remotos, lo que hace de la preparación de solicitudes otra parte sin resolver del experimento.

En cuanto al rendimiento local, Buterin dijo que el modelo Qwen generaba aproximadamente de 20 a 30 tokens por segundo en su configuración. Quería velocidades superiores a 100 tokens por segundo antes de que el sistema se sintiera cómodamente rápido.

El equilibrio de privacidad también siguió siendo visible: retener más contexto redujo la ayuda disponible de los modelos remotos. Eso sugiere que las salvaguardas de pago y de red por sí solas no pueden preservar la calidad de las recomendaciones personalizadas cuando las solicitudes omiten detalles contextuales importantes.

La visión más amplia de Ethereum

El experimento sigue a un ensayo del 27 de septiembre en el que Buterin describió a Ethereum como una futura computadora mundial criptográfica, que combina la seguridad de la blockchain con la privacidad criptográfica, la verificación y la computación descentralizada fuera de la cadena. En ese ensayo, identificó a Hegotá, prevista para el próximo año, como la probable última bifurcación normal. El desarrollo posterior involucraría STARKs recursivos, verificación formal automatizada, consenso optimizado y tecnología resistente a cuánticos. Las pruebas criptográficas atraviesan ambos esfuerzos: las pruebas de conocimiento cero manejan la capa de pagos de zkAPI, mientras que la hoja de ruta apunta a STARKs recursivos y verificación formal a escala de protocolo.

También citó a PeerDAS como un paso temprano hacia esta arquitectura más amplia. El resultado previsto es una computación más barata, más escalable y más privada, protegida mediante criptografía moderna. Con Hegotá prevista para el próximo año, esa bifurcación se erige como el punto de control más cercano para observar cómo toman forma los componentes criptográficos de la hoja de ruta.