Vitalik hat erfolgreich ein datenschutzfreundliches KI-System getestet, das personalisierte Gesundheits- und Ernährungsempfehlungen erstellt, ohne sensible Nutzerdaten gegenüber Remote-Modellen preiszugeben. Die Architektur nutzt ein lokales Qwen-3.8-Flash-Next-Modell für die Orchestrierung und ruft Frontier-Modelle als Tools für fortgeschrittenes Reasoning auf, um sicherzustellen, dass private Informationen auf dem Gerät bleiben. Das System implementiert drei unterschiedliche Datenschutzebenen: eine Identitätsebene, auf der das lokale Modell Anfragen so formuliert, dass der Schreibstil verschleiert wird, eine Zahlungsebene, die zkAPI verwendet, um Transaktionsdaten zu verbergen, sowie eine Netzwerkebene, die Tor zur IP-Anonymisierung nutzt. Obwohl das System funktioniert, wies Vitalik auf aktuelle Einschränkungen hin, darunter eine hohe Tor-Latenz, einen Durchsatz des lokalen Modells von nur 20–30 TPS gegenüber einem Ziel von über 100 sowie eine verringerte Nützlichkeit der Remote-Modelle unter strengen Datenschutzauflagen.