Vitalik a testé avec succès un système d’IA préservant la confidentialité qui génère des conseils personnalisés en matière de santé et d’alimentation sans exposer les données sensibles des utilisateurs à des modèles distants. L’architecture utilise un modèle local Qwen 3.8 Flash Next pour l’orchestration, tout en appelant des modèles de pointe comme outils pour le raisonnement avancé, afin de garantir que les informations privées restent sur l’appareil. Le système met en œuvre trois couches distinctes de confidentialité : une couche d’identité où le modèle local construit des requêtes pour masquer le style d’écriture, une couche de paiement utilisant zkAPI pour dissimuler les données de transaction, et une couche réseau exploitant Tor pour l’anonymisation des adresses IP. Bien que le système soit fonctionnel, Vitalik a noté les limites actuelles, notamment une latence élevée de Tor, un débit du modèle local de seulement 20 à 30 TPS contre un objectif supérieur à 100 TPS, ainsi qu’une utilité réduite des modèles distants sous des contraintes strictes de confidentialité.