Si Vitalik Buterin ay gumagamit ng sariling AI stack sa isang laptop, at naniniwala siya na dapat mong isipin na gawin mo rin ito. Sa isang blog post noong Abril 2, ang co-founder ng Ethereum ay isinampa ang detalyadong blueprint para sa pagpapatakbo ng mga malalaking language model nang buong lokal, nang walang anumang pagkakabase sa cloud providers, kanilang mga termino at kondisyon, o kanilang mga proseso ng pagkolekta ng data.
Hindi lang ito isang thought experiment. Gumagamit si Buterin ng aktibong open-weight models tulad ng Qwen3.5:35B sa isang NVIDIA 5090 laptop, nakakamit ng halos 90 tokens bawat segundo. Sapat itong mabilis para sa real-time conversational use, na ginagawa ang “local AI” na pitch ay higit pa sa isang aspirasyon.
Ang hardware at ang stack
Sinubukan ni Buterin ang kanyang konfigurasyon sa iba’t ibang machine. Ang NVIDIA 5090 laptop ang malinaw na nananalo sa bilis, ngunit sinubukan niya rin ang setup sa AMD Ryzen AI Max Pro na may 128 GB ng unified memory, na nakapag-iskor ng 51 tokens bawat segundo. Dagdag pa niya sinubukan ang DGX Spark.
Ang software stack ay pantay na may layunin. Nagpapatakbo si Buterin ng NixOS para sa mga maaaring maulit na system configuration, na nangangahulugan na ang buong kapaligiran ay maaaring muling buuin nang tumpak mula sa isang specification file. Gumagamit siya ng llama-server upang mag-host ng mga model sa lokal at bubblewrap sandboxes upang i-isolate ang mga proseso isa sa isa at sa mas malawak na sistema.
Ang setup ni Buterin ay naglalaman ng isang custom messaging daemon na nangangailangan ng human confirmation bago ipatupad ang anumang sensitibong command. Maaaring magmungkahi ang AI ng mga aksyon, ngunit kailangan ng pagpapayag ng tao bago maaaring makahinga sa totoong mundo.
Bakit mahalaga ang self-sovereignty ngayon
Si Buterin ay nagtatayo patungo sa paningin na ito simula sa mga unang bahagi ng 2024, nang siya ay nagsimulang magbigay-diin sa publiko sa pangangailangan para sa mga tiwala at pribadong mga kasangkapan sa AI.
Isang puntos mula sa blog post ang nakatutok: humigit-kumulang 15% ng AI na “kasanayan,” ang mga modular na kakayahan na ginagamit ng mga agent upang gawin ang mga gawain, ay maaaring maglaman ng masasamang code. Ito ay hindi isang hipotetikal na pagtataya ng panganib. Ito ay isang babala na ang kasalukuyang ecosystem ng mga agent, kung saan ang mga gumagamit ay nagdadownload at nagpapatakbo ng mga third-party plugin na may kaunting pag-audit, ay struktural na vulnerable.
Ang Ethereum AI play
Sa labas ng personal na pag-setup, nagbigay si Buterin ng mas malawak na suhestyon na maaaring magdulot ng matagalang epekto sa Ethereum ecosystem. Kanyang hinihingi ang pag-unlad ng mga AI model na espesipikong fine-tuned para sa mga gamit ng Ethereum.
Ang mga fine-tuned model ay tinuturuan sa data na spesipiko sa isang larangan, kaya maintindihan nila ang mga partikular na katangian ng Ethereum: ang EVM architecture nito, ang mga token standard nito, ang mga pattern ng pamamahala nito, at ang paraan kung paano nagkikompose ang mga DeFi protocol nito isa’t isa. Ang isang general-purpose model ay makakasagot ng mga tanong tungkol sa Ethereum. Ang isang fine-tuned model ay makakapag-isip tungkol dito.
Ang pananaw ni Buterin ay nagpapahiging sa Ethereum hindi lamang bilang isang blockchain kundi bilang isang ekonomiko at koordinasyon na layer para sa mga decentralizadong AI agent. Kung kailangan ng mga agent na mag-transact, i-verify ang kanilang pagkakakilanlan, o mag-coordinate sa isa’t isa sa mga walang tiwala na kapaligiran, ang umiiral na imprastruktura ng Ethereum, ang mga smart contract, decentralized identity, at programmable money, ay naging natural na substrate.
Walang bagong token o protocol ang inilunsad kasabay ng blog post. Ito ay pag-iisip sa antas ng infrastruktura, hindi isang pagpapahayag ng produkto.