Бутерин: локальный ИИ справляется с большой долей задач, кошелькам нужен контроль

Виталик Бутерин, сооснователь Ethereum, считает, что локальный искусственный интеллект на ноутбуке вот-вот достигнет практического переломного момента. Однако, по его мнению, программное обеспечение кошельков должно соответствовать гораздо более высоким требованиям, прежде чем сможет передать ИИ контроль над криптоактивами. 17 сентября он написал, что модель Qwen 3.8 Flash и недавние улучшения в llama.cpp позволили локальным моделям справляться с «большой долей» задач на его ноутбуке Strix Halo. Для более сложной работы он описал архитектуру, где локальная модель координирует запросы к более мощным удалённым системам, но при этом скрывает полный личный контекст пользователя.

Локальная модель как основной интерфейс

В апрельском описании своей локальной ИИ-системы Бутерин отводил ноутбучным моделям более узкую роль. Тогда он писал, что Qwen3.5:35B может справляться с ограниченными задачами и знакомой работой по программированию, а продвинутые независимые агенты, способные постоянно работать над кодовой базой, оставались за пределами практических возможностей ноутбуков. Более сложное кодирование и интеллектуальная работа по-прежнему требовали более мощных удалённых моделей.

Сентябрьская публикация меняет его оценку практической границы. Локальная модель больше не кажется ограниченной транскрипцией, суммаризацией или другими строго ограниченными работами. В новом описании она может стать основным интерфейсом для большей доли активности и решать, когда необходима удалённая модель.

Удалённый сервис получает только тот вопрос или контекст, который выбрала локальная модель, а не все файлы, сообщения и данные кошелька, необходимые для понимания более широкой ситуации пользователя. Локальная система становится одновременно информационным шлюзом и ассистентом.

Производительность и технические детали

Приложенное к публикации изображение с бенчмарками показало 10 рабочих нагрузок. Сообщённая скорость обработки входных данных варьировалась от 109,82 до 373,22 токена в секунду, а генерация выходных данных — от 18,42 до 33,37 токена в секунду. Эти цифры подтверждают практическое утверждение об отзывчивости на одном высокопроизводительном ноутбуке, но оставляют без ответа вопросы о суждении модели, устойчивости к вредоносным инструкциям и авторизации транзакций.

Модель Qwen3.8-Flash-Next, выпущенная командой Qwen из Alibaba, — это открытая мультимодальная модель смеси экспертов. Её основная модель имеет 125 миллиардов параметров плюс ещё 51 миллиард в n-граммных таблицах эмбеддингов, при этом 6 миллиардов параметров активируются на каждый токен. Официальный репозиторий документирует локальный текстовый и визуальный вывод через llama.cpp с использованием квантованных сборок GGUF.

Активация лишь части модели для каждого токена снижает вычислительную нагрузку. Пользователю всё равно требуется достаточно памяти для выбранной сборки и контекста, а единого минимального требования к оборудованию для всех уровней квантования и рабочих нагрузок нет.

Безопасность и контроль над активами

Технический отчёт Qwen оценивает базовую модель по 14 бенчмаркам, охватывающим общие знания, математику, естественные науки, рассуждение, программирование и многоязычное понимание. Команда Qwen сообщила, что Flash-Next превзошла более крупную базовую модель Qwen3.7-Plus по восьми из этих тестов, используя при этом меньше активированных параметров и меньше вычислительных ресурсов для обучения. Отчёт охватывает возможности модели, эффективность и стабильность обучения, но устойчивость к инъекциям промптов, соблюдение политик, авторизация кошелька и корректность автономных финансовых действий находятся за пределами этого набора бенчмарков.

Ассистент может приватно объяснить транзакцию, подготовить calldata или предложить маршрут. Подписывающий может сделать необратимый запрос, который переводит активы или предоставляет другому контракту разрешение перемещать их. Улучшенное рассуждение снижает некоторые ошибки, но вредоносная инструкция, скрытая на веб-сайте, в сообщении или описании транзакции, всё ещё может перенаправить план модели.

Экосистема Ethereum уже тестирует версию концепции ассистента на устройстве. В обновлении распределения средств за второй квартал Ethereum Foundation указал Steward — полностью локальный macOS-кошелёк для смарт-аккаунтов, чей лёгкий клиент и ИИ-ассистент предназначены для работы на устройстве. Раскрытие устанавливает финансирование и объём проекта, но оставляет неопределёнными производственное развёртывание, статус независимого аудита и полномочия на автономные транзакции.

В апрельском руководстве по кошелькам Бутерин поместил эту политику за пределы языковой модели. Он описал межсетевой экран с подтверждением человека для рискованных действий, детерминированные лимиты на суммы транзакций, calldata и количество транзакций, а также правило 2-из-2 «человек плюс модель». Модель может распознать паттерн мошенничества, который отвлечённый человек пропускает, в то время как человек может отклонить действие после того, как вредоносный контент манипулирует моделью. Требование обоих одобрений для рискованных транзакций предотвращает возможность того, что любой из участников незаметно станет единственным доверенным лицом.

Автоматизация с низким уровнем риска может оставаться доступной в рамках программно-определяемых разрешений. Чтение балансов, подготовка неподписанных транзакций или работа в рамках жёстко ограниченных лимитов могут сделать ассистента полезным, не давая ему неограниченных расходных полномочий.

Доверие к кошельку зависит от правил, которые модель не может переписать

EIP-7906, который остаётся черновиком, предлагает посттранзакционные assertion-фреймы, которые проверяют конечные различия состояний, полученные в результате транзакции. Утверждение может отклонить результат применения, когда эти изменения нарушают заданное условие. Кошелёк может использовать этот механизм, чтобы потребовать, чтобы обмен изменил только одобренные балансы, чтобы скрытое одобрение токена никогда не появлялось или чтобы состояние защищённого аккаунта осталось нетронутым. Эти проверки сравнивают фактические эффекты транзакции с явными правилами.

В черновике также описываются границы защиты. Утверждение, которое проверяет слишком мало, может создать ложную уверенность. Логика проверки кошелька должна требовать предполагаемый assertion-фрейм, и само утверждение должно охватывать каждое соответствующее изменение состояния для защищённой операции.

Локальный вывод и утверждения транзакций решают разные части проблемы «кошелёк-агент». Локальная модель защищает контекст и превращает намерение на естественном языке в предлагаемое действие, детерминированные разрешения ограничивают получателей, контракты, стоимость и частоту, утверждения проверяют конечные изменения состояния. Человеческое подтверждение остаётся вторым фактором для рискованных действий.

Сентябрьский результат на ноутбуке делает первый уровень более убедительным. Он предполагает, что частная локальная модель может отвечать достаточно быстро, чтобы координировать повседневную работу и выборочно использовать удалённый интеллект. Оставшиеся уровни по-прежнему несут полномочия, защищающие активы. Криптокошелёк может рассматривать модель как способный интерфейс, планировщик и монитор. Доверие принадлежит контролю, который модель не может изменить, и пути одобрения, который оставляет пользователя значимо ответственным.

Дополнительный контекст и инциденты безопасности

Виталик Бутерин также отметил, что примерно 90% его собственного капитала хранится в криптовалюте, назвав свой оптимизм в отношении безопасности позицией, в которой он лично заинтересован.

В мае исследователь безопасности с помощью ИИ-модели обнаружил четырёхлетнюю уязвимость в пуле конфиденциальности Orchard криптовалюты Zcash (ZEC), которая могла позволить неограниченную необнаруживаемую подделку ZEC. Однако до исправления разработчиками в июне следов эксплуатации найдено не было.

В июле исследователи Ethereum Foundation заявили, что ИИ-агенты нашли уязвимости в критической сетевой инфраструктуре, а злоумышленники использовали многолетнюю ошибку в прошивке кошельков Coldcard для кражи примерно 130 миллионов долларов в биткоинах (BTC). Производитель Coinkite заявил, что ИИ, вероятно, помог выявить эту ошибку.

Компания Boltz приостановила работу своего сервиса обмена после того, как предполагаемые злоумышленники находили уязвимости быстрее, чем разработчики успевали их исправлять, а Core Lightning подтвердил, что несколько уязвимостей, отмеченных в сгенерированных ИИ отчётах, были реальными.

Телеграм: t.me/ainewsline

Источник: techora.ru

Комментарии: