PANews 10月4日消息，Vitalik 发推分享个人实验，利用自身健康与旅行数据，结合前沿模型生成个性化饮食与运动建议，同时避免向远程模型泄露任何私人信息。系统使用本地模型（Qwen 3.8 Flash Next）进行编排，将强大远程模型作为工具调用，以获取本地模型不具备的更高层次思考与知识。其采用三层隐私保护架构：

• 身份层：本地模型（Qwen 3.8B）代替用户构建查询请求，避免写作风格暴露身份
• 支付层：使用zkAPI隐藏支付信息
• 网络层：通过Tor隐藏IP地址

系统已成功运行并获得建议。Vitalik 称，主要不足包括：Tor 对逐请求去关联优化不足且延迟高；本地模型速度仅 20-30 TPS（理想需 100+）；数据保护越严格，远程模型能提供的帮助越有限。