Vitalik Buterin considera que la inteligencia artificial ejecutada directamente en un ordenador portátil se acerca a un punto de utilidad práctica, con velocidad suficiente para asumir una parte amplia de las tareas cotidianas y sin exponer todo el contexto personal del usuario a servicios remotos. En las carteras de criptomonedas, sin embargo, el cofundador de Ethereum mantiene el listón mucho más alto: un modelo no debería controlar por sí solo activos digitales.
Modelos locales más rápidos y con mayor margen de acción
En una publicación del 17 de septiembre, Buterin señaló que Qwen 3.8 Flash y las mejoras recientes de llama.cpp habían acercado los modelos locales a la capacidad de gestionar una “gran parte” de las tareas en su portátil con procesador Strix Halo. La evaluación que acompañaba al mensaje incluía 10 cargas de trabajo.
Las velocidades de procesamiento de entrada se situaron entre 109,82 y 373,22 tokens por segundo, mientras que la generación de salida osciló entre 18,42 y 33,37 tokens por segundo. Son cifras obtenidas en un equipo portátil de gama alta y respaldan una conclusión concreta sobre la capacidad de respuesta, pero no resuelven cuestiones como el criterio del modelo, su resistencia a instrucciones maliciosas o la autorización de operaciones financieras.
Para trabajos más exigentes, Buterin describió un sistema en el que un modelo local coordina las solicitudes dirigidas a servicios remotos más potentes. La diferencia está en el contexto que se comparte: el modelo instalado en el equipo seleccionaría la pregunta o la información necesaria, en lugar de enviar todos los archivos, mensajes y datos de la cartera que conforman la situación del usuario. Así, la IA local actuaría como asistente y, al mismo tiempo, como filtro de información.
La valoración supone un cambio respecto a la que Buterin expuso en abril. Entonces describía Qwen3.5:35B como una herramienta capaz de abordar tareas acotadas y programación conocida, pero consideraba que los agentes autónomos capaces de trabajar de forma continuada sobre una base de código todavía quedaban fuera del alcance práctico de un portátil. En septiembre, el límite parece situarse más lejos: el modelo local ya no estaría restringido a transcribir, resumir o resolver encargos muy definidos.
La capacidad del modelo no equivale a autoridad sobre los fondos
Qwen3.8-Flash-Next, desarrollado por el equipo de Alibaba, es un modelo multimodal de pesos abiertos basado en una arquitectura de mezcla de expertos. Su modelo principal tiene 125.000 millones de parámetros, además de otros 51.000 millones en tablas de incrustaciones de n-gramas, aunque solo activa 6.000 millones por token. Esa activación parcial reduce la carga de cálculo, pero las necesidades de memoria dependen de la versión cuantizada, del contexto y del trabajo que se ejecute.
El informe técnico de Qwen analiza el modelo en 14 pruebas sobre conocimiento general, matemáticas, ciencia, razonamiento, programación y comprensión multilingüe. El equipo afirma que Flash-Next superó al modelo base Qwen3.7-Plus en ocho de ellas, con menos parámetros activados y menor consumo de recursos durante el entrenamiento. Esos resultados miden capacidad y eficiencia. No establecen, en cambio, que el sistema pueda resistir inyecciones de instrucciones, aplicar políticas de seguridad o ejecutar correctamente acciones financieras autónomas.
Una IA puede explicar una transacción, preparar datos de llamada o proponer una ruta. El firmante, sin embargo, puede acabar aprobando una transferencia irreversible o concediendo a un contrato permiso para mover activos. Una instrucción maliciosa incluida en una página web, un mensaje o la descripción de una operación podría alterar el plan del modelo, incluso si su capacidad de razonamiento ha mejorado.
La seguridad debe quedar fuera del alcance del modelo
La Fundación Ethereum ya está explorando asistentes ejecutados en el propio dispositivo. En su actualización de asignación de fondos del segundo trimestre mencionó Steward, una cartera de cuenta inteligente para macOS cuyo cliente ligero y asistente de IA están concebidos para funcionar localmente. La referencia confirma la financiación y el alcance del proyecto, pero no acredita su despliegue en producción, una auditoría independiente ni una autoridad autónoma para realizar transacciones.
La orientación de Buterin para las carteras sitúa esa autoridad en capas separadas. Entre ellas figuran una confirmación humana para las operaciones de riesgo, límites deterministas sobre importes, datos de llamada y número de transacciones, y una regla de aprobación 2 de 2 entre la persona y el modelo. Las tareas de bajo riesgo, como consultar saldos o preparar transacciones sin firmarlas, pueden automatizarse dentro de permisos estrictamente acotados.
El borrador EIP-7906 plantea además marcos de comprobación posteriores a la transacción para revisar los cambios finales de estado. Una cartera podría exigir que un intercambio afectase solo a saldos autorizados o que no apareciera una aprobación de tokens no prevista. Estas comprobaciones dependen de reglas explícitas y no sustituyen la supervisión humana: si cubren pocos cambios o no se exige el marco correcto, pueden generar una falsa sensación de seguridad.
La IA local puede proteger mejor el contexto privado y ofrecer una interfaz rápida para proponer acciones. La autorización de esas acciones pertenece a controles deterministas, comprobaciones sobre el resultado y una vía de aprobación que el modelo no pueda modificar.
