Vitalik Buterin considera que la inteligencia artificial ejecutada en un ordenador personal está cerca de un punto de inflexión práctico, pero advierte de que los monederos de criptomonedas todavía necesitan controles mucho más estrictos antes de permitir que un modelo gestione activos por sí solo.
El cofundador de Ethereum explicó el 17 de septiembre que Qwen 3.8 Flash y las mejoras recientes de llama.cpp han acercado los modelos locales a la capacidad de asumir una parte importante de las tareas habituales en su portátil Strix Halo. En una imagen de referencia incluida en su publicación, diez cargas de trabajo registraron velocidades de procesamiento de entrada de entre 109,82 y 373,22 tokens por segundo. La generación de respuestas se situó entre 18,42 y 33,37 tokens por segundo.
Las cifras apuntan a una respuesta suficientemente rápida en un equipo portátil de gama alta. No resuelven, sin embargo, cuestiones más delicadas: la calidad del criterio del modelo, su resistencia a instrucciones maliciosas o su capacidad para autorizar transacciones sin cometer errores.
Un modelo local como filtro de privacidad
La principal novedad del planteamiento de Buterin es que la inteligencia artificial local ya no aparece limitada a funciones cerradas, como transcribir, resumir o completar tareas concretas de programación. Según su descripción, el modelo puede actuar como interfaz principal del usuario y decidir cuándo necesita recurrir a un sistema remoto más potente.
En ese esquema, el modelo instalado en el dispositivo selecciona la pregunta o el contexto estrictamente necesarios antes de enviarlos a un servicio externo. El sistema remoto no tendría que recibir todos los archivos, mensajes o datos del monedero que forman parte de la situación personal del usuario. La inteligencia artificial local funcionaría así como asistente y, al mismo tiempo, como filtro de información.
La valoración es más optimista que la que Buterin ofreció en abril. Entonces describió Qwen3.5:35B como una herramienta capaz de resolver tareas acotadas y trabajos de programación conocidos, pero sostuvo que los portátiles todavía no podían ejecutar de forma práctica agentes autónomos capaces de trabajar durante largo tiempo sobre una base de código. Las labores de mayor complejidad seguían requiriendo modelos remotos.
Qwen 3.8-Flash-Next es un modelo multimodal de pesos abiertos basado en una arquitectura de mezcla de expertos. Cuenta con 125.000 millones de parámetros principales y otros 51.000 millones en tablas de incrustaciones de n-gramas, aunque solo activa 6.000 millones por token. Esa característica reduce la carga de cálculo, pero el equipo necesario depende de la versión cuantizada, del contexto y del uso concreto. La documentación oficial no fija un requisito mínimo de hardware válido para todos los escenarios.
La velocidad no equivale a autoridad sobre los fondos
Los resultados publicados por el equipo de Qwen evalúan conocimientos generales, matemáticas, ciencia, razonamiento, programación y comprensión multilingüe en 14 pruebas. Según sus autores, Flash-Next superó al modelo base Qwen3.7-Plus en ocho de ellas, con menos parámetros activos y un menor volumen de computación durante el entrenamiento.
Esas pruebas miden capacidad y eficiencia, no la seguridad de un monedero. No establecen cómo respondería el modelo ante una inyección de instrucciones, cómo aplicaría una política de autorización ni si ejecutaría correctamente una operación financiera autónoma. Una inteligencia artificial puede explicar una transacción, preparar sus datos o proponer una ruta; la firma, en cambio, puede desencadenar una transferencia irreversible o conceder a un contrato permiso para mover activos.
Por eso, Buterin ha defendido que la autoridad no quede dentro del modelo. Entre las medidas planteadas figuran un cortafuegos de confirmación humana para 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. La inteligencia artificial podría detectar una estafa que el usuario no advierta, mientras que el usuario podría rechazar una acción después de que un contenido malicioso haya manipulado al modelo.
Controles independientes para los monederos
La Fundación Ethereum ya financia la exploración de este enfoque. En su actualización de asignación correspondiente al segundo trimestre incluyó Steward, un monedero de cuenta inteligente para macOS cuyo cliente ligero y asistente de inteligencia artificial están diseñados para ejecutarse localmente. La información confirma la financiación y el alcance del proyecto, pero no acredita un despliegue en producción, una auditoría independiente ni capacidad para autorizar transacciones de forma autónoma.
Otra posible capa de protección es EIP-7906, todavía en fase de borrador. La propuesta contempla comprobaciones posteriores a la transacción para revisar los cambios finales de estado y rechazar operaciones que incumplan condiciones concretas. Un monedero podría exigir, por ejemplo, que un intercambio afectara solo a saldos aprobados, que no apareciera una autorización oculta de tokens o que no se modificara una cuenta protegida.
La inferencia local y esas comprobaciones cumplen funciones distintas. El modelo protege el contexto y convierte una instrucción en una propuesta; las reglas deterministas limitan destinatarios, contratos, importes y frecuencia; las aserciones revisan el resultado efectivo. En las operaciones de riesgo, la confirmación humana sigue siendo la segunda barrera. El avance de los modelos locales hace más creíble una inteligencia artificial privada y rápida, pero la confianza sobre los activos debe seguir descansando en controles que el propio modelo no pueda modificar.
