Vitalik 分享本地私有 LLM 方案，强调隐私与安全优先

ChainCatcher 消息，Vitalik Buterin 发文分享其截至 2026 年 4 月的本地化、私有化 LLM 部署方案，核心目标是将隐私、安全与自主可控作为前提，尽量减少远程模型及外部服务接触个人数据的机会，并通过本地推理、文件本地存储及沙箱隔离等方式降低数据泄露、模型越狱及恶意内容利用风险。

在硬件方面，其测试了搭载 NVIDIA 5090 GPU 的笔记本、AMD Ryzen AI Max Pro 128 GB 统一内存设备及 DGX Spark 等方案，并使用 Qwen3.5 35B 与 122B 模型进行本地推理。

其中，5090 笔记本在 35B 模型下可达约 90 tokens/s，AMD 方案约 51 tokens/s，DGX Spark 约 60 tokens/s。Vitalik 表示，其更倾向于基于高性能笔记本构建本地 AI 环境，同时使用 llama-server、llama-swap 及 NixOS 等工具搭建整体工作流。