Vitalik Buterin prueba IA local en su portátil con chip de AMD
Buterin ve la IA local como una opción práctica para tareas sensibles relacionadas con carteras y código, en parte gracias a Strix Halo de AMD con mucha memoria compartida.
Puntos clave
- Vitalik Buterin probó Qwen3.8-Flash-Next de Alibaba en su portátil con AMD Strix Halo y consideró que la IA local ya es útil para tareas cotidianas.
- El chip Strix Halo pone más memoria a disposición de los modelos de IA, lo que permite que modelos más exigentes funcionen en un solo portátil sin servidor en la nube.
- Buterin subraya la ventaja de privacidad de la IA local, especialmente para información sensible como direcciones de carteras, código privado y nombres.
Cofundador de Ethereum Vitalik Buterin afirma que la IA local ya puede encargarse de gran parte de las tareas cotidianas. Ejecutó Qwen3.8-Flash-Next de Alibaba en su propio portátil y compartió resultados de velocidad que, según él, muestran que este tipo de modelos resulta cada vez más útil sin necesidad de un servidor en la nube.
La IA local se vuelve más práctica
La prueba de Buterin se realizó en un portátil con el chip Strix Halo de AMD. Ese chip combina el procesador y la capacidad de cálculo gráfico en un solo trozo de silicio y permite que ambas partes utilicen una única memoria compartida. Esto es importante, porque un modelo de IA primero debe caber en la memoria antes de poder ejecutarse.
Según la descripción de la prueba, precisamente ahí es donde muchos portátiles convencionales todavía se quedan cortos. Una tarjeta gráfica independiente suele tener entre 8 y 24 gigabytes de memoria, mientras que las máquinas con Strix Halo pueden ofrecer hasta 128 gigabytes que pueden ser utilizados por ambas partes del chip. Gracias a ello, un modelo que antes necesitaba hardware de servidor ahora puede funcionar en un solo portátil.
La creciente demanda de capacidad de cálculo muestra por qué estos sistemas locales se vuelven especialmente interesantes: las empresas siguen buscando masivamente formas de financiar y ampliar la infraestructura de IA. La prueba de Buterin, en cambio, demuestra que parte de esa carga de cálculo podría desplazarse más cerca del usuario.
Según Buterin, la velocidad parecía suficiente para el trabajo normal. Las instrucciones breves respondían con rapidez, mientras que los documentos muy largos eran notablemente más lentos. Esto deja claro que la IA local ya está bastante avanzada, pero todavía no funciona con la misma fluidez en todos los casos.
La privacidad adquiere un papel más importante
Además de la velocidad, Buterin destaca sobre todo una ventaja en materia de privacidad. Un modelo local procesa la consulta en el propio dispositivo, por lo que el proveedor no necesita recibir la instrucción. Para los usuarios que comparten información sensible, eso puede marcar una gran diferencia.
También plantea un enfoque híbrido. Un modelo local puede extraer primero los detalles sensibles de una consulta, como nombres, direcciones de carteras o código privado, y después transmitir solo la pregunta restante a un modelo alojado más grande. Eso reduciría la cantidad de datos que salen del dispositivo, aunque no ofrece una garantía absoluta de que nada sensible se filtre.
Ese énfasis en la privacidad encaja con una tendencia más amplia en la IA. Los modelos locales ganan terreno porque procesan los datos por completo en el propio dispositivo, sin transferirlos a servidores externos. Al mismo tiempo, empresas como Nvidia y Palantir muestran que la privacidad y la gestión de datos pesan cada vez más en el uso de modelos de IA avanzados.
Por qué esto afecta al sector cripto
Para los usuarios de cripto, esto es relevante porque muchas tareas cotidianas relacionadas con carteras, código y datos personales son precisamente sensibles. Una configuración de IA local puede resultar atractiva en esos casos, ya que hace falta enviar menos información al exterior. Buterin además lo vincula con sus preocupaciones previas sobre la supervisión y la recopilación de datos, un tema que lleva tiempo presente en el mundo cripto.
La cuestión de fondo no es solo cuán inteligente se vuelve la IA, sino también dónde se ejecuta esa capacidad de cálculo. Si cada vez más tareas estándar pueden resolverse localmente, parte del control se desplaza de las plataformas en la nube hacia el propio usuario.
