Finde deine $LINEA Airdrops ganz einfach mit Bankless Claimables! Die Beanspruchung startet morgen (10. September um 15:00 UTC) und läuft 90 Tage bis zum 9. Dezember 2025 🪂

Freysas verzauberte App definiert private KI neu Mit der Leistung eines Closed-Source-Modells und absoluter Privatsphäre sieht Enchanted viel näher an @RyanSAdams' Vision von "Ledger für KI" aus als alles, was wir zuvor gesehen haben. So funktioniert es und was es für die KI-Privatsphäre bedeuten könnte.👇 ~~ Analyse von @davewardonline ~~ @freysa_ai, die führende experimentelle KI-Organisation von Ethereum, hat letzte Woche ihre mobile App Enchanted veröffentlicht, die zwei Ansätze für private KI auf deinem Telefon bietet: ➢ Open-Source-Modelle wie DeepSeek R1 und Llama 3.3 70B, die in Trusted Execution Environments (TEEs) laufen ➢ Closed-Source-Modelle, die privat über geschichtete Anonymisierung zugegriffen werden Im Gegensatz zu Venice und NilGPT, die auf weniger leistungsfähige Open-Source-Modelle angewiesen sind, bietet Freysa sowohl Privatsphäre als auch hohe Leistung. Der Ansatz des Teams, der in "Reinforcement Learning for Privacy" detailliert beschrieben wird, verwendet ein Zwei-Modell-System. Benutzerdefinierte kleine Sprachmodelle (SLMs) anonymisieren Anfragen, bevor sie an führende Closed-Source-LLMs (z. B. OpenAI, Claude) gesendet werden. So funktioniert es: 1. Ein Benutzer sendet eine Anfrage mit sensiblen Informationen an Freysas SLM, das entweder remote in Enchanted oder lokal (technisches Fachwissen erforderlich) läuft. 2. Das SLM ersetzt sensible Daten, wie Bankkonten oder Jobpositionen, durch Platzhalterwörter, die die Bedeutung des Satzes bewahren. 3. Der bereinigte Prompt wird von einer Closed-Source-KI verarbeitet. 4. Die Antwort wird an das SLM zurückgegeben, das sie dekodiert und qualitativ hochwertige Ergebnisse mit intakter Privatsphäre liefert. Freysas Modell unterscheidet zwischen privaten und öffentlichen Informationen und erreicht eine Anonymisierungsbewertung von 9,55/10, nahe an GPT-4.1s 9,77/10, obwohl es viel kleiner ist. Netzwerkschutzmaßnahmen, einschließlich TEEs und Verkehrsverschleierung, schützen die Anonymität weiter, indem sie Benutzerverhalten maskieren. Es gibt jedoch Einschränkungen. Hochgradig einzigartige Abfragemuster könnten potenziell identifiziert werden, und der Netzwerkschutz hängt von der Verfügbarkeit von Relais oder der Implementierung von TEEs ab. Benutzer müssen Freysas System vertrauen, dass es wie beabsichtigt funktioniert. Beispielanfragen in ihrem Blog deuten darauf hin, dass Anbieter von Closed-Source-Modellen möglicherweise dennoch Benutzerverhalten ableiten könnten. Freysas zukünftige Pläne umfassen die Unterstützung multimodaler Modelle, ein intelligentes Routingsystem zur Auswahl der besten KI für jede Anfrage und ein Anonymisierungsmodell, das klein genug ist, um auf Handys zu laufen, sodass sensible Daten das Gerät niemals verlassen. Freysas Ansatz versöhnt Privatsphäre und Leistung und stimmt mit der Betonung der Souveränität in der Kryptoindustrie überein. Auch wenn es nicht perfekt ist, ist es ein bedeutender Schritt in Richtung private KI. Probiere Enchanted aus oder erkunde ihre Modelle auf Hugging Face für eine tiefere Integration.

JETZT LIVE – Inside Bullish: Vom IPO zu institutionellem Crypto @ThomasFarley, Vorsitzender & CEO von @Bullish, tritt Bankless bei, um über den Aufbau einer institutionellen Börse zu sprechen, warum der Gang an die Börse wichtig ist und wie AMMs und Regulierung die nächste Phase der Krypto-Industrie gestalten. Wir behandeln Bullishs @NYSE IPO, die Übernahme von @CoinDesk, die Verbindung zu EOS/Block.one und warum die Zukunft der Finanzen hybrid ist, nicht rein DeFi oder TradFi. --- ZEITSTEMPEL 0:00 Einführung 8:47 Automatisiertes Market Making in einem zentralisierten Kontext 12:15 Überdenken von Market Makern 15:58 Was „institutionelles Niveau“ wirklich bedeutet 19:05 Bullishs Kunden & Wachstum 22:12 Aufbau eines Ökosystems mit Medien & Daten 27:16 Hybride Finanzen & die Zukunft von On-Chain-Assets 42:12 Warum Bullish an die Börse ging 43:34 Das Bullish-Team & die Führung 45:01 Umgang mit dem Blockone-Erbe 48:53 Abschließende Gedanken