Anthropic 发布 FlashProve：给模型回答开密码学收据，证明是哪套权重算的
Anthropic 11 月 2 日发布开源研究原型 FlashProve：用 zkSNARK 证明回答出自已承诺的模型权重而不公开权重，单张 H100 自报约 110 tokens/秒，证明约 19 MB，但 GPU 时间为推理的 70–95 倍，属研究原型而非产品。
- 01THE ANNOUNCEMENT：Anthropic 11 月 2 日发表官方研究文章，发布 FlashProve 原型与五项配套发布物。
- 02THE CONFIRMATION：Unite.AI 同日独立报道，核对 110 tokens/秒、约 19 MB 证明与 70–95 倍 GPU 时间一致。
- 03THE WATCHPOINT：证明成本能否下降、覆盖范围能否扩展到真实服务配置，以及评测与监管场景是否率先采用。
WHAT HAPPENED发生了什么
Anthropic 11 月 2 日发布 FlashProve：一个开源的可证明推理研究原型，用零知识简洁论证（zkSNARK）证明某条回答确实出自已承诺的模型权重，而无需公开权重。
问题出在托管推理的信任缺口：只看输出质量无法判断回答来自哪套模型，路由服务可能偷换更便宜的模型，评测拿到的模型也可能与宣称的不一致，攻击者还可能篡改 token 流。
机制分两段：离线阶段服务方发布权重的短承诺，锁定唯一一套权重；之后每条已完成的问答生成一份证明，持有承诺、提示与回答的任何人都能验证，验证过程不泄露权重与中间计算值。
官方自报的演示数据：在 400B 参数混合专家模型 Llama 4 Maverick（4-bit 量化）上，单张 H100 以约 110 tokens/秒生成证明，每 1024 token 请求的证明约 19 MB，验证在 CPU 上约 17 秒（24 线程），但证明的 GPU 时间约为 vLLM 推理的 70–95 倍。
发布物包括技术报告、协议描述、可执行代码（证明器与 C++、Lean 双验证器）、Lean 顶层数学证明与交互式可视化，代码与文档采用 Apache 2.0 许可。
WHY IT MATTERS证明回答出自谁，比证明回答对不对更先落地
FlashProve 不判断回答质量、安全与偏见，只解决身份问题：这条回答是不是宣称的那套权重算出来的。对第三方评测、按模型付费的路由客户、以及需要向监管证明合规的服务方，这个身份收据是此前没有的基础设施。
Anthropic 把它定位为进度报告而非完成的研究议程，边界划得很清楚：只覆盖已完成文本的批量事后证明，架构可见，快速代码与形式化证明的对应关系也未完全保证。
WHY IT MATTERS代价决定它先用在哪里
70–95 倍的 GPU 时间意味着 FlashProve 不会很快出现在日常对话里。它的第一批用途更可能是高价值场景：评测机构抽查、争议回答的举证、以及监管要求的可审计推理。
真正的信号要看后续：证明成本能否随优化下降一个量级，覆盖范围能否从贪心解码与短上下文扩展到真实服务配置。在此之前，它是一份可用的研究原型，不是默认开启的产品功能。
SIGNAL JUDGMENT先给回答上身份，再谈对错
Tokenta Signal 判断：FlashProve 的信号不在 110 tokens/秒这个数字，而在托管推理第一次有了可验证的身份收据。模型越贵、评测越严、监管越近，能证明回答出自哪套权重的机制就越值钱，成本下降的速度决定它从评测抽查走向日常服务的节奏。
WHAT REMAINS UNCERTAIN还有什么不确定
EVIDENCE证据
Anthropic 官方研究文章与 Unite.AI 独立报道双源确认，原文链接已打开验证。
PRIMARY SOURCES原始来源
- Anthropic 官方研究文章
https://www.anthropic.com/research/provable-inference - Unite.AI 独立报道
https://www.unite.ai/anthropic-releases-flashprove-for-cryptographic-ai-inference-proofs/