Anthropic开源FlashProve证明模型身份

时间：2026年11月2日（美国时间，北京时间11月3日上午） 地点：美国旧金山（Anthropic 总部），线上同步发布；合作方包括瑞士洛桑联邦理工学院（EPFL）与麻省理工学院（MIT） 人物：Anthropic 研究团队（Roy Rinberg、Alex Allain、Rahul Dalal 等）与 Alessandro Chiesa（EPFL、StarkWare）、Miranda Christ（MIT、RESI）、Giacomo Fenzi、Ben Mayer、Guy Weissenberg（EPFL）等人 事件详情：Anthropic 发布开源研究原型 FlashProve，把零知识证明（zkSNARK）用于大模型推理，做「可证明推理」（provable inference）。模型提供方先对权重做一次承诺（commitment），之后每次回复都附上一份证明文件，任何人只凭承诺、提示词和回复就能验证「这份回复确实由被承诺的那套权重生成」，全程不需要看到权重本身。官方在 Llama 4 Maverick（4000 亿参数混合专家模型，每 token 激活约 170 亿参数、4-bit 量化、prefill 用整数运算）上实测：单张 H100 显卡每秒可生成约 110 个 token 的证明，每个 1024 token 请求对应约 19 MB（实测 18.78 MB）的证明文件，验证端只需 CPU，24 线程约 17 秒、单线程约 21 秒即可校验完；离线承诺阶段约 39 分钟，一次承诺可用于约 1600 万次请求，验证者下载的承诺数据约 6.5 MB。相比之下，用 vLLM 直接跑同一个模型，给 24 条请求做证明大约要多花 72 倍 GPU 时间，vLLM 满载时差距约 94 倍。Anthropic 称这次由 Claude 在密码学与安全文献的既有设计上做出改进，速度显著快于此前的开源方案。同时发布五件产物：研究博客、技术报告、由 Claude 撰写的协议规范、可执行代码（prover 与两个验证器，C++ 快速验证器和 Lean 可执行验证器）、以及 Lean 证明与交互式可视化器，代码、证明与文档均以 Apache 2.0 许可开放。 背景：模型权重被服务方私有化之后，用户无法确认自己买到的回复到底出自哪套模型——可能被路由层换成更便宜的模型，也可能被攻击者篡改了 token 流。为解决这类「模型掉包」问题，Anthropic 在前沿安全路线图里承诺在 2026 年 9 月 30 日前做出可证明推理的原型，此前已用「给推理流量签名、再在可信服务器上重算」的方式达成同一目标，本次则是纯软件密码学路线。以往零知识机器学习速度很慢：2024 年 zkLLM 在单张 A100 上只能做到约 2.5 tokens/秒，Modulus Labs 的 15 亿参数 GPT-2 跑完需要 90 多小时，EZKL 每个 token 要约 966 秒，VerInf 在 DGX Spark 上证明 Llama 4 Maverick 的一千个 token 要 14.3 小时、证明文件 93.6 GB、验证接近一天；同期学界与产业界已有 DeepProve（GPT-2 约 2.9 tokens/秒）、SASH 的 prover（约 1.25 tokens/秒）、Attestable 的 Gemma 4 31B（约 53 至 77 tokens/秒）等系统。 影响：如果验证成本继续下降，模型身份核验就有可能变成 API 托管与路由环节的常规能力——独立评测方可以确认被测模型就是被提供的那个，第三方路由方可以证明 token 确实出自客户付费的模型，监管方也能要求厂商为一段时间内的推理请求提供可验证凭证，用于核对 AI 节奏（pacing）承诺。但官方也写明这不是答案正确性证明：证明只保证「是这个模型按贪心解码算出来的」，不保证回答准确、安全或无偏见；当前上下文只支持到 1024 token，浮点实现与采样解码都可能让证明不再完全匹配，且不隐藏模型架构，快速验证器本身也没有 Lean 级别的形式化保证。Anthropic 没有公布后续商业化或产品化的时间表，官方明确表示这只是研究原型的阶段成果。 总结：FlashProve 把「回复是不是这个模型生成的」这件一直只能靠信任的事，第一次压到了可以用 CPU 在十几秒内验证的成本区间，方向上更接近模型合规基础设施而不是新的模型能力。它目前仍是研究原型，速度数字也全部来自 Anthropic 自己的基准，官方未提供第三方复现。对开发者而言，短期可用的是代码、Lean 证明与验证器本身；对采购方而言，真正的价值要等证明开销进一步下降、且有第三方复现之后才会显现。 常见问题： 问：FlashProve 到底是做什么的？ 答：它让模型提供方能证明某条回复确实由它承诺的那套权重生成，用户不用拿到权重也能验证，代价是验证者要额外存储和校验证明文件。 问：有了它就能证明模型回答是准确的吗？ 答：不能。官方说明证明只覆盖「该模型按贪心解码产生了这些 token」，不保证答案正确、安全或无偏见。 参考来源： Anthropic 官方研究博客：Progress on provable inference for large language models https://www.anthropic.com/research/provable-inference Anthropic 官方技术报告：FlashProve Technical Report https://www.anthropic.com/document/flashprove-technical-report Anthropic 官方开源代码仓库 anthropics/FlashProve（Apache 2.0） https://github.com/anthropics/FlashProve Blockchain.News 报道：Anthropic 报告可证明推理进展，Llama 4 Maverick 单卡 H100 每秒约 110 token https://blockchain.news/news/anthropic-provable-inference-flashprove-llama-4-maverick 链捕手 ChainCatcher 中文报道：Anthropic 开源 FlashProve 用零知识证明做可证明推理 https://www.chaincatcher.com/zh-tw/article/2301383 BlockTempo 中文报道：Anthropic 开源 FlashProve 把 zkSNARK 零知识证明搬进 AI 推理 https://www.blocktempo.com/anthropic-flashprove-provable-inference-zksnark/ The Agent Times 英文报道：Anthropic 发布 FlashProve 用 zkSNARK 为 AI 推理做密码学证明 https://theagenttimes.com/articles/anthropic-ships-flashprove-a-zksnark-system-for-cryptographi-11167cae