跳到主要內容
2026-11-04 日報
研究與評測

Anthropic 開源 FlashProve:以 zkSNARK 密碼學證明驗證回應確實來自指定模型,Llama 4 Maverick 每秒產生約 110 token 證明

Anthropic 官網綜合 3 家報導一手來源
核實資料不足

來源為發布方或研究資料;不代表所有主張已獲獨立核實。

本次未取得足夠原文證據

Anthropic 發布 FlashProve,一套開源的「可證明推論」(provable inference)原型,以 zkSNARK 密碼學證明讓使用者確認回應確實來自指定模型,而非被路由服務或攻擊者替換的模型。依官方部落格,使用者目前無法確定所用模型是否即為開發者宣稱者,僅憑輸出品質也不可靠;此系統讓模型提供者先對模型作承諾(commitment),再為每則回應產生證明,驗證者可在 CPU 上於數秒內完成檢查。 官方報告的效能數據,以 Llama 4 Maverick(400B 參數混合專家模型,4-bit 量化權重,預填階段採整數運算)為例:單張 H100 每秒可產生約 110 token 的證明,每則 1,024 token 請求的證明大小約 19MB,GPU 耗時約為在 vLLM 上直接執行該模型的 70 至 95 倍。官方稱先前開源系統慢上數個數量級。證明會隱藏模型權重,但不隱藏模型架構。 官方同時釋出五項成果:部落格文章、技術報告、Claude 撰寫的協定規格文件、含 prover 與兩種驗證器(C++ 快速驗證器與 Lean 形式化可證正確驗證器)的程式碼,以及 Lean 頂層數學陳述證明與互動式視覺化工具。程式碼與文件採 Apache 2.0 授權。官方強調這是階段性研究成果,希望他人檢視、採用並改進。 應用面上,官方提到獨立評測者可確認受評模型即為線上服務的模型,第三方路由的客戶可確認所付費的模型確實產生結果,並可能用於 AI 節奏與法規遵循的檢核工具。TechCrunch AI 則指出,此系統可防止 AI 公司以較便宜的模型暗中替換以節省成本。
讀原始報導

背景

zkSNARK 是一種非互動式零知識證明,證明者能讓驗證者確認某項陳述為真,又不洩漏該陳述成立之外的任何資訊,且雙方不需直接來回溝通。FlashProve 是 Anthropic 提出的系統,用來對大型混合專家(MoE)語言模型進行可證明推論(provable inference),讓使用者能驗證回應確實來自宣稱的模型。

來源