AI 摘要
- Anthropic 推出並開源 FlashProve。
- FlashProve 使用 zkSNARK 驗證模型推理。
- 資料稱一般 CPU 約 17 秒可完成驗證。
Anthropic 近日推出並開源大模型驗證系統 FlashProve，主打以密碼學證明確認模型推理結果是否來自指定模型。這項技術試圖回應開源模型生態中的身分與輸出驗證問題，例如模型權重遭替換，或服務端實際使用的模型與對外宣稱不符。
根據目前提供的資料，FlashProve 採用零知識證明技術 zkSNARK，並將流程分為模型部署前建立身分承諾、推理時生成證明，以及驗證方檢查證明三個階段。資料稱，驗證無須取得模型權重，也不必重新執行完整推理，使用一般 CPU 約 17 秒即可完成。
以密碼學承諾與推理證明驗證模型身分
FlashProve 的第一步是在部署模型前，為模型生成一個稱為 Commitment ID 的密碼學承諾，作為模型身分標識。當模型處理請求並產生輸出時，系統同步生成相應的推理證明，讓驗證方檢查結果是否符合指定模型的承諾。
這種設計的目標，是讓驗證方不必取得可能涉及商業機密或佔用大量儲存空間的模型權重，也不必重跑模型。資料將其描述為可驗證模型身分及輸出來源的機制；但目前未提供證明格式、支援的模型架構範圍，以及實際部署中的完整操作細節。
17 秒驗證與 5000 倍說法仍需測試基準
資料稱，FlashProve 可在一般 CPU 上於約 17 秒內完成證明驗證，並以此強調其相較既有流程的效率。不過，現有說明沒有列出 CPU 型號、證明大小、測試模型、工作負載或比較對象，因此無法據此獨立判斷適用範圍與效能差異。
來源標題提到驗身速度提升 5000 倍，但正文未說明這項倍數的計算方式或基準。因而，17 秒與 5000 倍目前應視為資料所述的效能主張，而非足以涵蓋所有模型及部署環境的普遍結果。
單張 H100 支援大型 MoE 的工程主張
在硬體需求方面，資料稱 FlashProve 使用流式處理架構，可在單張 NVIDIA H100 GPU 上支援最高 4000 億參數的混合專家模型（MoE）運行與驗真。相關資訊未附上模型設定、吞吐量、延遲、顯存用量或測試方法，讀者仍需等待更完整的技術文件與基準測試，才能評估實際工程效益。
Claude 生成程式碼，Lean4 用於形式化驗證
資料另稱，FlashProve 專案超過 95% 的程式碼由 Claude 生成，並使用 Lean4 進行數學形式化驗證。這反映專案將生成式 AI 用於程式實作，並以形式化工具檢查部分數學推理；但相關說明沒有進一步列出形式化驗證涵蓋的範圍、假設條件或可重現流程。
專案資料也提到，系統針對 AI 智能體設計了配套安全操作規範。至於其對抗量子攻擊的安全性主張，現有內容未提供使用的密碼學假設、參數設定或安全分析細節，因此仍需參照公開技術文件與獨立審查結果。
開源驗證工具的價值與待確認事項
若 FlashProve 的設計與效能主張能透過公開實作及獨立測試確認，這類工具可為模型供應鏈增加一層可驗證資訊，協助使用者檢查服務端模型與推理輸出的關聯。不過，密碼學證明本身的可信度，也取決於證明系統的正確實作、模型身分承諾的建立方式，以及部署方是否依照規範運作。
目前提供的資料未列出開源程式碼庫、授權條款、完整測試報告或第三方稽核結果。FlashProve 的實際適用性與安全保障，仍有待這些資訊公開後進一步評估。
Reference Link : news.aibase.com
