Anthropic 开源 FlashProve：用零知识证明给大模型回答“验明正身”，单张 H100 跑通 400B 模型

Anthropic 在 11 月 2 日的官方博客上发布了一个研究原型 FlashProve：用零知识证明（zkSNARK）让用户在不看到模型权重的前提下，验证一次回答确实出自所声称的模型。代码、Lean 形式化证明与文档均按 Apache 2.0 协议开源，任何人都可以拿去用、拿去改进。

关键数据：在 400B 参数的 MoE 模型 Llama 4 Maverick（4-bit 量化）上，单张 H100 生成证明的速度约为每秒 110 个 token，每 1024 个 token 请求的证明约 19MB；验证只需普通 CPU，24 线程约 17 秒。代价是证明过程约需推理本身 70–95 倍的 GPU 时间。相比此前开源系统，这是数量级的进步：zkLLM 证明 13B 模型在 A100 上约每秒 2.5 个 token，VerInf 证明 1000 个 token 要 14.3 小时、证明文件 93.6GB、验证将近一天。

FlashProve 要解决的是“货不对板”的问题：第三方路由为省成本偷换便宜模型、评测机构拿到的不是待测模型、攻击者中途篡改 token 流，单凭输出质量都无法察觉。有了可验证推理，服务方可以给每次回答附上一份密码学证书，证明它就是承诺的那个模型算出来的。它还能服务于监管合规：证明某段时间硬件确实在跑获批模型。但边界也要说清：它只证明“是哪个模型算的”，不证明回答准确、安全或无偏见；模型架构本身也不隐藏。Anthropic 强调这是阶段性进展而非完成的研究议程，随文发布了技术报告、协议描述、可执行代码（证明器与两个验证器）、Lean 证明与交互式定理可视化工具。

这件事的意义在于把“可验证推理”从论文推向了可跑的工程原型，也与 Anthropic 此前承诺的推理流量签名目标相呼应——模型越强大，“你用的真是你以为的那个模型吗”就越值得被证明。相关阅读：Anthropic 让数千个 Claude 智能体攻击自家训练监控、OpenAI 公开四层前沿模型失齐监控。

来源：Anthropic 官方博客，原文：https://www.anthropic.com/research/provable-inference