Anthropic 公布 FlashProve：用密码学证明回答出自哪个模型

11月3日，Anthropic 在一篇研究博客中公布了一个名为 FlashProve 的系统，用来验证一段 AI 输出是不是真的由某个模型生成。TechCrunch 的报道称，这是一个开源方案，核心是研究者所说的“可验证推理”（provable inference）——用密码学证明、也就是一种数学上的保证，确认某段回答来自特定模型。

通俗地说，它想解决的是“我怎么知道我在跟谁说话”。今天用户调用模型，只能相信服务方的说法；FlashProve 的目标是把这种信任变成可以自行检查的证据，就像电子邮件的密码学签名让收件人确认发件人身份一样。

报道提到，该机制在设计上要能抵挡伪装者，即使伪装者就是开发和运营这个模型的实验室也不例外。研究者给出的两个具体场景是：一家 AI 公司可能为了压低成本偷偷换成更便宜的模型，或者为了抬高跑分换上更贵的模型，而 FlashProve 想让这类替换留下可被识破的痕迹。

它还能用来核实第三方对“用了哪个模型”的宣称。研究者在博客中写道，开发者可能声称自己的软件库已被某个前沿网络安全模型扫描过，公司也可能声称自己的商业计划得到了某个模型的认可，那么用户要如何验证这些说法？这正是 FlashProve 试图回答的问题。

在实现路径上，系统需要 AI 实验室为每个发布的模型公布一份“指纹”，这份指纹之后可以与具体输出匹配，并以密码学方式验证。关键在于，指纹不会暴露模型权重——那些决定模型行为、也是闭源厂商最看重的内部数值。这意味着实验室可以在不交出核心资产的情况下公开指纹，商业化闭源模型也能被纳入这套体系。

系统还被设计得足够轻量，验证可以在本地设备上完成。随公告一起，研究者放出了详细的技术规范以及系统各部分可运行的代码，以开源许可发布在 GitHub 上。不过研究仍在进行中，Anthropic 与其他实验室都没有部署它的计划。

研究者在公告中明确把这次发布定位为中间进展而非完成品，希望外界拿走他们的工作继续改进。放到更大的背景看，模型身份与输出溯源正在成为 AI 基础设施的一部分：当模型被嵌进代码审计、合规判断、商业决策等流程，“这句话到底出自哪个模型”就不再是技术细节，而是责任归属问题。接下来值得观察的是，是否有实验室愿意真的发布指纹，以及这套轻量验证能否在真实产品里跑通。