Anthropic开源FlashProve：用密码学证明一条回答出自哪个模型

Anthropic本周公开了一套名为FlashProve的开源系统，用来回答AI服务里一个长期只能靠信任维系的问题：用户如何确认一条回答真的来自厂商宣称的那个模型。据ProPakistani 11月4日的报道，这套工具用密码学方法验证模型身份，而不只是依赖服务方的自我声明。

机制并不复杂。厂商为每个模型发布一个唯一的密码学指纹；模型生成回答时，服务方可以给出一个数学证明，把这段输出与已发布的指纹绑定；用户验证该证明，就能确认回答出自哪个模型。如果实际生成内容的是另一个模型，验证应当失败。报道把这一思路类比为电子邮件的密码学签名。

关键设计在于，验证不需要暴露模型权重。Anthropic、OpenAI等公司通常不公开旗舰模型的权重，而FlashProve只要求厂商发布不泄露专有参数的指纹。系统还设计了在本地设备上轻量验证的路径，但生成证明本身需要大得多的算力。

Anthropic用Meta的Llama 4 Maverick做了演示，这是一个总参数4000亿的模型。演示采用四位量化权重、单张NVIDIA H100，证明生成速度约为每秒110个token；一个1024 token的请求会产生约19MB的证明，CPU在数秒内即可完成验证。

代价同样明确：生成证明所需的GPU计算量约为vLLM常规推理的70到95倍。这一开销被报道列为主要障碍，也决定了短期内它更像是可研究的协议，而不是默认开启的功能。

边界也需要说清楚。FlashProve验证的是哪个模型生成了输出，而不是某个模型是否用Claude的输出训练过。它无法独立证明未经授权的模型蒸馏，也无法识别训练数据来源，而这恰恰是Anthropic此前一系列指控的核心。

背景是持续数月的纠纷。2026年9月，Anthropic指控Moonshot AI在十天内把近30万条Kimi用户请求转发给Claude，主要经由Opus模型，并使用5380个欺诈账户访问；更早在2月，它指控DeepSeek、Moonshot和MiniMax通过约2.4万个欺诈账户进行了超过1600万次交换的大规模蒸馏。报道同时强调，这些仍属Anthropic的指控，并未经独立证实。

发布形态上，Anthropic已在GitHub以开源许可公开了技术规范、数学研究和可运行代码，并称项目仍在开发中，在模型计算、支持的输出类型、以及优化实现与形式化验证协议之间的一致性方面存在局限。公司没有宣布将在Claude或任何商业服务中部署FlashProve，而是把技术交给研究者和开发者去测试和改进。

如果被采用，FlashProve能让“我们用的是某个模型”这类说法变得可核验：开发者可以证明某次代码扫描确实由高级安全模型完成，研究者也能核对基准测试时的模型身份。但它只证明身份，不证明答案正确，也不证明训练数据的来源，接下来要看是否有厂商愿意发布指纹并承担证明成本。