Anthropic 开源 FlashProve：用 zkSNARK 为大模型推理提供加密证明

一句话看懂：Anthropic 于 2026 年 11 月 4 日发布可证明推理研究成果 FlashProve，让用户在看不到模型权重的情况下验证回答确实来自指定模型；该研究以 Apache 2.0 协议开源，但属于中间研究进展，并非已上线产品。

事件核心：发生了什么

当前用户调用 AI 模型时，无法确认返回结果是否来自开发者声称的那个模型——可能被路由服务为降本偷偷换掉，也可能被攻击者篡改 token 流。Anthropic 研究团队公布了名为 FlashProve 的原型系统，基于 zkSNARK 为“可证明推理”提供密码学方案：模型方先承诺某个模型，再为每个回答出具证明。

关键在于性能。对 Llama 4 Maverick（4000 亿参数 MoE 模型），单张 H100 在 4-bit 量化权重下约能生成 110 tokens/秒的证明，每次 1024 token 请求的证明大小约 19 MB。这仍是模型自身在 vLLM 上推理 GPU 耗时的 70 至 95 倍，但已比此前的开源系统快多个数量级。该承诺与证明会隐藏模型权重，但不会隐藏模型架构。

Anthropic 同时开源了技术报告、协议规范、证明器与两个验证器（C++ 和 Lean），以及 Lean 形式化证明和定理可视化工具。研究由 Anthropic 与 EPFL、MIT 等机构人员合作完成，公司明确表示这是中间进展，希望他人接手改进。

为什么重要

它回答的是 AI 服务链条中的信任问题：当模型经过第三方路由、API 中转或合规审计时，如何证明“你买到的就是你看到的模型”。对需要独立评测的机构、对成本敏感的路由服务、对监管方而言，这类可验证推理可能成为合规工具包的一部分。zkSNARK 的零知识特性也意味着验证者无需接触权重，契合闭源模型的实际商业条件。

对用户/开发者/创作者的影响

普通用户短期感知有限，因为 70 至 95 倍的额外开销难以进入日常对话产品。但对企业采购和 API 开发者，这提供了一种可审计思路：未来模型服务商若把“推理证明”作为卖点，采购方可用较低算力独立验证响应来源。开源代码和 Lean 证明也让密码学与 AI 交叉领域的研究者有了可复现的起点。对闭源厂商而言，权重保密与可验证性之间的平衡将成为产品设计问题。