Anthropic presenterar verktyget FlashProve för att verifiera artificiella intelligensmodeller
7 november 2026 · 2 min läsning
Anthropic har presenterat FlashProve, vilket är en forskningsprototyp med öppen källkod. Systemet är utformat för att kryptografiskt bevisa om ett svar från en artificiell intelligens faktiskt kommer från den modell som utgivaren påstår.
Verktyget adresserar problemet att användare för närvarande inte kan kontrollera vilken modell som svarar på en förfrågan. Det finns risker att en routingtjänst byter ut en modell mot en billigare variant av kostnadsskäl, eller att en angripare manipulerar dataströmmen.
FlashProve använder en kryptografisk metod som kallas zkSNARK. Modellanordaren skapar ett digitalt fingeravtryck av modellens vikter och bifogar sedan ett kompakt bevis till varje svar. Detta bevis bekräftar att den specifika modellen genererade svaret utan att avslöja de hemliga modellvikterna.
Enligt den tekniska rapporten kan FlashProve generera bevis med ungefär 110 tokens per sekund på en enda H100-GPU för Llama 4 Maverick, vilket är en modell med 400 miljarder parametrar. Varje bevis är cirka 19 megabyte stort och kan verifieras på 17 sekunder med en vanlig processor. Detta innebär en merkostnad som är 70 till 95 gånger högre än vid vanlig slutledning.
Anthropic jämför detta med ett tidigare system med öppen källkod som tog över 14 timmar för 1 000 tokens och skapade ett bevis på 93,6 gigabyte som tog nästan ett dygn att verifiera.
Företaget ser flera användningsområden, såsom att tillsynsmyndigheter kan kontrollera att endast godkända modeller används. Företag kan bevisa att kod har granskats av en specifik säkerhetsmodell, och leverantörer kan upptäcka manipulationer på sina servrar.
FlashProve är en forskningsprototyp med betydande begränsningar. Systemet kan för närvarande endast bevisa sammanhang upp till 1 024 tokens, vilket är lägre än vanliga fönster i moderna modeller. Det döljer modellens vikter men inte dess grundläggande arkitektur. Dessutom fungerar beviset endast när modellen deterministiskt väljer det mest sannolika nästa ordet, inte vid de mer slumpmässiga svar som chattbotar vanligtvis genererar.
Koden, dokumentationen och Lean-bevisen finns tillgängliga på GitHub under licensen Apache-2.0.