知识卡片：Anthropic开源FlashProve，用零知识证明核验模型来源

一句话结论

Anthropic 开源可证明推理系统 FlashProve，基于零知识证明，在不公开模型权重的前提下证明某段回答确实出自所承诺的模型；但该方案只证“来源”不证“正确性”，且当前开销与适用范围限制明显。

事件概述或研究问题

本条来自腾讯研究院 AI 速递（20261105）的第二条简讯。核心问题是：如何在模型权重不公开的情况下，让外部方验证某条输出确实由某个承诺的模型生成。FlashProve 给出的路径是零知识证明——验证者无需看到权重即可核验来源。

方法/产品要点

• 系统名称：FlashProve，定位为“可证明推理系统”，由 Anthropic 开源。
• 技术路线：零知识证明（无需公开权重即可证明回答出自所承诺模型）。
• 测试模型：4000 亿参数 MoE 模型 Llama 4 Maverick。
• 性能数据：单张 H100 证明吞吐约 110 Token/s；每份证明约 18.78MB；CPU 验证约 17 秒。
• 成本对比：证明耗 GPU 时间约为 vLLM 推理的 70 至 95 倍。
• 能力边界：仅支持 1024 Token 上下文、整数模型与贪婪解码；只证来源，不证正确性。

主要结果或产业意义

在 4000 亿参数级 MoE 模型上实现了可运行的零知识来源证明，并给出吞吐、证明体积、验证时延与相对推理成本等工程指标。产业意义在于为“模型来源可核验”提供了一条不依赖公开权重的技术路径，可用于模型提供方对外承诺与第三方审计场景的探索。

为什么重要

随着模型权重普遍不公开，外部方难以确认输出是否真由宣称的模型产生（例如是否被替换为更小模型或经过未声明修改）。FlashProve 把“来源可验证”从承诺变成可密码学核验的命题。与既有卡片中讨论的蒸馏、工作流知识持久化、开源模型评测等主题不同，本条聚焦的是“输出归属”而非“能力”或“知识组织”，属于可信推理基础设施方向的增量信息。

局限与不确定性

• 证明 GPU 开销为推理的 70 至 95 倍，实际部署成本高。
• 仅支持 1024 Token 上下文、整数模型与贪婪解码，适用范围窄。
• 仅证明来源，不保证回答内容正确。
• 其他模型规模、非贪婪解码、更长上下文下的表现，材料未提及，待核实。
• 开源许可证、代码仓库地址与完整技术报告，材料未给出，待核实。

可用于图书/PPT/简报的角度

• “来源可验证”作为模型透明度工具：零知识证明在 AI 治理中的角色。
• 可信推理的成本账：70 至 95 倍 GPU 开销意味着什么。
• 证明“出自谁”与证明“对不对”的区别：来源证明的能力边界。
• 不公开权重时代的第三方审计路径设想。

原始材料

• 来源：腾讯研究院 AI 速递 20261105（第二条）
• 标题：Anthropic开源FlashProve，用零知识证明核验回答出自指定模型
• URL: https://m.sohu.com/a/1097287287_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334
• 关键词：FlashProve；零知识证明；可证明推理；Llama 4 Maverick；来源验证
• 注：以上数据均转引自该速递简讯，Anthropic 原始博客/仓库未在材料中给出，细节待核实。