Anthropic 开源 FlashProve：不公开权重，也能证明回答出自哪个模型

Anthropic 开源了可证明推理系统 FlashProve，基于零知识证明，目标是在不公开模型权重的前提下，证明一段回答确实由所承诺的模型生成。

它解决的是什么问题

企业采购模型时经常遇到一个尴尬：供应商说这是某版本模型，但调用方无法验证。中间可能被换成更便宜的模型、被加了系统提示、被路由到别的端点。日志是供应商写的，不作数。

零知识证明把这件事变成可验证的：给定输入、输出和一份证明，验证方能在不接触权重的情况下确认模型身份。

公开的性能数字

在 4000 亿参数的 Llama 4 Maverick 上，单张 H100 证明吞吐约 110 token 每秒，每份证明约 18.78MB，CPU 验证约 17 秒。

18MB 的证明和 17 秒的验证时间，说明它现在适合审计场景，不适合每次调用都跑。

成本是硬约束

证明消耗的 GPU 时间约为 vLLM 推理的 70 到 95 倍。这个倍数决定了它当前的定位：抽样审计、合规留证、纠纷取证。想全量证明，电费先撑不住。

能力边界要说清楚

只支持 1024 token 上下文、整数模型与贪婪解码，而且只证明来源，不证明正确性。

最后这条特别重要。它能证明「这话是它说的」，不能证明「这话是对的」。两者经常被混为一谈，尤其在合规话术里。

谁该关注

一是受监管行业，需要向审计方证明模型使用符合申报；二是模型采购方，要在合同里加可验证条款；三是做模型托管的服务商，可以用它做差异化。

短期别指望它变成基础设施。它的现实价值是把「信任我」变成「验一下」，这个转变本身就有意义。

本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。

18MB 证明、17 秒验证，这个成本只能做抽样审计。只证来源不证正确性这句话要说给采购听，不少人以为上了零知识证明就等于可信，其实是两回事。

企业采购场景里这个能力确实缺。现在验证模型身份只能靠供应商的日志和口头承诺，中间被换成便宜模型基本查不出来。不过零知识证明的验证开销和证明生成时间能不能压到线上可用，是它能不能落成产品接口的关键。

企业采购里最尴尬的是模型被静默降级：合同写旗舰版，实际路由到便宜的小模型，日志在供应商手里没法对证。零知识证明把这事变成可验证的，思路对。但我更关心证明生成的额外开销和能否覆盖流式输出，逐 token 出证明延迟会很难看，估计只能抽样验证。