Anthropic 找到证明是哪个 AI 模型回答你的方法——但代价高昂
用 AI API 的开发者过去很难确认回答请求的到底是不是自己付费的那个模型，服务商可以偷偷换成更便宜的模型，攻击者也可能篡改回答。Anthropic 的 Frontier Red Team 开源了 FlashProve，用密码学证明（zkSNARKs）在不暴露模型权重的情况下验证回答来自特定模型。不过它目前只是研究原型、不在 Claude API 里，而且生成证明的 GPU 开销是普通推理的 70 到 95 倍（在 Llama 4 Maverick 上单张 H100 每秒约处理 110 个提示 token），只支持 1024 token 上下文，不适合日常 API 流量。对开发者的用处是：以后可能借此核验第三方 AI 服务、发现被入侵的推理系统，但现在还只能自己下载代码测试。
文中可用工具
- FlashProveAnthropic 开源的密码学验证系统，用于证明某条回答来自特定模型权重而不暴露权重
- zkSNARKs零知识证明技术，用来在不泄露模型权重的前提下验证回答来源
- Llama 4 MaverickMeta 的 4000 亿参数混合专家模型，被用作 FlashProve 的测试对象
- vLLM标准推理框架，文中用作对比基准衡量 FlashProve 的额外 GPU 开销
- Lean形式化验证工具，用于数学上验证协议的安全性质
- VerInf更早的开源验证系统，文中作为 FlashProve 的速度对比对象
- ClaudeAnthropic 的 AI 模型，参与 FlashProve 的部分开发与优化
- Claude APIAnthropic 的 API 服务，FlashProve 目前并未集成其中
- Nvidia H100用于测试 FlashProve 生成证明性能的单张 GPU
评论 · 分享第一个看法