FlashProve od Anthropic dowodzi, który model odpowiedział, ale tylko w krótkich kontekstach

Co opublikował Anthropic

FlashProve opiera się na zkSNARKach, technice dowodów z wiedzą zerową. Dostawca najpierw publikuje kryptograficzny odcisk wag modelu. Potem do każdej odpowiedzi dołącza zwięzły dowód. Dowód pokazuje, że wskazany model wygenerował tę treść. Weryfikator sprawdza dowód wobec opublikowanego odcisku. Sam nigdy nie uruchamia modelu. Dowód nie zdradza niczego o wagach. O to właśnie chodzi: zamknięte laboratoria, takie jak Anthropic i OpenAI, traktują te liczby jako swój najcenniejszy majątek.

Anthropic opublikował pracę wraz z dokumentacją techniczną, kodem do uruchomienia i materiałami z weryfikacji formalnej. Kod, dowody w Lean i dokumentacja leżą na GitHubie na licencji Apache 2.0.

Heise zwraca uwagę na porównanie, które proponuje Anthropic. Ludzie rozpoznają znajomego po twarzy, głosie albo uścisku dłoni. Modele nie mają niczego takiego. Przekonująca odpowiedź nie zdradza, który model ją napisał. Ten sam serwis podaje, że główne optymalizacje wniósł model Claude samego Anthropica. Repozytorium nazywa FlashProve nieutrzymywanym prototypem badawczym.

Deklarowana wydajność

Anthropic zmierzył generowanie dowodu na około 110 tokenów na sekundę. Obliczenia szły na jednym procesorze graficznym Nvidia H100. Modelem był Llama 4 Maverick od Meta, 400-miliardowy model. Każdy dowód ma około 19 megabajtów. Według Heise weryfikacja zajmuje 17 sekund na 24 wątkach. Na jednym wątku trwa 21 sekund. Ten sam serwis podaje, że FlashProve potrzebował 223 sekund na H100, żeby wygenerować dowody dla 24 zapytań w partii.

Generowanie dowodu wciąż kosztuje około 70 do 95 razy więcej obliczeń niż zwykłe wnioskowanie. To różnica między działającym prototypem a usługą, która odpowiada w tempie chatbota.

Wcześniejszy otwarty system potrzebował ponad 14 godzin na przetworzenie 1 000 tokenów. Tworzył dowód o rozmiarze 93,6 gigabajta, którego weryfikacja zajmowała prawie cały dzień. Heise zastrzega, że obu zestawów liczb nie da się wprost porównać. Inny jest sprzęt, inne metody i inne cele dowodu.

Czego jeszcze nie potrafi

FlashProve dowodzi obecnie kontekstów do 1 024 tokenów. To znacznie mniej niż okna kontekstu dzisiejszych modeli. Ukrywa wagi, ale nie architekturę modelu. Dowód działa tylko wtedy, gdy model wybiera pojedynczy najbardziej prawdopodobny kolejny token. Nie działa przy losowym próbkowaniu, z którego chatboty korzystają w zwykłej rozmowie.

Anthropic przetestował 4-bitową wersję skwantyzowanego Llama 4 Maverick, podaje Heise. Wciąż nie wiadomo, czy metoda wytrzymuje dłuższe rozmowy. Nie wiadomo też, czy wytrzymuje normalną pracę modeli komercyjnych.

Firma opisuje FlashProve jako prototyp badawczy. To nie funkcja Claude'a ani żadnego innego produktu komercyjnego.

Dlaczego pochodzenie ma znaczenie

Dziś klient API musi wierzyć dostawcy na słowo, który model odpowiedział. Dostawca mógłby kierować zapytania do tańszego modelu, a rozliczać jak za model czołowy. Zewnętrzna platforma mogłaby podmienić modele bez informowania nikogo. FlashProve pozwoliłby to sprawdzić bez oddawania wag.

Anthropic wymienia inne zastosowania. Regulatory mogliby sprawdzić, czy dostawca uruchamia tylko zatwierdzone modele. Firmy mogłyby udowodnić, że ich kod przejrzał konkretny model bezpieczeństwa. Dostawcy mogliby wykrywać manipulacje na swoich serwerach.

Niezależni ewaluatorzy mają ten sam problem. Potrzebują pewności, że odpowiedzi, które testują, pochodzą z badanego modelu. Firma postawiła sobie już wcześniej cel. Jej Frontier Safety Roadmap przewidywał prototyp weryfikacji wnioskowania do września 2026 r. Anthropic twierdzi, że osiągnął go osobnym projektem. Ten projekt podpisuje ruch wnioskowania i śledzi obliczenia na zaufanym serwerze. FlashProve dąży do tego samego celu kryptografią. Nie potrzebuje zaufanego sprzętu. TechCrunch zauważa, że projekt ma być dość lekki, by weryfikować go na lokalnym urządzeniu.

Co dalej

Anthropic publikuje pracę, żeby zewnętrzni badacze i deweloperzy mogli ją przejrzeć i ulepszyć. Jego badacze opisują wpis jako postęp pośredni, nie gotowy program. Licencja pozwala na komercyjne wykorzystanie. To ma znaczenie, jeśli dostawca chmury albo audytor chce na tym budować.

Utrzymanie spada jednak na tego, kto przejmie kod. Data wersji produkcyjnej nie jest wyznaczona.