截至11月4日，Anthropic已公开FlashProve研究原型，尝试在不公开模型权重的情况下，让用户核对AI回复是否来自指定的模型。用户无需拿到权重，但核对对象限于可信承诺绑定的权重与相应输出的关系。证明通过本身不说明权重属于谁，或对应哪个真实模型。
按项目说明，服务商先发布锁定一套权重的承诺标识，再为回复生成证明；用户可在普通CPU上检查证明，无需取得权重。仓库将0.16.0版标为研究成果，注明不维护、不接受贡献，采用Apache 2.0许可。
性能测试采用Llama 4 Maverick的第三方公开4-bit转换版本、单张H100 80 GB显卡和24个CPU核心，提示词长1,024 tokens，每份证明核对下一个token。24个请求一批时，稳定吞吐量为111.23±0.92 tokens/秒；这个数字计入提示词的全部token，不是聊天时生成新文字的速度，也不计启动和生成权重承诺的时间。
| 每批请求数 | 吞吐量（tokens/秒） |
|---|---|
| 1 | 17.41±0.15 |
| 8 | 76.34±0.37 |
| 24 | 111.23±0.92 |
数据：FlashProve性能文档；tokens/秒，提示词稳定吞吐量，均值±样本标准差（n=3），不含启动及生成承诺。
项目按每张GPU计算，24个请求一批生成证明比vLLM同时处理24个请求慢71.4倍，与测试过的vLLM最高负载相比慢93.0倍；对照使用同一模型的FP8版本、8张H100，计算不含启动和生成承诺。证明文件平均18.78 MB，C++验证器单线程检查约需21秒，不需要GPU。
承诺标识须来自可信方，不能取自受查服务器或随证明发来的文件。“WITHIN LIMITS”通过只表示输出符合策略限制，不等于回复就是模型输出。验证范围也有限：通过检查只覆盖指定的输出位置，证明针对量化、定点运算的整数模型，与原始浮点模型输出有多接近仍需测量。项目称C++验证器和CUDA证明生成器本身没有得到形式化证明，也尚无独立安全审计。
另一种做法是MoonshotAI公开的Kimi Vendor Verifier，用基准评测和直接调用API的检查程序核对部署是否满足模型准确性与功能要求。其检查包括采样参数约束、工具调用参数格式，以及服务商报告的提示词token数量是否符合预期。
茉莉花观察
这一节是茉莉花的看法，依据是上文的事实。
我们的分析用户需要同时核对模型身份和服务配置，不能把一种验证通过当成全部服务都合格。这是因为，FlashProve只覆盖指定计算和输出位置，Kimi的工具则另查参数、工具调用与计数；前者的证明不能代替后者的检查，用户遇到的错误也未必来自换模型。
不同看法证明昂贵，不等于没有用途，抽查仍可能帮助用户核对某次计算。这是因为，用户检查证明不用GPU，但服务商生成证明承担的成本很高；把少量抽查和每次回复都验证分开，才能判断谁付得起这笔成本。
展望我们判断，到2026年12月4日，Anthropic不会宣布为全部Claude API回答默认附带FlashProve证明。这是因为，原型目前核对的是Llama整数模型的指定输出位置，额外算力和验证范围都限制了直接覆盖全部在线服务。能检查一份证明，离每次付费调用都得到可靠证明，还有明确的成本与适用范围要交代。
综合爱范儿、Anthropic、MoonshotAI、中央社报道
