花顶配的钱调到缩水模型？Anthropic 开源的 FlashProve 能在 17 秒内验出来

用第三方 API 的人多少都犯过嘀咕：标着旗舰模型，回答怎么越来越水。这事一直查无实据，因为你拿不到人家的权重，也没法重跑一遍。

Anthropic 研究团队这周开源了 FlashProve，走的是零知识证明这条路。

流程分三步。模型上线前，在单张 H100 上花约 39 分钟给权重生成一个公开的”指纹”。每次推理后，GPU 附带生成一份约 19MB 的证明。用户拿到证明，在普通 CPU 上跑校验，17 秒出结果，全程不需要权重，也不需要显卡。

难点在规模。测试用的是 4000 亿参数的 Llama 4 Maverick，4-bit 量化后还有 232GB，单张 H100 显存才 80GB。他们钻了混合专家模型的空子：每个 token 实际只激活约 170 亿参数，证明量只跟这部分挂钩，权重放内存分段流式喂给 GPU。

更有意思的是这东西怎么写出来的。仓库里 95.2% 的代码是 Lean 4 形式化证明，体积约 398MB，114 页论文和底层实现几乎都出自 Claude。人类只和 AI 敲定 6 条安全定义，误拒率低于万亿分之一，造假概率低于 2 的 100 次方分之一，剩下的交给定理证明器把关。

先别高兴太早。FlashProve 目前是研究成果，没有商业部署计划。19MB 一次的证明也不是小数，高频调用的话，光传输和存储就够中转商喝一壶，何况对方根本没动力配合。真要落地，得有哪家大客户把”附证明”写进采购合同。

它保证的范围也有边界：证明的是这段输出来自那份权重。系统提示词这类输入有没有被人动过，公开材料里没细说。