Anthropic veröffentlichte FlashProve am 2. November 2026 als Open-Source-Forschungsprototyp. Das Verfahren soll kryptografisch belegen, dass ein festgelegtes Modell auf einen bestimmten Prompt die angegebenen Tokens erzeugt hat. Es prüft damit die Herkunft einer Ausgabe, nicht ihre Richtigkeit oder Qualität. Anthropics Forschungsankündigung
Was FlashProve tatsächlich belegt
FlashProve nutzt sogenannte zkSNARKs: kompakte kryptografische Beweise, mit denen sich eine Berechnung prüfen lässt, ohne die vertraulichen Modellgewichte offenzulegen. Der Beweis bindet die Ausgabe an ein Commitment der Gewichte, den Prompt und die behaupteten Tokens. Ein Prüfer kann den Beweis kontrollieren, ohne selbst die Gewichte zu erhalten.
Das Verfahren verbirgt auch Zwischenwerte der Berechnung, nicht aber die Architektur des Modells. Der Nachweis bezieht sich auf eine genau festgelegte Berechnung. Er bestätigt nicht, dass die Antwort wahr, sicher oder nützlich ist.
Der Testaufbau und Anthropics Messwerte
Anthropic testete FlashProve mit Meta Llama 4 Maverick, einem Mixture-of-Experts-Modell mit 400 Milliarden Parametern, von denen pro Token etwa 17 Milliarden verwendet werden. Zum Einsatz kamen öffentlich verfügbare 4-Bit-Gewichte. Für die Beweiserzeugung nutzte Anthropic eine H100-GPU und 24 CPU-Kerne; die Prüfungen liefen ohne GPU.
| Messung | Gemeldeter Wert | Testbedingungen |
| Beweise erzeugen | 223 Sekunden für einen Batch von 24 Anfragen; etwa 110 Tokens pro Sekunde; 18,78 MB je Beweis | Eine H100-GPU, 24 CPU-Kerne, Llama 4 Maverick mit 4-Bit-Gewichten |
| Beweise prüfen | 17 Sekunden mit 24 CPU-Threads; 21 Sekunden mit einem Thread | Keine GPU erforderlich |
| Aufwand gegenüber vLLM | 66- bis 77-mal so lange pro GPU, im Mittel etwa 72-mal; bei der höchsten getesteten vLLM-Last etwa 94-mal so lange | Vergleich mit vLLM auf acht H100-GPUs, ausgeführt mit der FP8-Version desselben Modells |
Die Zahlen stammen aus Anthropics eigenen Messungen. Der Vergleich zeigt den erheblichen Zusatzaufwand beim Erzeugen der Beweise; die Prüfung selbst ist deutlich weniger rechenintensiv. Das Commitment für ein Modell dauerte laut Anthropic etwa 39 Minuten und sollte für rund 16 Millionen Anfragen verwendbar sein, bevor ein neues nötig wäre.
Welche Grenzen der Prototyp hat
Der aktuelle Beweis gilt für eine ganzzahlige Version der veröffentlichten Gewichte und Greedy Decoding. Bei diesem Verfahren wählt das Modell jeweils das wahrscheinlichste nächste Token. Ausgaben mit Gleitkommarechnung oder zufallsbasierter Auswahl können von der bewiesenen Berechnung abweichen. Der unterstützte Kontext reicht bis zu 1.024 Tokens.
Auch die formale Absicherung hat eine Grenze: Anthropic veröffentlichte eine Formalisierung und einen Prüfer in Lean sowie einen schnelleren Prüfer in C++. Das Unternehmen garantiert jedoch nicht formal, dass das schnelle Programm exakt dem Lean-Protokoll entspricht. Zudem könnten Laufzeit-Seitenkanäle während der Beweiserzeugung Informationen über die Gewichte verraten; Anthropic zählt diesen Schutz nicht zum Umfang des Prototyps.
Forschungsprototyp statt Einsatzdienst
Anthropic veröffentlichte Code, Lean-Beweise und Dokumentation unter der Apache-2.0-Lizenz. Die für den Test verwendeten Llama-4-Maverick-Gewichte sind nicht Teil dieser Veröffentlichung; Nutzer müssen sie separat unter Metas Llama-4-Lizenz beziehen. Für das vollständige Beispiel sind außerdem eine leistungsstarke GPU-Maschine und Zugang zu Metas Tokenizern nötig.
TechCrunch berichtete am 3. November 2026, Anthropic habe damals keinen Einsatz von FlashProve bei sich oder einem anderen KI-Labor geplant.
