FlashProve es un prototipo de investigación abierto que permite comprobar si un modelo identificado por el compromiso de sus pesos produjo determinados tokens a partir de una entrada. La prueba oculta los pesos y los cálculos intermedios, pero no la arquitectura; tampoco determina si la respuesta es verdadera o de calidad. Anthropic publicó el sistema el 2 de noviembre de 2026 y explicó su funcionamiento y sus resultados.
Qué comprueba FlashProve
El sistema usa pruebas criptográficas de conocimiento cero, una técnica que permite verificar una afirmación sin revelar ciertos datos secretos que la sustentan. En FlashProve, la afirmación concreta es que un modelo comprometido, al procesar una entrada determinada, generó los tokens indicados. Quien verifica la prueba no necesita recibir los pesos del modelo.
Ese alcance importa: la prueba trata sobre la procedencia de la salida, no sobre su verdad, seguridad o calidad. La arquitectura del modelo sigue visible. Además, FlashProve genera las pruebas después de la inferencia, de modo que la comprobación llega más tarde y exige repetir cálculos.
Qué midió Anthropic y cuánto cálculo exige
Anthropic probó FlashProve con Llama 4 Maverick, de Meta, usando pesos públicos de 4 bits. En esa prueba, una GPU H100 y 24 núcleos de CPU generaron comprobantes para un lote de 24 solicitudes en unos 223 segundos, a cerca de 110 tokens por segundo. Cada prueba ocupó 18,78 MB.
La generación fue mucho más costosa en tiempo que la inferencia de referencia. Frente a vLLM ejecutando la versión FP8 del mismo modelo en ocho H100, Anthropic midió entre 66 y 77 veces más tiempo de cálculo por GPU para probar el lote de 24 solicitudes, con un valor medio aproximado de 72 veces. En la carga más alta que probó para vLLM, la diferencia fue de unas 94 veces.
| Operación | Resultado comunicado por Anthropic | Condiciones |
| Generación de pruebas | Unos 223 segundos; cerca de 110 tokens por segundo | 24 solicitudes; una H100 y 24 núcleos de CPU; Llama 4 Maverick con pesos de 4 bits |
| Tamaño de cada prueba | 18,78 MB | Prueba de Llama 4 Maverick |
| Verificación | 17 segundos con 24 hilos; 21 segundos con uno | CPU; no hace falta una GPU para verificar |
| Comparación con vLLM | Entre 66 y 77 veces más tiempo por GPU; unas 94 veces con la carga máxima probada | vLLM ejecutó la versión FP8 de Llama 4 Maverick en ocho H100; lote de 24 solicitudes |
| Compromiso del modelo | Unos 39 minutos de preparación; válido para unos 16 millones de solicitudes | Preparación previa para cada modelo comprometido |
La verificación puede hacerse en una CPU, pero eso no vuelve ligera la generación de las pruebas: son etapas distintas y sus costes también. Anthropic plantea así una compensación clara entre poder comprobar la procedencia de una salida y el tiempo de cálculo necesario para producir esa comprobación.
Los límites del prototipo
La prueba actual corresponde a una versión entera exacta de los pesos publicados y a la decodificación codiciosa, que elige en cada paso el siguiente token con mayor probabilidad. La generación aleatoria y la inferencia en coma flotante pueden producir resultados distintos de los que cubre la prueba. El contexto máximo es de 1.024 tokens.
Anthropic también describe límites en la garantía del software. El equipo publicó una formalización y pruebas del protocolo en Lean, además de un verificador escrito en Lean y otro más rápido en C++. Sin embargo, Anthropic no garantiza formalmente que el ejecutable rápido coincida con el protocolo Lean; la empresa señala que auditar las afirmaciones formales y el código ejecutable sigue siendo necesario. La propia generación de pruebas también podría filtrar información sobre los pesos mediante el tiempo que tarda, un canal lateral que queda fuera del alcance de esta versión.
Estado de FlashProve
Anthropic publicó FlashProve como prototipo de investigación de código abierto, no como un servicio comercial. El 3 de noviembre de 2026, TechCrunch informó que Anthropic no tenía planes de desplegarlo en sus propios laboratorios ni en otros.
