Publié le 2 novembre 2026, FlashProve est un prototype de recherche open source d’Anthropic conçu pour prouver qu’un modèle précis a produit certains tokens à partir d’une invite donnée. La preuve protège les poids du modèle, mais elle ne certifie ni la vérité ni la qualité de sa réponse. Dans son essai, Anthropic rapporte une génération d’environ 110 tokens par seconde avec un coût de calcul nettement supérieur à celui de l’inférence ordinaire. (Anthropic)
Ce que la preuve relie
FlashProve utilise des zkSNARK, des preuves cryptographiques succinctes à divulgation nulle de connaissance. Un engagement cryptographique identifie les poids du modèle; le vérificateur peut alors contrôler que ce modèle, appliqué à une invite, a produit les tokens annoncés, sans recevoir les poids ni les valeurs intermédiaires du calcul.
Cette garantie porte sur la provenance de la sortie, pas sur son contenu : une preuve valide ne dit pas si la réponse est vraie, sûre ou de bonne qualité. L’architecture du modèle reste également visible.
Le coût du calcul selon Anthropic
Anthropic a testé FlashProve avec Llama 4 Maverick de Meta, un modèle à mélange d’experts de 400 milliards de paramètres, dont environ 17 milliards sont actifs par token. Le test utilisait des poids publics quantifiés sur 4 bits. Voici les résultats rapportés par Anthropic :
| Mesure | Résultat rapporté | Conditions |
| Génération d’un lot de preuves | 223 s pour 24 requêtes | Un GPU H100 et 24 cœurs CPU; Llama 4 Maverick avec des poids publics sur 4 bits |
| Débit de génération | Environ 110 tokens/s | Même test par lots de 24 requêtes |
| Taille d’une preuve | 18,78 Mo | Même test |
| Vérification | 17 s avec 24 fils d’exécution; 21 s avec un seul | Aucun GPU requis |
| Préparation de l’engagement sur le modèle | Environ 39 min; réutilisable pour quelque 16 millions de requêtes | Une préparation par modèle engagé |
| Temps de génération par GPU face à vLLM | Environ 72 fois plus long (66 à 77 fois selon les essais); environ 94 fois à la charge vLLM maximale testée | Comparaison avec vLLM exécutant la version FP8 du même modèle sur huit H100 |
Les rôles sont très différents : générer les preuves coûte cher, tandis que les vérifier ne demande pas de GPU et a pris 17 secondes avec 24 fils d’exécution dans le test. La comparaison avec vLLM porte sur les conditions précises indiquées dans le tableau; ce n’est pas une mesure universelle du coût de FlashProve.
Une portée limitée par le modèle et le décodage
La preuve actuelle concerne une version entière exacte des poids publiés et le décodage glouton, qui choisit à chaque étape le token le plus probable. Une génération avec échantillonnage ou une inférence en virgule flottante peut diverger de ce calcul. Le contexte est limité à 1 024 tokens.
La preuve elle-même protège les poids, mais le temps de génération peut créer des fuites par canal auxiliaire. Anthropic indique que ce risque ne relève pas du périmètre de cette version. Le projet comprend aussi une formalisation et un vérificateur en Lean; toutefois, Anthropic ne garantit pas formellement que l’exécutable rapide en C++ corresponde au protocole Lean. Le code rapide et la formalisation ne constituent donc pas une garantie d’équivalence entre les deux.
