Anthropic ha pubblicato FlashProve il 2 novembre 2026 come prototipo di ricerca open source: il sistema è progettato per dimostrare che un modello identificato da un commitment crittografico dei pesi ha prodotto determinati token in risposta a un prompt. La prova non valuta se la risposta sia vera o di qualità. Anthropic descrive il progetto e i suoi test.
Che cosa attesta la prova
FlashProve usa zkSNARK, una tecnica crittografica che consente di verificare una computazione senza rivelare i dati riservati usati per eseguirla. Il verificatore può controllare che il modello associato ai pesi impegnati abbia generato i token dichiarati per quel prompt, senza ricevere i pesi né i valori intermedi del calcolo.
La garanzia è circoscritta alla computazione dimostrata: non stabilisce che l’output sia corretto, sicuro o utile. Inoltre, la prova nasconde i pesi, ma non l’architettura del modello.
Il benchmark riportato da Anthropic
Per il test, Anthropic ha usato Llama 4 Maverick di Meta, un modello mixture-of-experts da 400 miliardi di parametri, con circa 17 miliardi attivi per token, e pesi pubblici a 4 bit. L’azienda riferisce di aver generato le prove per un batch di 24 richieste in circa 223 secondi, con una GPU H100 e 24 core CPU.
| Misura | Risultato riportato | Condizioni del test |
| Generazione delle prove | Circa 110 token al secondo; 223 secondi per batch | 24 richieste, una H100 e 24 core CPU |
| Dimensione di ciascuna prova | 18,78 MB | Test su Llama 4 Maverick |
| Verifica | 17 secondi con 24 thread; 21 secondi con un thread | CPU, senza GPU |
| Tempo aggiuntivo per generare le prove | Circa 72 volte per GPU (intervallo di 66–77); circa 94 volte al carico massimo testato | Confronto con vLLM che eseguiva la versione FP8 del modello su otto H100 |
| Preparazione del commitment | Circa 39 minuti; valido per circa 16 milioni di richieste | Fase eseguita una volta per il modello |
Questi sono risultati riportati da Anthropic. Nel confronto con vLLM, il divario riguarda il tempo di generazione delle prove per GPU nelle condizioni indicate; non è una misura universale del costo di ogni inferenza.
I limiti del prototipo
La prova copre una versione intera esatta dei pesi pubblicati e usa il greedy decoding, che seleziona a ogni passaggio il token più probabile. Output ottenuti con decodifica campionata o inferenza in virgola mobile possono divergere dalla computazione dimostrata. Il contesto supportato arriva a 1.024 token.
La generazione della prova è successiva all’inferenza e richiede quindi un’elaborazione aggiuntiva prima che l’utente possa verificarne il risultato. Anthropic segnala anche che il tempo impiegato per generarla potrebbe rivelare informazioni sui pesi attraverso canali laterali.
L’azienda accompagna il progetto con una formalizzazione e un verificatore in Lean, oltre a un verificatore C++ più veloce. Anthropic precisa che non offre una garanzia formale che l’eseguibile rapido corrisponda al protocollo formalizzato in Lean. I pesi usati nel test non fanno parte del rilascio di FlashProve.
