Anthropic presenteerde FlashProve als een open onderzoeksprototype dat met zkSNARKs controleerbaar maakt of een vastgelegd model de opgegeven outputtokens voor een bepaalde prompt heeft geproduceerd. De controleur kan het bewijs nagaan zonder de modelgewichten te ontvangen. De methode beoordeelt niet of een antwoord waar of van goede kwaliteit is. Anthropic beschreef de werking en testresultaten.
Wat FlashProve precies bewijst
FlashProve koppelt drie zaken aan elkaar: een cryptografische vastlegging van de modelgewichten, een prompt en de opgegeven outputtokens. Een zkSNARK is een compact cryptografisch bewijs waarmee een controleur een berekening kan verifiëren zonder de onderliggende geheime gegevens te zien. Bij FlashProve blijven de gewichten en tussenberekeningen verborgen, maar de modelarchitectuur niet.
Het bewijs gaat over de herkomst van de uitvoer: het laat zien dat het vastgelegde model de opgegeven tokens voor die prompt heeft voortgebracht. Daarmee wordt niet vastgesteld of de inhoud klopt, veilig is of bruikbaar is. Ook bewijst het systeem niet automatisch dat andere instellingen of varianten van de berekening zijn gebruikt.
De gemelde benchmark en de rekentijd
Anthropic testte FlashProve met Meta’s Llama 4 Maverick, een mixture-of-expertsmodel met 400 miljard parameters, waarvan er ongeveer 17 miljard per token actief zijn. De test gebruikte publiek beschikbare gewichten in 4-bit-formaat. Voor een batch van 24 verzoeken meldde Anthropic circa 223 seconden bewijsproductie, ongeveer 110 tokens per seconde en een bewijsbestand van 18,78 MB per verzoek.
| Meting | Resultaat van Anthropic | Testvoorwaarden |
| Bewijsproductie | Circa 110 tokens per seconde | Batch van 24 verzoeken; één H100-gpu en 24 CPU-cores |
| Grootte per bewijs | 18,78 MB | Test met Llama 4 Maverick |
| Verificatie | 17 seconden met 24 threads; 21 seconden met één thread | CPU; geen gpu nodig |
| Tijdsverschil met vLLM | Circa 72 keer langer per gpu, met uitkomsten van 66 tot 77 keer; circa 94 keer bij de hoogste geteste vLLM-belasting | Batch van 24; vLLM draaide de FP8-versie van hetzelfde model op acht H100-gpu’s |
De vergelijking laat zien dat controle relatief weinig gespecialiseerde hardware vraagt, terwijl het maken van het bewijs veel rekentijd kost. Anthropic rapporteerde dat de eenmalige voorbereiding van een modelcommitment ongeveer 39 minuten duurde en dat die vastlegging voor circa 16 miljoen verzoeken bruikbaar was.
Grenzen van het huidige prototype
Het bewijs geldt voor een exacte integer-versie van de gepubliceerde gewichten en greedy decoding, waarbij het model telkens het token met de hoogste score kiest. Uitvoer op basis van floating-pointberekeningen of willekeurige sampling kan van die bewezen berekening afwijken. De huidige contextlimiet is 1.024 tokens.
Anthropic levert een formalisering in Lean en een Lean-verificator, maar garandeert niet formeel dat de snellere uitvoerbare code overeenkomt met het Lean-protocol. Ook kan de timing van bewijsproductie informatie over de gewichten lekken; Anthropic rekent bescherming tegen zulke zijkanaalaanvallen niet tot de reikwijdte van deze release.
Anthropic publiceerde FlashProve op 2 november 2026 als open onderzoeksprototype, met code, Lean-bewijzen en documentatie onder de Apache 2.0-licentie. Het bedrijf omschreef het werk als tussentijdse onderzoeksvoortgang.
