凭什么相信回答真是这个模型给的？Anthropic 的零知识证明先给了一个笨办法

核心判断先说清楚：FlashProve 解决的不是“模型答得对不对”，而是“回答到底是不是你以为的那个模型给的”。这是个平时没人问、一旦出事就很要命的问题：你付钱调用旗舰模型，服务方悄悄换成便宜模型跑，你从回答质量上很难察觉。Anthropic 11 月 2 日开源的这套原型，第一次给出了一个数学上可验证的答案——代价是贵得离谱，离生产还很远，但方向是对的。

先把原理讲成人话。FlashProve 用的是零知识证明里的一种，叫 zkSNARK。流程分两步：第一步，模型提供方先把自己的权重做一个“承诺”，相当于给这套权重按了个指纹并公开，指纹本身不泄露权重；第二步，每次模型回答时，提供方附上一份证明文件，证明“这串输出 token，确实是那套被承诺过的权重、针对这个输入算出来的”。验证方不需要拿到权重，在一台普通电脑上就能验这份证明。权重、中间激活值、专家路由决策都保持保密，保密的是权重，不是模型架构——Anthropic 自己也说明，隐藏架构不是这个系统的目标。

数字要如实报，短板也要如实报。测试用的是 Meta 的 Llama 4 Maverick，4000 亿参数的 MoE 模型，每次回答只激活约 170 亿参数，4-bit 量化版，单张 H100 上跑。24 个请求的证明花了约 223 秒，折合约 110 token/秒，每份 1024 token 请求的证明约 19MB；证明的 GPU 开销大约是正常 vLLM 推理的 70 到 95 倍。注意这两个限制：目前只支持 MoE 模型、只覆盖整数版权重下的贪心解码，浮点运算和随机采样产生的结果，证明不一定对得上；上下文目前只到 1024 token。也就是说，它今天能证明的，是“某个特定配置下、某个短回答确实出自某套权重”，还不是“你在线上收到的每一次回答都可验”。

Anthropic 这次开源的诚意值得单独说一句：证明器、一个 C++ 快速验证器、一个用 Lean 形式化验证过的慢速验证器、协议规范、技术论文，全部以 Apache 2.0 协议放到了 GitHub。但诚实的地方也在这里：Lean 证明的是协议和 Lean 验证器本身，C++ 验证器只是“经过测试”，没有形式化定理背书；证明器本身也没有形式化工具兜底，靠传统审计；而且 Anthropic 明确说了，这只是研究原型，没有在任何地方部署的计划，甚至在仓库里标注为“不维护的研究产物”。把这套东西吹成“Anthropic 已经上线可验证推理”，就读过头了。

对普通开发者和做 agent 的人，这件事的实际意义分两层。第一层是“防偷换”的思路：以后评估一家模型服务商，除了跑分和价格，可以多问一句——你怎么证明给我看，跑的真是你说的那个模型？今天没有现成答案，但 FlashProve 给出了答案的形状：承诺 + 逐次证明 + 第三方可验。第二层是成本边界：70 到 95 倍的开销，决定了它现阶段只适合“值得为一次回答付高价去验”的场景，比如金融、医疗、法律这类高风险调用的抽查审计，或者监管取证，而不是给每一次聊天都附证明。先用在抽查上，成本降下来再谈全量。

这个结论在什么情况下要改：如果后续版本把开销压到个位数倍、覆盖浮点与采样解码、支持更长的上下文，那“可验证推理”就从研究原型变成可以谈采购的功能。在那之前，更准确的表述是：Anthropic 证明了“模型身份可验证”这条路走得通，也如实标出了它今天有多贵——贵到只能当研究，不能当产品。