你调用某个 AI 模型，后台是否真的用了它，光看回答很难判断。Anthropic 公布 FlashProve，尝试让服务商随答案附上一份密码学证明：外部可以确认计算确由约定模型完成，而不必把整段计算重新跑一遍。这类“可验证推理”中的推理，指模型接收输入并生成输出的运行过程，不是人类式思考。
最具体的进展来自 Llama 4 Maverick——一个 4000 亿参数的混合专家模型。按 Anthropic 自述，在权重压缩为 4 位、输入处理采用整数运算的设置下，单张 H100 GPU 每秒可为约 110 个 token 生成证明；每次 1024 token 请求对应的证明约 19 MB。不过，证明所耗 GPU 时间仍是直接用 vLLM 运行模型的约 70 至 95 倍，离低成本部署还有距离。
FlashProve 采用 zkSNARK——一种既能证明计算正确、又可隐藏模型权重的零知识证明。Anthropic 还用形式化验证语言 Lean 写出顶层安全声明，方便审计其保证是否成立。团队已开放代码、证明和文档，并明确称这只是中期进展。