Anthropic研发FlashProve：用密码学为AI模型验明正身

Anthropic在周二发布的研究博客中透露，团队正在开发一套名为FlashProve的开源系统，用于确认一段AI输出究竟由哪个模型生成。

用户最终拿到的将是一份能用密码学方法核验的“出身证明”，文字本身只是被证明的对象。研究团队把这种能力称为可证明推理。

原理接近电子邮件的数字签名：收件人据此判断邮件是否真由声称的发件人寄出。FlashProve想解决的是同一件事——你怎么知道自己调用的真是那个模型。

研究者在博客里列出几种场景。一家AI公司可能为了压成本，悄悄把用户请求转给更便宜的模型；也可能为了把评测成绩做得好看，临时换上更贵的模型。

另一种情况来自第三方。某开发者宣称自己的软件库已被前沿网络安全模型扫描过漏洞，某公司宣称商业计划书经过某个模型把关——这类说法此前几乎无法自证。

FlashProve的设计目标是：即便冒名者就是模型的开发方本身，也能被识别出来。这是整套方案最关键的地方。

系统运转的前提，是模型厂商为每个发布的模型公开一份密码学指纹。输出产生后，指纹可与具体结果做密码学比对，判断两者是否对应。

指纹不暴露模型权重——那些决定模型行为、被Anthropic和OpenAI这类闭源厂商视为核心资产的内部数值。

厂商不必交出看家本领，也能参与这套AI模型身份验证机制，商用闭源模型因此同样适用。

团队还强调系统足够轻量，核验可在本地设备上完成，不必把数据送去第三方。发布内容包含详细技术规范和部分可运行代码，以开源许可放在GitHub上。

为整次推理生成密码学证明并非新想法，但把一次完整的前向计算证明出来，开销大到很难在真实服务里跑。指纹比对是一条更务实的折中路线。

代价是信任的起点仍在厂商：指纹由厂商自己发布，系统能锁死“发出去的指纹对应哪个模型”，却锁不住“这个模型是否真有宣传的那么强”。

它可以防住事后偷换模型，防不了事前吹牛。对采购方而言，这依然比现在只凭口碑和合同要前进了一步。

内容溯源领域已有类似尝试。C2PA标准为图片、音视频附加来源信息，谷歌则为生成内容嵌入水印；文本的输出验证一直更难，可用于藏水印的冗余空间很有限。

Anthropic明确表示，这项研究仍在进行，公司自身和其他实验室都没有部署计划。博客把这次公开定位为阶段性进展，而非完整的研究议程。

“我们把工作摆出来，是希望别人拿走它、改进它。”研究者的这句话，透露出开源策略的现实考量：一套验证机制若只有一家厂商支持，说服力相当有限。

真正的难题不在算法，而在生态。指纹由谁登记、如何防止厂商为同一模型出具多份不同指纹、跨厂商比对时以谁为准，都需要行业共识甚至监管介入。

欧盟AI法案对通用模型设有透明度义务，企业采购清单也越写越细，都在逼行业给出可核查的答案。FlashProve目前只是备选之一。

企业级市场的逻辑也在变。模型能力差距收窄后，采购方更在意能不能审计、出了事能不能追责，可验证性正从技术细节变成谈判筹码。

普通用户短期内感受不到变化。真正盯着这套东西的，是那些按用量付费、要在合同里写清“你用的到底是不是这个模型”的企业客户，以及被冒名顶替过的开发者。