Med FlashProve kan en vanlig CPU verifisere på 17–21 sekunder hvilken KI-modell som svarte

Med FlashProve kan en vanlig CPU verifisere på 17–21 sekunder hvilken KI-modell som svarte

Anthropic publiserte tidlig i november 2026 forskningsposten «Progress on provable inference for large language models» og åpnet koden for FlashProve under Apache 2.0-lisensen: en forskningsprototyp som lar en mottaker kryptografisk verifisere at et gitt svar faktisk ble generert av en spesifikk språkmodell. Kostnaden er foreløpig høy — omtrent 70–95 ganger beregningstiden for vanlig kjøring — og Anthropic understreker at dette er forskning, ikke et produkt.

Hva som har skjedd

Anthropic kunngjorde systemet FlashProve i en forskningspost publisert tirsdag i begynnelsen av november 2026, ifølge TechCrunchs rapportering. Kildene er noe uenige om nøyaktig dato: Shattered.io daterer utgivelsen til 2. november, med en oppdatering 3. november, mens Mint oppgir tirsdag 3. november. Det trygge er altså spennet 2.–3. november.

Systemet gir det forskerne kaller «provable inference» — et kryptografisk bevis, i praksis en matematisk garanti, for at et gitt svar kom fra en spesifikk modell. Sammen med kunngjøringen ble en detaljert teknisk spesifikasjon og fungerende kode sluppet på GitHub under Apache 2.0-lisensen, ifølge Benzinga.

Arbeidet er gjort sammen med forskere tilknyttet MIT, EPFL og StarkWare. Én kilde (MSN-syndisert rapportering) oppgir også Succinct som samarbeidspartner, mens Shattered.io ikke nevner selskapet; den fullstendige forfatterlisten er ikke bekreftet i det tilgjengelige kildematerialet.

Slik fungerer ordningen

Mekanismen har to deler: et fingeravtrykk og et nullkunnskapsbevis.

For det første krever systemet at KI-lab-en publiserer et kryptografisk «fingeravtrykk» for hver modell den slipper. Fingeravtrykket kan senere matches mot konkrete svar og verifiseres kryptografisk. Det avgjørende er at fingeravtrykkene ikke avslører modellens vekter — de interne tallene som definerer hvordan modellen oppfører seg, og som lab-er som Anthropic og OpenAI holder hemmelige. Det betyr at også leverandører av lukkede modeller kan delta uten å eksponere eiendomsbeskyttede parametere.

For det andre bygger selve beviset på en zkSNARK — en nullkunnskapsbevis-teknikk som gjør at beviset kan vise at beregningen ble utført av den angitte modellen, uten å røpe noe annet om den. Ifølge TechCrunch-rapporteringen er ordningen, på samme måte som kryptografiske e-postsignaturer, robust mot bedragerforsøk som forsøker å forkle én modell som en annen — selv når bedrageren er lab-en som bygde og drifter modellen.

Repoet inneholder, ifølge Shattered.io som siterer Help Net Security, tre kjørbare programmer: prover-en (som genererer beviset), en rask verifikator skrevet i C++, og en andre verifikator skrevet i Lean — bevisassistenten teamet brukte til å formulere og bevise protokollens completeness-, soundness- og zero-knowledge-egenskaper. Verifikasjonen er i tillegg designet for å kunne kjøre på brukerens egen maskin, ifølge Mint.

Hvorfor det er relevant

Ordningen retter seg mot et problem som er vanskelig å oppdage fra utsiden: en leverandør kan i prinsippet bytte ut en dyr frontier-modell med en billigere og svakere, mens brukeren får samme svar i grensesnittet. Med FlashProve kan brukeren bekrefte at svaret faktisk kom fra modellen som ble lovet, ikke en billigere erstatning, ifølge NEWS.am TECH som siterer TechCrunch.

Anthropic-forskerne peker selv på bruksscenarioer utenfor eget bruk. «En utvikler kan hevde at programvarebiblioteket deres ble skannet for sårbarheter av en frontier-modell for cybersikkerhet, eller et selskap kan hevde at forretningsplanen deres ble godkjent av en passende modell», skriver forskerne, ifølge TechCrunchs rapportering av kunngjøringen.

Tallene og begrensningene

Teamet har benchmarket FlashProve på Llama 4 Maverick, en Mixture-of-Experts-modell med 400 milliarder parametere, mot vLLM som kjører samme modell i FP8 på åtte NVIDIA H100-GPU-er. Tallene, som er kjent via sekundærkilder som siterer Anthropics egen benchmark, er:

• Beregningskostnad: omtrent 72 ganger per GPU på tvers av kjøringer, og omtrent 94 ganger ved høyest testede last, ifølge Shattered.io. Andre kilder oppgir samme resultat som «72 til 95 ganger» (MSN) eller «rundt 70 til 95 ganger» (Bankless); variasjonen ser ut til å handle om avrunding, men det presise intervallet bør verifiseres mot Anthropics egen post.
• Hastighet: bevisgenereringen kjører på omtrent 110 tokens per sekund på én H100, ifølge både MSN og Bankless.
• Bevisstørrelse: rundt 19 MB per forespørsel på 1 024 tokens.
• Verifikasjon: en vanlig CPU, slik som i en vanlig hjemme-PC, kan sjekke et bevis på omtrent 17 til 21 sekunder, ifølge Bankless; MSN oppgir rundt 17 sekunder på en standard hjemmemaskin.

Begrensningene er betydelige. Anthropic beskriver FlashProve som en tidlig forskningsprototyp begrenset til samtaler på 1 024 tokens. Bankless rapporterer i tillegg at en enkelt forespørsel venter omtrent fem minutter på sin sats (batch) — et detalj som står kun i denne kilden og ikke kan krysskontrolleres mot de øvrige kildene.

Status: forskning uten utrullingsplaner

Anthropic ramer bevisst hele utgivelsen inn som forskning og mellomsteg, ikke som et produkt. Ifølge TechCrunchs rapportering av forskernes kunngjøring pågår forskningen videre, og det finnes ingen planer om å ta systemet i bruk hos Anthropic eller hos noen annen lab.

Det betyr at det i dag ikke finnes noen praktisk måte å få kryptografisk bevis på svar fra Claude eller andre kommersielle modeller via FlashProve — prototypen er demonstrert på Llama 4 Maverick. Én praktisk detalj til: Bankless rapporterer at Anthropic sier det ikke vedlikeholder repoet, også det en opplysning som står kun i denne kilden.

De åpne spørsmålene før dette blir praktisk brukbart er dermed konkrete: kostnadsreduksjon fra dagens 70–95 ganger, håndtering av lengre kontekster enn 1 024 tokens, og — hvis ventetiden i Bankless-rapporteringen stemmer — latensproblematikken rundt batching. I tillegg krever ordningen at lab-er faktisk publiserer fingeravtrykk per modell og genererer bevis per svar, noe ingen lab per i dag har forpliktet seg til. Hva som må til for at det skjer, er ikke noe kildematerialet besvarer; Anthropic selv framstiller utgivelsen som en invitasjon til eksterne utviklere om å teste og forbedre teknologien.