KI SpotlightNewsAnthropic veröffentlicht FlashProve: Ein Beweis soll zeigen, dass eine Antwort vom committeten Modell stammt
Der Open-Source-Prototyp belegt per zkSNARK, dass eine Antwort aus geheimen, vorab festgelegten Gewichten stammt. Die Zahlen gelten für das Prefill. Einzelne Angaben in den Quellen weichen voneinander ab.
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- Anthropic veröffentlichte FlashProve als Open-Source-Forschungsartefakt, Apache 2.0, Version 0.16.0.
- FlashProve wird nicht gewartet und nimmt keine Beiträge an.
- Anbieter veröffentlichen ein Commitment auf ihre Gewichte und versehen jede Antwort mit einem Beweis.
- Das Verfahren ist ein hashbasiertes Commit-and-Prove-Argument; die Gewichte bleiben verborgen.
- Demonstriert auf Llama 4 Maverick (400B Parameter) mit 4-Bit-Gewichten auf einer 80-GB-H100.
Anthropic veröffentlicht FlashProve: Ein Beweis soll zeigen, dass eine Antwort vom committeten Modell stammt
Anthropic hat zusammen mit Forschenden von EPFL, MIT, StarkWare und Succinct den Forschungsprototyp FlashProve unter Apache 2.0 veröffentlicht. Die Version trägt die Nummer 0.16.0. Das Repository wird nicht gewartet und nimmt keine Beiträge an.
Autoren sind Roy Rinberg und Alex Allain (Anthropic), Alessandro Chiesa (EPFL, StarkWare), Miranda Christ (MIT), Rahul Dalal (Succinct), Giacomo Fenzi (EPFL), Ben Mayer (MIT) und Guy Weissenberg (EPFL). Laut i10x steht Anthropics Frontier Red Team dahinter. Die übrigen Quellen nennen diese Angabe nicht.
Das Prinzip ist einfach. Der Anbieter veröffentlicht ein Commitment auf seine Gewichte und versieht jede Antwort mit einem Beweis, dass sie vom committeten Modell stammt. Die Gewichte bleiben verborgen, die Architektur nicht. So ließe sich etwa prüfen, ob ein Routing-Dienst heimlich ein günstigeres Modell einsetzt oder ob jemand den Token-Strom manipuliert. Die Soundness des hashbasierten Verfahrens ist in Lean 4 bewiesen. Anthropic hält zkSNARKs dafür für „uniquely fit“ und verweist auf starke Hiding- und Effizienzeigenschaften. Das ist eine Herstellerbehauptung. Einen Vergleich mit anderen Ansätzen enthält das Material nicht.
110 Token pro Sekunde gelten fürs Prefill, ein Beweis wiegt 19 MB
Demonstriert wurde FlashProve an Llama 4 Maverick. Das Mixture-of-Experts-Modell hat 400 Milliarden Parameter, überwiegend 4-Bit-Gewichte und rechnet mit Integer-Arithmetik auf einer einzelnen 80-GB-H100. Die genannten rund 110 Token pro Sekunde beschreiben laut Repository die Beweiserzeugung beim Prefill, bei 24 Anfragen pro Batch und 1.024 Token Kontext. Es handelt sich nicht um die Generierungsgeschwindigkeit.
Ein Beweis ist rund 19 MB groß. Die Prüfung dauert auf einer normalen CPU zwischen einigen Sekunden und etwa 20 Sekunden und kommt ohne Kenntnis der Gewichte aus. Einmalig fallen rund 6,5 MB für den Commitment-Download an. Das Beweisen kostet etwa das 70- bis 95-Fache der GPU-Zeit einer Inferenz mit vLLM.
Bei den Zahlen widersprechen sich die Quellen. i10x nennt 20 bis 93 Mal und 21 Sekunden auf einem CPU-Thread. Bankless gibt 17 bis 21 Sekunden an, andere Angaben beziehen sich auf 24 Threads. Auch i10x' Lesart, ein Beweis decke nur einen Ausgabetoken ab, passt nicht zu „pro 1.024-Token-Anfrage“. Die Frage ist offen. Die Aussage, FlashProve sei „Größenordnungen schneller“ als bisheriges zkML, stammt allein aus einer Herstellerangabe. Einen Vergleich liefert das Material nicht.
Nicht gewartet, auf 1.024 Token Kontext und Greedy-Decoding begrenzt
Die Einschränkungen wiegen schwer. Der Kontext ist auf 1.024 Token begrenzt, zulässig ist nur Greedy-Decoding, und unterstützt werden nur Integer- beziehungsweise MoE-Modelle. Schutzmaßnahmen gegen Seitenkanäle fehlen, die Architektur bleibt sichtbar. Eine einzelne Anfrage wartet laut Bankless rund fünf Minuten auf ihren Batch.
Der Beweis belegt nur, dass das committete Modell ausgeführt wurde. Ob die Antwort korrekt, sicher oder unvoreingenommen ist, sagt er nicht.
Laut i10x, der einzigen Quelle dazu, schrieben KI-Systeme Paper und Code. Menschen haben beides bislang nicht unabhängig geprüft. Über die C++-Programme sei nichts bewiesen. Anthropic nennt als mögliche Anwendungen Verbraucherprodukte, interne Sicherheit und einen Baustein zur Prüfung von „AI pacing requirements“.
FlashProve bleibt damit ein Forschungsprototyp und noch kein produktionsreifes Werkzeug. Aus der Veröffentlichung ergibt sich für niemanden ein unmittelbarer Handlungsbedarf.
