掏的是顶配旗舰的钱，调的是转售路由的API，后台真正干活的，却可能是个缩水的小模型。
这种「挂羊头卖狗肉」的暗箱操作，曾是整个大模型API供应链最隐秘的灰色地带。
没有权重、没有机房，哪怕后台半夜被偷梁换柱、掺水降智，开发者也只能干瞪眼吃哑巴亏。
今天，这条暗箱链条被一剑斩断！
就在刚刚，Anthropic联手零知识证明祖师爷级学者，公布大模型「可证明推理」重磅突破，正式开源密码学验真系统FlashProve！
从此，开发者无需信任任何中心化机构，也不用服务商交出半行权重代码。大模型每生成一条回答，都会被强制钉上一张数学级「出生证明」。
哪怕手头只有一台普通家用CPU，跑上17秒，就能用纯数学方式精准验出每一个Token是不是目标模型「亲生的」，任何偷换模型、半路篡改的把戏都将当场现形！
更绝的是，这次打造出FlashProve的核心主力，竟是Claude自己。
这一次，所有代码、Lean 证明、技术文档，全部以Apache 2.0协议开源。
按手印、开证明、秒级验真
终结大模型「套壳掉包」
平时觉得大模型突然「变笨了」，很多人会去质问模型「你到底是谁」，或者甩几道数学题去试探。
可模型自报家门的一句话本身就是后台生成的，算力负载与采样配置的微小波动也会改变回答，用户手里永远拿不到能把服务商钉死的铁证。
更让人后背发凉的场景，Anthropic写进了博客——
随着模型越来越强、能自我部署，一个更高级的模型完全可能顶替获批的弱模型上岗，再装成弱模型的样子，躲开本该施加在它身上的监控。
想要验明真伪，传统路子只有拿到权重自己重跑一遍，可前沿模型的权重是各家的命根子，普通人也根本养不起4000亿参数模型的机房。
为了在不看权重、不重跑模型的条件下解开这个死结，FlashProve把验真流程拆成了环环相扣的三步。
第一步，离线「按手印」。
模型上线前，服务商在单张H100上花约39分钟，用零知识编码给模型权重生成一串唯一的承诺ID并向全网公开。这串ID就像权重的数字DNA指纹，哪怕偷偷改掉一个参数都对不上；但外界光看指纹，绝无可能反推出权重长什么样。
第二步，在线「开证明」。
每处理完一次对话请求，服务商的GPU就会顺手生成一份约19MB的密码学证明，用来证实这段输出确实是由那个按过手印的模型算出来的。
第三步，客户端「验真伪」。
任何用户或审计机构拿到回答后，在普通CPU上运行验证程序cp_verify，17秒就能拿到「真」或「假」的判决，全程既不要权重，也不要GPU。
撑起这套魔法的底层引擎，正是密码学界大名鼎鼎的zkSNARK（零知识简洁非交互式知识论证）。
验证者只需要像老师抽查作业一样，随机翻看几处，就能以极高概率抓到破绽。
为了把一次推理拆成能抽查的形式，每个请求背后要跑大约2000个名为sumcheck的子协议。
更硬核的是，它的安全性只依赖哈希函数BLAKE2，不靠椭圆曲线这类代数结构，甚至被认为能扛住未来的量子计算机攻击。这套密码学路线，也早已在Starknet这类以太坊二层网络里久经实战。
原理说通了，真正的难关在后面：这么重的证明，能不能在一个4000亿参数的大模型上跑得动？
单张H100狂飙5500倍
80GB显存吞下4000亿巨兽
答案是：能，而且只用一张H100。
团队测试对象是Meta的Llama 4 Maverick，4000亿参数的混合专家（MoE）模型，每个Token实际激活约170亿参数。
FlashProve充分利用了这一特性：证明器在生成计算轨迹时，工作量只跟那170亿真正干活的参数成正比，省去了95%以上的无效陪跑。
更妙的是，为了防止外界通过「哪几个专家被激活」反推出模型权重的秘密，系统用零知识编码把路由选择藏进了一个指示向量里，验证器在核对时是对所有专家做加权求和，既省下了海量算力，又能保密模型内部的运转路径。
模型4-bit量化后的权重足足有232GB，而单张H100的显存只有80GB，硬塞肯定当场爆显存。
如果把整个推理过程的计算轨迹一次性打包，再豪华的显卡也扛不住。
于是，团队把权重放在主机内存里，分段送进GPU，逐段完成计算与证明。
H100在工作时像流水线一样，每次只从内存里流式读取一个片段的权重，算完立刻在显存里完成编码、哈希与归约，只把极少量需要传递给下一段的数据留存下来。
靠着这种「吃完一段、消化一段」的流式接力，单张80GB显卡硬是把232 GB的庞然大物啃了下来。
114页论文无人通读
Claude包揽400MB数学证明
看到这里你大概会好奇，如此精密繁复的密码学协议与GPU加速工程，究竟耗费了多少名密码学博士的心血。
点开FlashProve的GitHub开源主页，右侧的语言统计栏立刻暴露出这个项目的反常之处。
整个仓库里，C++代码只占1.4%，Python占1.3%，CUDA占0.9%，而高达95.2%的代码（足足398MB）全部是用Lean 4数学证明语言写成的。
一个大模型推理仓库里为什么会塞满近400MB的数学证明，随仓附带的114页协议规范论文在第51页给出了答案。
人类学者在这项工程里只负责指明方向，从这篇114页的密码学论文、23页技术报告，到C++与CUDA底层代码，再到近400MB的Lean形式化证明，几乎全部出自Claude之手。
不光是写代码和写论文，项目里每一次测试、运行、对比、推算和代码审校，也全都由AI包揽；凡是文中出现「经阅读」「手工算得」「据汇报」的地方，那个读者、计算者和汇报者全都是AI。
密码学代码向来是软件工程里最脆弱的禁区，哪怕一个符号写反、一处随机数掩码漏掉，整座安全大厦就会瞬间坍塌。
Claude很擅长在庞大的系统里寻找优化路径，但它在底层做出的成千上万个复杂决策，人类专家根本不可能靠肉眼逐行审完。
既然人类审不过来，Anthropic干脆请出数学界的铁面判官Lean 4。
在这里，写进去的每一步数学推导都要经过编译器内核逐行核对，错一处都过不了关。
在整个项目里，人类科学家省去了审核上亿行中间推导的苦功，只跟AI一起敲定了最顶层的6条安全定义，把三件事钉成了铁律。
完备性。只要服务商老老实实按承诺的权重跑模型，生成的证明就一定能通过核验，被误伤拒绝的概率不到万亿分之一。
知识可靠性。如果服务商拿假模型冒充、或者偷改了一个Token，造假蒙混过关的概率不到2的100次方分之一，在数学上等同于不可能。
零知识。不管客户端拿着证明核验多少次，证明文件都不会向外泄露半点模型权重。
只要这几条顶层定理「说的是对的」，中间那近400MB的繁琐归约哪怕人类一眼不看，Lean 4的内核也已经替人类把住了关。
更有趣的是，就连这个仓库的打开方式，也告别了传统的人类程序员手册。
README开篇写明「专为Agent运行而建」，并附上了现成的提示词与AGENTS.md规范。
密码学祖师爷下场，AI跨入「数学铁律」纪元
站在更高的时间坐标上回望，FlashProve的诞生引爆了深远的技术合流。
它带来的是「AI造系统、Lean保真伪」的全新工程范式。
面对近400MB证明代码、114页公式推导的密码学工程，碳基大脑的阅读极限已经被击穿。
在FlashProve里，人类省去了逐行审读C++优化和繁琐引理的苦功，只死守那6条顶层定理的定义权，让AI去攀登最险峻的工程与数学绝壁，再让形式化验证器做铁面无私的守门人。
人类定下公理的边界，AI穷尽推理的迷宫，数学给出终极的审判。这正是人类通往超级智能之路上，最硬核的一张安全契约。
本文来自微信公众号“新智元”，作者：ASI启示录，编辑：摩西 桃子