FlashProve 可驗證推論登場，如何確認 AI 回覆來自你選的模型？

在模型選單裡按下某個名稱，通常只能相信平台照約定提供服務。FlashProve 想讓這份信任多一項可檢查的依據，讓回覆附上一份與模型綁定的密碼學證明。

這對透過第三方平台購買模型的團隊尤其重要。因為回答寫得流暢，很難從文風判斷平台是否換了模型，安全評測者也需要確認受測版本與實際供應版本一致。

Anthropic 在 2026 年 11 月 2 日公布研究，並於台灣時間 11 月 4 日透過官方帳號介紹。實驗使用 Meta 的 Llama 4 Maverick，讓普通處理器也能檢查一份由大型模型運算衍生的證明。官方研究

產生證明仍然昂貴，所以這項技術較適合先用於研究、模型抽查與稽核。對採購者而言，最先需要理解的，是證明能把哪一份模型、哪一個輸入與哪個輸出連起來。

FlashProve 可驗證推論解決哪一種模型信任問題？

FlashProve 要處理的是回覆來源。推論指模型接收輸入並產生輸出的運算，可驗證推論則讓外部使用者檢查這次運算是否符合事先約定的模型。

模型權重是訓練完成後的核心參數，決定模型如何處理輸入。供應商先為這些參數產生一份承諾，這份承諾可以理解為綁定特定版本的指紋，後續證明都要對上它。

這樣做的好處，是查驗者可以保有很少的運算資源。因為他手上拿到的是可快速檢查的證據，所以不必取得整份模型，再花同樣的算力重跑一次。研究流程

第三方路由服務為何需要這種證據？

路由服務會把請求轉交不同模型供應商，替使用者整合帳務與介面。如果你依某個模型的能力付費，採購契約就需要明確綁定實際供應版本。

過去，帳單、服務紀錄與供應商聲明是重要依據。多一份與權重綁定的證明，能增加獨立查核的方式，也方便比較不同時段的服務是否符合相同約定。

安全評測也有相同需求。因為評測結論只對受測版本成立，所以測試前後能否持續確認版本，會影響結果可以適用的範圍。

但這一切都從可信的模型指紋開始。若查驗者只向待查平台索取指紋，再讓同一平台解釋它代表哪個模型，身分對照仍然缺少外部依據。

官方儲存庫因此要求，真實查驗所用的承諾識別碼要來自使用者信任的一方。這把密碼學運算與模型版本管理接在一起，也說明導入工作需要採購和工程共同參與。承諾來源及查驗規則

一份證明如何綁定模型、輸入和輸出？

流程分成預先承諾與事後證明兩個階段。供應商先固定模型版本，再針對指定輸入及對應輸出產生證明，查驗者用公開的承諾檢查這份關係。

研究採用零知識證明技術。白話來說，目標是在揭露特定計算結果的同時，保留供應商模型參數的秘密，讓商業模型也有機會接受外部查核。

這裡的查核範圍需要寫進介面規格。模型、提示文字、輸出 token 和運算規則都要一致，因為只要少固定其中一項，就可能是在檢查另一個不同的運算問題。

Token 是模型讀寫文字時使用的單位，可能是一段字、一個字或符號。這次吞吐實驗以 1,024 個 token 組成請求視窗，每份證明檢查一個輸出 token，所以視窗長度和被證明的輸出數量要分開讀。實驗設定

為什麼運算方式也要固定？

同一份模型可以用不同數值格式執行，也可以用不同規則選下一個字。這次證明對應的是整數版本的模型，以及每一步選擇最高分 token 的貪婪解碼。

如果服務改用隨機抽樣，同一個提示可能得到不同句子。如果改用浮點運算，數值誤差也可能改變某一步的最高分選擇，所以服務端的設定必須和證明涵蓋的規則對齊。

實務上，團隊需要保存足以重建請求的紀錄，包括模型版本、輸入內容與運算設定。這些資料讓查核結果能被重做，也方便在失敗時辨認是哪個環節不一致。

這是將技術放進工作流程後的推論。供應商若要讓證明有採購價值，就需要把身分、設定與請求紀錄整理成可交接的資料，而價格則取決於產生證明的額外成本。

每秒 110 token 與 70 至 95 倍成本怎麼一起理解？

產生證明與檢查證明的負擔差距很大。FlashProve 的實驗顯示，大型模型的計算可以轉成相對容易檢查的檔案，但供應商需要付出明顯增加的算力時間。

實驗模型採混合專家設計，會依輸入啟用部分專家子網路。這讓每一步實際計算的參數少於模型總參數，下表把主要數字依使用者角色拆開，方便判斷成本落在哪一端。

表中的每秒 110 token 來自已完成內容的批次證明處理。因為系統採事後證明，所以這個數字要和聊天時逐步產生新字的速度分開理解。效能說明

為什麼不能直接拿倍數估算自己的帳單？

官方比較涉及不同量化版本和設備配置。證明實驗使用公開的 4 位元權重，作為比較的 vLLM 推論採 FP8 版本，並以多張 H100 執行，再換算每張 GPU 的時間。

這個倍數可以描述研究的成本量級，但換成商業帳單還需要加入硬體利用率、主機資源、資料傳輸與服務定價。因此，採購者可以用它理解額外負擔，再向供應商取得具體報價。

證明檔的大小也值得計入。若每一份檔案都需要跨網路傳輸和長期保留，查驗頻率就會同時影響算力、儲存和下載量，三者要放進同一張成本表。

這也讓抽樣查驗成為值得研究的導入方式。團隊可以先挑高價值請求，確認身分鏈及錯誤處理是否完整，再決定要擴大哪些情境。

Lean 形式證明與實際程式之間還有哪些落差？

研究提供可供機器檢查的數學敘述，也提供實際執行程式。兩者各自承擔不同責任，所以讀者需要同時看安全敘述寫了什麼，以及使用中的程式如何對應它。

Lean 是用來表達及檢查數學證明的工具。研究團隊用它描述協定與安全性，再提供較慢的 Lean 驗證器，以及日常使用較快的 C++ 驗證器。

官方明確交代，快速 C++ 驗證器在測試中與 Lean 驗證器相符，但快速程式本身沒有完整形式保證。這使程式碼稽核與測試仍然是導入的一部分。形式保證的實際範圍

模型參數的秘密如何保護？

零知識的目標是限制證明本身透露的資訊，但整個系統還涉及實作和運作環境。官方將時間等側通道攻擊列為這次工作的範圍之外，因此機密模型供應商仍需評估部署風險。

研究也保留模型架構可見，專注於隱藏權重與中間運算資訊。若某家公司的商業秘密包含架構設計，採用前就需要把這項公開範圍納入評估。公開資訊範圍

維護責任也需要事先安排。2026 年 11 月 4 日查詢時，儲存庫將版本 0.16.0 標為研究產物，並註明不維護、不接受貢獻，因此導入團隊需要評估後續支援來源。儲存庫狀態

團隊可以先如何評估可驗證推論？

評估可以從一份可重現的查驗紀錄開始。團隊先確認可信的模型承諾從哪裡取得，再選一個可完整保存輸入輸出的測試請求，檢查整段流程能否交給另一位同事重做。

這份紀錄應保留驗證器版本、執行命令、退出碼與最終輸出。因為工具可能出現拒絕、未完成查驗或輸入錯誤，所以報告需要精確記錄每種結果。

接著可以演練故障處理，例如請求內容和保存檔案不一致時，如何避免把結果誤記為成功。這些是團隊可自行設計的驗收情境，執行後才有測試結論。

採購端則可以要求供應商說清楚證明涵蓋哪些請求、保留多久、由誰支付費用，以及模型更新時如何換發承諾。這些約定讓技術證據真正能對應服務責任。

如果團隊正在建立 AI 工作規則，版本和證據保存也可以放進任務交接文件，讓後續查驗沿用一致的格式。

延伸閱讀 CLAUDE.md 怎麼寫？2026 記憶、Rules、Skills 與 5 種任務模板教學

延伸閱讀 Claude Projects 完整教學（2026），知識庫、指令與新版雲端工作怎麼分？

FlashProve 常見問題

FlashProve 已經用在所有 Claude 回覆了嗎？

這次發布內容是以 Llama 4 Maverick 實驗的開源研究原型。官方把它定位為中期研究進展，適合從程式、實驗與限制了解技術成熟度。官方發布

普通電腦可以做什麼？

查驗證明可以使用 CPU，官方也提供儲存範例的查驗路徑。但產生大型模型的證明另有 GPU、主機記憶體與工具鏈需求，準備工作要依選擇的路徑安排。入門路徑

通過證明後，可以如何解讀答案？

通過代表在對應條件下，輸入、模型承諾和輸出符合指定計算關係。答案內容的事實查核與使用判斷仍需由任務本身的驗收程序完成。

查驗失敗時該如何處理？

先保留請求、輸出、證明檔與工具的完整結果，再依退出碼確認是拒絕、輸入錯誤或尚未完成。因為查驗流程也會受到環境與檔案影響，所以報告應把工具結果和後續診斷分開記錄。官方查驗說明

先把模型身分納入驗收，再追蹤證明成本

這項研究讓模型身分驗證多了一條可實作的路，但近期評估重點仍是運算範圍、維護責任與額外費用。對需要稽核的團隊，先建立可重現的抽查流程，比直接擴大覆蓋更容易看見缺口。

後續值得追蹤的進展，是更長的請求視窗、更多運算設定，以及快速程式和形式協定之間更完整的連結。從 官方儲存庫 的版本與限制開始檢查，就能把下一次更新放回同一套驗收標準。