В посте показан прототип FlashProve от Anthropic: провайдер публикует commitment ID, привязанный к одному набору весов, а затем для каждого ответа генерирует доказательство, что токены вывела именно закоммиченная модель. Проверить доказательство можно на обычном CPU утилитой cp_verify, не получая веса. Для разработчика, который платит за модель через сторонний API, это закрывает сценарий подмены дорогой модели дистиллированной или изменённой версией.
Важное ограничение: прототип запущен на Llama 4 Maverick, а не на Opus 5.5 из примера в посте. На одной H100 он выдаёт около 110 токенов/с prefill при контексте 1024 токена, но генерация доказательства, по данным технического блога, занимает в 70–95 раз больше GPU-времени, чем обычный запуск через vLLM, при размере доказательства около 19 МБ на запрос. Это исследовательский артефакт под Apache 2.0: не поддерживается и не принимает контрибуции.
