Anthropic FlashProve và hóa đơn mã hóa chứng minh câu trả lời đúng là của model đã cam kết

Anh em trả tiền cho một cái tên model cụ thể qua API, nhưng không có cách nào kiểm tra câu trả lời có đúng từ model đó hay không. FlashProve là tờ hóa đơn mã hóa gắn câu trả lời với bộ weights đã cam kết.

Tóm tắt nhanh: FlashProve là prototype nghiên cứu mã nguồn mở, công bố ngày 2 tháng 11, cập nhật ngày 3 tháng 11 năm 2026. Demo chạy trên Meta Llama 4 Maverick, proof khoảng 19 MB cho cửa sổ 1.024 token, theo số do Anthropic tự đo. Hệ thống chưa dùng được trong Claude, chưa lab nào triển khai.

Trả tiền cho một model nhưng không có cách nào tự kiểm chứng câu trả lời đến từ model đó

Dịch vụ routing lén đổi model rẻ hơn mà câu trả lời vẫn nghe rất mượt

Routing có thể lén đổi sang model rẻ hơn, hoặc đắt hơn để thổi phồng kết quả đánh giá, và kẻ tấn công có thể sửa luồng token. Nhìn hay dở thì không phát hiện được, vì model rẻ vẫn viết trôi chảy như thường.

Hóa đơn mã hóa gắn câu trả lời với đúng bộ weights đã cam kết

Anthropic FlashProve là prototype nghiên cứu mã nguồn mở cho provable inference, dùng zkSNARK cho model ngôn ngữ MoE. Bài nghiên cứu đăng ngày 2 tháng 11 năm 2026, cập nhật ngày 3 tháng 11 năm 2026, tác giả Roy Rinberg và Alex Allain của Anthropic. zkSNARK là chứng minh mật mã cho thấy phép tính đã chạy đúng mà không lộ weights. TechCrunch ví FlashProve giống chữ ký mật mã trên email, đủ mạnh để chống kẻ mạo danh ngay cả khi đó là lab vận hành model.

Danh tính model là thứ duy nhất proof này bảo đảm, còn chất lượng câu trả lời nằm ngoài phạm vi

Proof chỉ bảo đảm danh tính model, là câu trả lời đến từ bộ weights đã cam kết. Chất lượng, độ đúng và độ an toàn nằm ngoài phạm vi, nên câu trả lời sai sự thật vẫn có thể kèm proof hợp lệ. Ranh giới này đáng tiền nhất, vì đọc lướt dễ tưởng proof là giấy chứng nhận đúng sai. aistockwire cũng nhắc nhóm toán học ngày 29 tháng 9 năm 2026 muốn lab nêu tên model.

Commitment 6,5 MB làm một lần và proof tạo theo từng batch sau khi model trả lời xong

Chặng offline chốt dấu vân tay của bộ weights trong khoảng 39 phút

Provider công bố một commitment, hiểu nôm na là dấu vân tay chốt chặt bộ weights. Chặng này mất khoảng 39 phút, cho ra file khoảng 6,5 MB, dùng được cho khoảng 16 triệu request rồi provider phải commit lại, theo bài gốc. Mắt xích còn hở, theo aistockwire, là người dùng vẫn phải tin commitment đúng là thuộc về model mà lab đặt tên. Proof chỉ gắn câu trả lời với commitment, chưa gắn commitment với tên thương hiệu. Đọc lướt là dễ bỏ qua đúng mắt xích này.

Chặng online tạo proof cho từng cặp prompt và câu trả lời đã hoàn thành

Prover tạo file proof khẳng định model đã cam kết sinh ra đúng những token đầu ra. Chứng minh được tạo sau khi inference xong, theo từng batch, chưa song song trong lúc model trả lời, và Bankless ước tính một request chờ khoảng 5 phút. FlashProve tận dụng cấu trúc MoE, mỗi token chỉ dùng khoảng 17B tham số đang hoạt động trong tổng số 400B, nên công việc của prover tỉ lệ với 17B.

Người kiểm chứng chỉ cần commitment, prompt và câu trả lời, chạy trên CPU

Ai có đủ commitment, prompt và câu trả lời thì kiểm chứng được, không cần weights hay GPU. Người kiểm chứng chạy trên CPU, khoảng 17 giây với 24 luồng và khoảng 21 giây với 1 luồng, theo số do Anthropic tự đo. AlphaSignal gợi ý các đơn vị vận hành gateway có thể dùng FlashProve như một cơ chế kiểm toán.

Bốn tính chất của proof và verifier nhanh chưa có bảo đảm hình thức

Proof thật được nhận, proof giả phải phá vỡ giả định mật mã

Completeness là proof thật thì phải được chấp nhận. Soundness là muốn làm giả một proof cho mệnh đề sai thì phải phá vỡ những giả định mật mã được tin là vững. Đây chỉ là giả định được tin là vững, chưa là bảo đảm tuyệt đối, với phân tích coi BLAKE2 như hàm ngẫu nhiên lý tưởng, theo Superpower Daily.

Weights, giá trị trung gian và expert chạy ở từng layer được giấu, kiến trúc thì không

Zero-knowledge là người kiểm chứng không học được gì thêm về weights, giá trị trung gian, hay expert chạy ở từng layer. Tưởng zero-knowledge giấu hết mọi thứ thì nhầm, vì Anthropic nói rõ giấu kiến trúc nằm ngoài mục tiêu. Cảnh báo nhỏ: anh em nào định dùng proof này để giấu luôn kiến trúc thì sẽ hụt, vì phần đó không nằm trong lời hứa. Hệ thống cũng giả định kiến trúc mixture-of-experts, trong khi nhiều model dense ngoài đời chưa nằm trong phạm vi.

Proof nhỏ và kiểm chứng rẻ hơn nhiều so với việc chạy lại cả model

Succinctness là file proof nhỏ và kiểm chứng rẻ hơn nhiều so với việc chạy lại cả model.

Trình kiểm chứng Lean gắn với định lý, trình kiểm chứng C++ dùng hằng ngày thì chưa có bảo đảm hình thức

Anthropic dùng Lean, ngôn ngữ kiểm chứng toán bằng máy, để ghi lại ba tính chất completeness, soundness và zero-knowledge trong mô hình random-oracle, tức hàm băm được lý tưởng hóa như hàm ngẫu nhiên. Hai kẽ hở tự khai là mệnh đề hình thức cần kiểm tra tay, và code chạy thật cần đối chiếu với giao thức chứng minh. Một kẽ hở thứ ba là Lean, bài báo và code chưa được bảo đảm khớp nhau hoàn toàn. Bản C++ chạy nhanh dùng hằng ngày thì chưa có bảo đảm hình thức, chỉ được ghi nhận là khớp với bản Lean trên mọi proof trong test của Anthropic. Prover thì chưa có bản Lean tương đương.

AI Weekly phê bình rằng chứng minh Lean chưa bao phủ verifier C++ dùng hằng ngày, với code gần như toàn bộ do AI viết và chưa có audit độc lập.

Số đo demo trên Llama 4 Maverick và chi phí tạo proof gấp 70 đến 95 lần chạy thường

110 token mỗi giây, proof khoảng 19 MB cho cửa sổ 1.024 token và 17 giây kiểm chứng trên CPU

Số do Anthropic tự đo trên Meta Llama 4 Maverick, model MoE 400B, weights 4-bit công khai, dùng số nguyên ở prefill. Prover chạy trên 1 GPU H100 và 24 nhân CPU, batch 24 request mất khoảng 223 giây, khoảng 110 token mỗi giây, mỗi proof khoảng 18,78 MB, làm tròn thành khoảng 19 MB, cho cửa sổ 1.024 token. Model lượng tử hóa khoảng 232 GB theo bài gốc, còn prover vừa trên một GPU H100 80 GB kèm khoảng 290 GB RAM host, theo Unite.AI. Cửa sổ 1.024 token là cửa sổ đo, chưa là một cuộc trò chuyện đầy đủ.

Tạo proof tốn gấp 70 đến 95 lần chạy thường bằng vLLM, người trả phần đắt là provider

Anthropic chạy vLLM với bản FP8 của cùng model trên 8 GPU H100, tính theo từng GPU. Kết quả là proving tốn gấp khoảng 72 lần thời gian GPU ở cùng batch 24 request, dao động 66 đến 77 lần. Mức này lên tới khoảng 94 lần khi vLLM chạy ở tải cao nhất, khoảng tổng hợp là 70 đến 95 lần. Phép so sánh này tính theo từng GPU, và bản vLLM dùng FP8 trong khi bản chứng minh dùng 4-bit số nguyên, nên chưa thể đọc như hai bản chạy cùng một cấu hình. Vì chính provider là bên chạy prover nên phần chi phí đắt đỏ này thuộc về provider.

FlashProve dùng cùng họ proof dựa trên hàm băm như các L2 Ethereum kiểu Starknet, nên về mặt toán học nó nói cùng ngôn ngữ với hạ tầng crypto và DeFi. Proof 19 MB và 17 giây kiểm chứng thì chưa thể đưa thẳng lên chain nếu thiếu bước recursion, bước đó không nằm trong bản phát hành này.

VerInf khoảng 0,02 token mỗi giây trên cùng model, Attestable 53 đến 77 token mỗi giây trên Gemma 4 31B

VerInf trên model Maverick đạt khoảng 0,02 token mỗi giây, cần 14,3 giờ cho 1.000 token, file proof 93,6 GB, kiểm chứng mất gần một ngày. Attestable báo cáo độc lập ở mức 53 đến 77 token mỗi giây cho model dense Gemma 4 31B, nhưng tại thời điểm Anthropic viết bài thì chưa phát hành thư viện mã nguồn mở. Năm 2017 SafetyNets mới chứng minh được CNN nhỏ cho MNIST. Tới 2021, zkCNN lên tới VGG-16 15M tham số với 88,3 giây cho một proof. Đến 2024, zkLLM chứng minh LLaMA-2-13B với input 2.048 token trong khoảng 15 phút, rồi FlashProve mới đưa model 400B qua mốc 100 token mỗi giây.

Phép chia 110 cho 0,02 ra 5.500 lần vẫn chưa phải đo độc lập

AI Weekly tính FlashProve nhanh hơn VerInf khoảng 5.500 lần bằng phép chia 110 cho 0,02, nhưng đây là phép chia từ hai con số của Anthropic, chưa có đo độc lập. Blockchain.News cảnh báo rằng số đo là của Anthropic, chưa có tái lập độc lập, và so sánh cần cẩn thận vì khác model, phần cứng và phạm vi proof.

Prototype nghiên cứu chưa có lab nào triển khai và checklist trước tuyên bố đã có proof

Demo chạy trên weights 4-bit công khai của Meta, chưa chạy trên weights của Claude

Demo chỉ chạy trên Meta Llama 4 Maverick bản weights 4-bit công khai, chưa chạy trên weights của Claude, và TechCrunch ghi rõ không có kế hoạch triển khai. Năm artifact gồm blog nghiên cứu, technical report, protocol specification do Claude viết, code gồm prover và hai verifier C++ và Lean, chứng minh Lean và visualizer, theo giấy phép Apache 2.0. Mốc 30 tháng 9 năm 2026 trong Frontier Safety Roadmap đã đạt nhờ một dự án khác, còn FlashProve thì chưa góp mặt ở mốc đó. Repo được nguồn thứ cấp ghi nhận là research artifact không còn duy trì, phiên bản 0.16.0 theo Unite.AI.

Cửa sổ 1.024 token, decoding tham lam và số nguyên giới hạn câu trả lời nào được bao phủ

The Injection làm rõ rằng FlashProve chỉ chứng minh cho Llama 4 Maverick ở weights 4-bit và ngữ cảnh tối đa 1.024 token, chưa bao phủ model production của Anthropic. Các giới hạn chính thức gồm:

• Proof chỉ nói về model số nguyên theo decoding tham lam, câu trả lời từ inference số thực hoặc decoding lấy mẫu có thể lệch khỏi phép tính chứng minh
• Test sai số chung chưa bao phủ prompt thiết kế để tấn công
• Hệ thống giả định kiến trúc MoE, model dense ngoài đời chưa nằm trong phạm vi, và kiến trúc chưa được giấu
• Tấn công kênh kề, ví dụ đo thời gian tạo proof, nằm ngoài phạm vi
• Ngữ cảnh tối đa 1.024 token
• Proving làm sau khi inference xong theo batch, chưa chứng minh song song trong lúc model trả lời
• Proof chưa chứng minh phần cứng đó không đồng thời dùng để train một model khác

Không tìm thấy thread Hacker News hay Reddit riêng về FlashProve để trích dẫn

Trong đợt tìm kiếm ngày 4 tháng 11 năm 2026 về Hacker News và Reddit, không xuất hiện thread riêng về Anthropic FlashProve có nội dung trích dẫn được.

Tám câu hỏi cần hỏi vendor trước khi tin tuyên bố đã có proof

Làm theo ngay: cầm 8 câu này hỏi vendor trước khi tin bất kỳ tuyên bố đã có proof nào. Hỏi đủ 8 câu này, vendor khó trả lời chung chung.

• Commitment này thuộc về model nào và ai bảo chứng cho cái tên đó?
• Prompt có được công khai để kiểm chứng không?
• Proof bao phủ bao nhiêu token và có vượt cửa sổ 1.024 token không?
• Câu trả lời có dùng decoding tham lam và số nguyên hay không?
• Model có đúng kiến trúc mixture-of-experts mà hệ thống giả định không?
• Kiến trúc có được giấu không?
• Verifier dùng hằng ngày là bản C++ hay bản Lean?
• Con số hiệu năng có phải số do Anthropic tự đo và chưa có tái lập độc lập hay không, và vendor có công bố ngày triển khai cụ thể hay không?

Chờ proof gắn với model thật và chi phí tạo proof rẻ hơn trước khi coi đây là tính năng dùng được

Hai điều cần chờ là proof gắn với model thật mà người đọc trả tiền và chi phí tạo proof rẻ hơn mức 70 đến 95 lần chạy thường. Proof chứng minh danh tính model đã cam kết, chưa chứng minh chất lượng câu trả lời, và hiện vẫn là prototype nghiên cứu chưa lab nào triển khai. Người đọc nên chờ triển khai thật, proof cho đoạn chat dài hơn, decoding lấy mẫu, inference số thực, verifier có bảo đảm hình thức, và số đo độc lập. Mình vẫn xếp FlashProve vào mục đáng theo dõi, chưa xếp vào mục dùng được ngay. Anh em trả tiền cho model qua routing thì đã từng nghi ngờ câu trả lời đến từ đúng model hay chưa, kể trải nghiệm ở phần bình luận nhé.

Nguồn tham khảo

Anthropic, bài nghiên cứu gốc: https://www.anthropic.com/research/provable-inference
TechCrunch: https://techcrunch.com/2026/11/03/anthropic-is-working-on-a-system-to-prove-ai-models-identity/
AI Weekly: https://aiweekly.co/alerts/anthropic-opens-flashprove-to-prove-replies-match-model-weights
Unite.ai: https://www.unite.ai/anthropic-releases-flashprove-for-cryptographic-ai-inference-proofs/
Superpower Daily: https://superpowerdaily.com/posts/anthropic-releases-prototype-for-proving-which-ai-model-produced-an-answer
AIStockWire: https://aistockwire.com/blog/anthropic-flashprove-provable-inference-ai-model-proof-november-2026
Bankless: https://www.bankless.com/read/news/anthropic-unveils-flashprove-for-proving-which-model-answered-you
Blockchain.News: https://blockchain.news/news/anthropic-provable-inference-flashprove-llama-4-maverick
AlphaSignal: https://alphasignal.ai/news/anthropic-s-flashprove-cryptographically-proves-which-ai-model-answered-you
The Injection: https://theinjection.dev/items/anthropic-flashprove/