2026-11-05

2011

随着AI技术的普及，愈来愈多用户开始依赖第三方平台API调用模型，而这些用户常常碰到一个问题：自己付费使用的AI模型，究竟是否如商家所宣称的那般？某些平台可能使用价格更低或是旧版的模型，而我们仅能从回答的质量中进行判断。一个同样的问题，官网上能流利应对，但在中转服务中却可能出现卡壳情况。

为了应对这一透明度不足的问题，Anthropic最近发布了一项研究，旨在通过数学验证来解决用户对模型真实性的担忧。其开发的名为FlashProve的开源原型，能够为模型推理提供密码学证明，使服务商可以在不公开模型权重的情况下向用户验证其计算结果，从而消除不确定性。

通过与模型供应商直接交流，用户能够确认其使用的模型情况。然而，大多数情况下，API调用流程中涉及多个环节，让用户难以洞察实际的计算过程。斯坦福大学曾对多个商业API进行了测试，发现部分输出结果和模型的官方权重分布存在统计差异。 qy球友会官网

FlashProve的核心在于采用一种被称为zkSNARK的零知识证明技术。其流程是，模型服务商为权重生成类似于密码学指纹的“承诺”，在提供给用户的同时，生成的证明文件可用于验证给定输入和输出的正确性。如果中转平台更换了模型，证明将无法与初始承诺相符。此技术确保在验证时不会泄露模型权重及计算细节，让用户能够独立确认结果的真实性。

尽管生成这样的零知识证明技术过去因成本过高而难以实现，Anthropic的实验已将这一技术推向了可行的方向。以Llama 4 Maverick模型为基础，研究显示生成证明的过程速度虽然仍然较慢，但已经具有一定的应用潜力。

不过，这并不意味着所有问题都能迎刃而解。对于中转用户来说，验证模型真伪的前提是需要知道正品模型的承诺内容。如果中转站出示的证明只能证明其选择的某个模型而无法与用户所购买的模型进行比较，这样的证明仍无法消除身份的疑虑。因此，如何确保模型间的可比性依然是一个亟待解决的重要课题。 qy球友会官网