Cryptelio

Märkte

Anthropic startet FlashProve zur Verifizierung von KI-Modellausgaben mit Zero-Knowledge-Proofs

Cryptelio Editorial Veröffentlicht 3 Nov 2026 · 11:01 UTC

Am 2. November 2026 stellte Anthropic FlashProve vor, ein innovatives System, das darauf abzielt, das Vertrauen in die Ausgaben von KI-Modellen durch den Einsatz von Zero-Knowledge-Proofs (zkSNARKs) zu erhöhen. Diese Technologie ermöglicht es den Nutzern, zu überprüfen, dass die von einem KI-Modell generierte Ausgabe tatsächlich von dem angegebenen Modell stammt und nicht von einer potenziell günstigeren Alternative.

Verständnis von FlashProve

FlashProve funktioniert in zwei Phasen. Zunächst verpflichtet sich der Modellanbieter in einem Offline-Schritt zu einem bestimmten Satz von neuronalen Netzwerkgewichten, was etwa 39 Minuten in Anspruch nimmt und zu einer Verpflichtungsgröße von etwa 6,5 MB führt. Für jede Anfrage zur Inferenz generiert das System einen kompakten Beweis, der bestätigt, dass das Modell die angegebene Ausgabe als Antwort auf ein bestimmtes Eingangsdatum produziert hat, während die Gewichte des Modells vertraulich bleiben.

Leistung und Herausforderungen

Mit dem Fokus auf Mixture-of-Experts (MoE) Sprachmodelle zeigte FlashProve beeindruckende Leistungsbenchmarks am Llama 4 Maverick Modell von Meta. Allerdings ist der Nachweisaufwand erheblich und liegt bei etwa 70 bis 95 Mal der GPU-Zeit, die für eine Standardinferenz erforderlich ist. Dies macht FlashProve derzeit eher zu einem Konzeptnachweis als zu einem tragfähigen Geschäftsmodell.

Entwicklung und Zukunftsperspektiven

Das Projekt wird von Roy Rinberg und Alex Allain geleitet und umfasst Beiträge von namhaften Persönlichkeiten aus der angewandten Kryptographie. Obwohl die aktuelle Implementierung noch nicht für die Produktion bereit ist, eröffnet sie Perspektiven für zukünftige Entwicklungen in der sicheren Verifizierung von KI-Modellen. Die nächste Herausforderung wird darin bestehen, die Kosten und die Größe der Beweise zu reduzieren, um die Technologie für eine breite Anwendung praktikabel zu machen.

Neue Entwicklungen von Anthropic

  • Anthropic erwartet, bis Ende 2026 eine Rechenkapazität von über 3,5 Gigawatt zu überschreiten, was einen erheblichen Anstieg gegenüber den zuvor geschätzten 1,4 GW bis Ende 2025 darstellt.
  • Das Unternehmen plant, seine Kapazität bis Ende 2027 auf etwa 9,5 bis 10 GW weiter auszubauen.
  • Wichtige Partnerschaften umfassen einen Vertrag mit Google und Broadcom über rund 3,5 GW TPU-Kapazität ab 2027 sowie eine Vereinbarung mit Amazon Web Services über bis zu 5 GW Trainium-Chips.
  • Anthropic gab bekannt, dass es bis Ende September 2026 nicht stornierbare Kaufverpflichtungen und Mietverträge in Höhe von 895,4 Milliarden Dollar hat, hauptsächlich für Rechen- und Infrastrukturprojekte.
  • Im dritten Quartal 2026 berichtete Anthropic über Einnahmen von fast 17 Milliarden Dollar, ein Anstieg von 11,56 Milliarden Dollar im vorherigen Quartal, verzeichnete jedoch auch einen Nettoverlust von 23,3 Milliarden Dollar.
  • Das Unternehmen diversifiziert seine Chipnutzung und bewegt sich weg von der Abhängigkeit von Nvidia-GPUs hin zu maßgeschneidertem Silizium wie Googles TPUs und Amazons Trainium.
  • Die Wachstumsstrategie von Anthropic umfasst die Verfolgung kleinerer Rechenzentrumsstandorte, um die Bereitstellung der Kapazität zu beschleunigen.

FAQ

Was ist FlashProve?

FlashProve ist ein innovatives System, das von Anthropic eingeführt wurde und das Vertrauen in die Ausgaben von KI-Modellen erhöht, indem es Zero-Knowledge-Proofs (zkSNARKs) verwendet, um zu verifizieren, dass die von einem KI-Modell generierte Ausgabe tatsächlich von dem angegebenen Modell stammt.

Wie funktioniert FlashProve?

FlashProve funktioniert in zwei Phasen: Zuerst verpflichtet sich der Modellanbieter in einem Offline-Schritt zu einem bestimmten Satz von neuronalen Netzwerkgewichten, was etwa 39 Minuten dauert und zu einer Verpflichtungsgröße von etwa 6,5 MB führt. Dann wird für jede Anfrage eine prägnante Bestätigung generiert, die bestätigt, dass das Modell die behauptete Ausgabe produziert hat, während die Gewichte des Modells vertraulich bleiben.

Was sind die Leistungsbenchmarks von FlashProve?

FlashProve hat beeindruckende Leistungsbenchmarks am Llama 4 Maverick-Modell von Meta gezeigt, insbesondere bei der Zielsetzung von Mixture-of-Experts (MoE) Sprachmodellen.

Was sind die aktuellen Herausforderungen für FlashProve?

Die Hauptprobleme umfassen einen erheblichen Nachweisaufwand, der etwa 70 bis 95 Mal so viel GPU-Zeit benötigt wie die Standardinferenz, was es derzeit eher zu einem Konzeptnachweis als zu einem tragfähigen Geschäftsmodell macht.

Was sind die zukünftigen Perspektiven für FlashProve?

Obwohl die aktuelle Implementierung noch nicht für die Produktion bereit ist, eröffnet sie Möglichkeiten für zukünftige Entwicklungen in der sicheren Verifizierung von KI-Modellen. Die nächste Herausforderung wird darin bestehen, die Kosten und die Größe der Nachweise zu reduzieren, um die Technologie für eine breite Anwendung praktikabel zu machen.

Beitrag lesen →