Marchés
Anthropic lance FlashProve pour vérifier les sorties des modèles d'IA à l'aide de preuves à divulgation nulle
Le 2 novembre 2026, Anthropic a présenté FlashProve, un système innovant conçu pour renforcer la confiance dans les sorties des modèles d'IA en utilisant des preuves à divulgation nulle (zkSNARKs). Cette technologie permet aux utilisateurs de vérifier que la sortie générée par un modèle d'IA provient bien du modèle revendiqué, plutôt que d'une alternative potentiellement moins coûteuse.
Comprendre FlashProve
FlashProve fonctionne en deux phases. Dans un premier temps, lors d'une étape hors ligne, le fournisseur du modèle s'engage sur un ensemble spécifique de poids de réseau de neurones, ce qui prend environ 39 minutes à traiter et aboutit à une taille d'engagement d'environ 6,5 Mo. Pour chaque demande d'inférence, le système génère une preuve succincte qui confirme que le modèle a produit la sortie revendiquée en réponse à une invite donnée, tout en gardant les poids du modèle confidentiels.
Performance et défis
Visant les modèles de langage à mélange d'experts (MoE), FlashProve a démontré des performances impressionnantes sur le modèle Llama 4 Maverick de Meta. Cependant, le coût de la preuve est significatif, atteignant environ 70 à 95 fois le temps GPU requis pour une inférence standard. Cela fait de FlashProve davantage une preuve de concept qu'un modèle commercial viable à l'heure actuelle.
Développement et perspectives d'avenir
Dirigé par Roy Rinberg et Alex Allain, le projet bénéficie des contributions de figures notables dans le domaine de la cryptographie appliquée. Bien que l'implémentation actuelle ne soit pas prête pour la production, elle ouvre la voie à de futurs développements dans la vérification sécurisée des modèles d'IA. Le prochain défi sera de réduire les coûts de surcharge et les tailles de preuve pour rendre la technologie pratique pour une utilisation généralisée.
Nouveaux développements d'Anthropic
- Anthropic prévoit de dépasser 3,5 gigawatts de capacité de calcul d'ici la fin de 2026, une augmentation significative par rapport aux 1,4 GW précédemment estimés d'ici la fin de 2025.
- L'entreprise prévoit d'étendre davantage sa capacité à environ 9,5 à 10 GW d'ici la fin de 2027.
- Les partenariats clés incluent un accord avec Google et Broadcom pour environ 3,5 GW de capacité TPU à partir de 2027, et un arrangement avec Amazon Web Services pour jusqu'à 5 GW de puces Trainium.
- Anthropic a révélé des engagements d'achat et des contrats de location non annulables s'élevant à 895,4 milliards de dollars, principalement pour des projets de calcul et d'infrastructure, à la fin septembre 2026.
- Au troisième trimestre 2026, Anthropic a rapporté un chiffre d'affaires de près de 17 milliards de dollars, en hausse par rapport à 11,56 milliards de dollars au trimestre précédent, mais a également enregistré une perte nette de 23,3 milliards de dollars.
- L'entreprise diversifie son utilisation des puces, s'éloignant de la dépendance aux GPU Nvidia pour inclure des silicons personnalisés comme les TPU de Google et les Trainium d'Amazon.
- La stratégie de croissance d'Anthropic inclut la recherche de sites de centres de données plus petits pour accélérer le déploiement de la capacité.
FAQ
Qu'est-ce que FlashProve ?
FlashProve est un système innovant lancé par Anthropic qui renforce la confiance dans les résultats des modèles d'IA en utilisant des preuves à divulgation nulle de connaissance (zkSNARKs) pour vérifier que la sortie générée par un modèle d'IA provient bien du modèle revendiqué.
Comment fonctionne FlashProve ?
FlashProve fonctionne en deux phases : d'abord, le fournisseur de modèle s'engage à un ensemble spécifique de poids de réseau de neurones lors d'une étape hors ligne, qui prend environ 39 minutes et aboutit à une taille d'engagement d'environ 6,5 Mo. Ensuite, pour chaque demande d'inférence, il génère une preuve succincte qui confirme que le modèle a produit la sortie revendiquée tout en gardant les poids du modèle confidentiels.
Quels sont les benchmarks de performance de FlashProve ?
FlashProve a démontré des benchmarks de performance impressionnants sur le modèle Llama 4 Maverick de Meta, ciblant particulièrement les modèles de langage à mélange d'experts (MoE).
Quels sont les défis actuels auxquels FlashProve est confronté ?
Les principaux défis incluent un coût de preuve significatif, qui est environ 70 à 95 fois le temps GPU requis pour une inférence standard, ce qui en fait plus une preuve de concept qu'un modèle commercial viable pour le moment.
Quelles sont les perspectives d'avenir pour FlashProve ?
Bien que l'implémentation actuelle ne soit pas prête pour la production, elle ouvre la voie à de futurs développements dans la vérification sécurisée des modèles d'IA. Le prochain défi sera de réduire les coûts de surcharge et les tailles de preuve pour rendre la technologie pratique pour une utilisation généralisée.