O que é o FlashProve, o sistema da Anthropic para provar qual modelo de IA gerou uma resposta

Fala aí, beleza? A Anthropic publicou no blog de research dela a pesquisa Progress on provable inference for large language models e, junto com ela, apresentou o FlashProve

Segundo a própria Anthropic, que também anunciou o projeto no perfil @AnthropicAI no X, o sistema permite verificar se uma resposta veio mesmo de um determinado modelo de IA

O TechCrunch também noticiou, em 03/11/2026, que a Anthropic trabalha num sistema pra provar a identidade de modelos de IA

E já fica o aviso logo de cara, direto do post da Anthropic: é um protótipo de pesquisa, não é API, não é serviço e não está em produção

Como o FlashProve comprova qual modelo gerou uma resposta

Ele anexa uma prova criptográfica à resposta do modelo, e essa prova pode ser conferida depois

O tipo de prova é um zkSNARK (zero-knowledge succinct argument) baseado em hash, conforme detalhou a MarkTechPost

E o que essa prova mostra, na prática?

Que a resposta saiu de um conjunto de pesos comprometido, sem revelar esses pesos (comprometido aqui é no sentido criptográfico, não de "estragado" haha)

Pensa num recibo que vem grudado na resposta: quem recebe consegue checar de onde ela veio, sem precisar ver o modelo por dentro 🙂

A Anthropic diz que o sistema se apoia em técnicas criptográficas já estabelecidas e que é substancialmente mais eficiente que os métodos open source anteriores para gerar esse tipo de prova

Se liga numa diferença importante: isso não tem nada a ver com conferir a fonte de um texto, tipo as citações do NotebookLM

Lá a pergunta é "de qual documento veio essa informação?", aqui é "de qual modelo veio essa resposta?"

Quem desenvolveu o FlashProve e em qual modelo ele foi testado

O FlashProve foi construído pelo Frontier Red Team da Anthropic, em colaboração com pesquisadores da EPFL, do MIT e da StarkWare, segundo a Help Net Security

Agora o detalhe que muita gente vai pular: a demonstração NÃO usou um modelo Claude

O modelo escolhido foi o Llama 4 Maverick, um Mixture-of-Experts de 400 bilhões de parâmetros com pesos públicos

Ou seja, não existe anúncio de que o Claude seja servido com esse tipo de prova, e a pesquisa não deve ser lida assim

Quanto custa gerar uma prova: velocidade, tamanho e verificação

Verificar é rápido, provar ainda é caro

Os números divulgados são estes:

• Velocidade do provador: cerca de 110 tokens por segundo em uma única GPU NVIDIA H100, segundo a Anthropic
• Tamanho da prova: cerca de 19 MB, numa requisição de 1.024 tokens, segundo a Interesting Engineering
• Verificação: a prova é verificada em segundos
• Custo de geração: cerca de 70 a 95 vezes o tempo de GPU de rodar o próprio modelo no vLLM, segundo a Blockchain.News

Esse último número é o que pesa

Gerar a prova consome MUITO mais GPU que a inferência comum, então provar cada resposta ainda está longe de ser algo barato

Já o lado de quem confere é bem mais leve, e é isso que torna a ideia interessante pra auditoria

O FlashProve já pode ser usado? Status do projeto e do repositório

Não como ferramenta de produção

A própria Anthropic descreve o FlashProve como um protótipo de pesquisa intermediária, não pronto para implantação, e ele não existe como API nem como serviço

Também não há plano de colocá-lo em produção, nem na Anthropic nem em outro laboratório

O código está aberto no repositório anthropics/FlashProve, sob licença Apache 2.0, e traz:

• o provador
• dois verificadores, um rápido em C++ e outro em Lean
• as provas formais
• a especificação do protocolo

Tome cuidado com expectativa: o repositório aparece marcado como não mantido

Então é material pra estudar o protocolo, não algo pra plugar no teu projeto e esquecer

Para que serve a inferência comprovável, segundo a Anthropic

A Anthropic cita dois casos de uso

1. Dificultar o sequestro de conversas: com a prova, fica mais difícil um atacante se meter no meio e entregar respostas que não vieram do modelo esperado
2. Auditoria de segurança: avaliadores podem confirmar que o modelo que eles testaram é o mesmo servido aos clientes

O segundo é o que mais conversa com quem acompanha avaliação de modelos, porque resolve aquela dúvida de "o modelo avaliado é mesmo o que está rodando lá?"

O que o FlashProve significa para quem usa modelos via API, provedores e roteadores

Por enquanto, significa um caminho possível, não uma mudança no teu dia a dia

Quem consome modelos por intermediários sabe que o mesmo nome de modelo pode esconder implementações diferentes por trás

A inferência comprovável aponta uma forma de auditar se o modelo servido é mesmo o anunciado

Porém, hoje não há anúncio de provedor, roteador ou laboratório oferecendo isso, e o custo de gerar a prova continua alto

Outro ponto: a prova diz de quais pesos a resposta saiu, não diz nada sobre qualidade ou variação da resposta

O fato de o mesmo prompt dar respostas diferentes continua sendo outro assunto

O que dá pra fazer agora é acompanhar a pesquisa e ler a especificação do protocolo no repositório, beleza?

Onde acompanhar o FlashProve

O melhor ponto de partida é o post oficial no blog de research da Anthropic, que explica a motivação e os limites do protótipo

Depois, vale abrir o repositório anthropics/FlashProve e ler a especificação do protocolo e os dois verificadores, principalmente se tu curte entender como a prova é conferida

Só lembra: é material de estudo, não ferramenta de produção

Até o próximo post! 😀

Perguntas frequentes

FlashProve é a mesma coisa que marca d’água (watermark) em texto gerado por IA?

Não. O FlashProve prova que uma resposta saiu de um conjunto de pesos específico, usando um zkSNARK anexado à resposta. Watermark de texto é outra técnica, focada em marcar o conteúdo gerado, e não faz parte do que a Anthropic descreveu nessa pesquisa.

Quer aprender mais sobre inteligência artificial e programação na prática? Conheça o canal Hora de Codar no YouTube e acompanhe os próximos vídeos.