它解决的不是「内容真假」，而是「模型身份」

现在调用一个 API，你无法从输出反推它到底跑了哪个模型。服务商可以在高峰期悄悄换成更便宜的模型，也可以在评测时换成更强的模型。FlashProve 要证明的是一句很窄的话：这段输出，确实是某个已承诺的权重算出来的。它不判断内容对不对，也不证明模型好不好。

做法分两步。离线阶段，服务方发布一个对权重的承诺，相当于给某一份权重按了指纹，但权重本身仍然保密；在线阶段，每收到一个请求，GPU 生成一份证明，任何人拿着承诺、prompt 和回复就能验证。验证不需要权重，也不需要高端显卡。

数字与边界

官方给出的规模是 Llama 4 Maverick，400B 参数的 MoE，4 位量化，单张 H100 生成证明约 110 token/秒，每 1024 token 的证明约 19MB，24 核 CPU 几秒验完。代价是证明生成约占 70–95 倍于 vLLM 处理同样长度 prompt 的 GPU 时间——这不是一个能对全部流量开启的功能。

限制也写得很清楚：证明针对整数模型、贪心解码；浮点实现或采样解码可能在某个位置偏离，就不再与证明的计算完全一致。系统目前只覆盖 MoE 架构，稠密模型不在范围内。它隐藏权重，但不隐藏架构。仓库版本是 0.16.0，明确不维护、不接受贡献。

谁应该现在关注

  • 企业采购：把「可提供模型指纹与推理证明」写进合同，比事后争论有没有被换模型更有效。
  • 模型路由与转售：客户会开始问「你怎么证明请求落到的是哪个模型」，提前准备承诺与验证流程。
  • 合规与审计：只对需要留证的高价值请求开启证明，按 70–95 倍 GPU 时间做预算，不要全量。