zksnark

Me apareció en el feed el blog de investigación de Anthropic: publicaron FlashProve, que usa zkSNARK para generar «pruebas verificables» del razonamiento de modelos grandes. Demuestra que una respuesta proviene realmente del conjunto de pesos comprometido, sin revelar los pesos en sí.

El dato clave: con Llama 4 Maverick (unos 400.000 millones de parámetros, MoE, 4 bits), una sola H100 genera pruebas a unos 110 tokens/segundo; cada solicitud de prueba de 1024 tokens ocupa unos 19 MB; una CPU corriente de 24 núcleos puede verificarla en unos 17 segundos; y el coste de GPU es aproximadamente entre 70 y 95 veces el de la inferencia con vLLM. El código, las pruebas formales en Lean y la documentación del protocolo se publicaron juntos bajo la licencia Apache 2.0.

Sigue siendo un prototipo de investigación: por ahora se centra principalmente en MoE, decodificación entera voraz y un contexto de unos 1024 tokens; la arquitectura en sí no queda oculta. Pero trasladar zk de la cadena al nivel de las salidas del modelo vuelve mucho más viables de repente casos como las auditorías y la prevención de cambios de modelo durante el enrutamiento.

#zkSNARK #AI #可验证推理 #Anthropic