Anthropicは2026年11月2日、AIの応答が本当にそのモデルから出たものかを暗号技術で確かめる研究の進捗と、その仕組み「FlashProve」を公開しました。Claudeを日常的に使っている人がFlashProveとは何かを調べるとき、気になるのは「自分の使い方に何が関係するのか」でしょう。この記事では公開された事実と、個人が今できる確認のしかたを分けて整理します。
要点
- Anthropicは、応答があらかじめ約束した重みのモデルから出たことを短い証明で確かめられるプロトタイプ「FlashProve」をオープンソースで公開した
- 性能はLlama 4 Maverick(400BパラメータのMixture-of-Experts)で測定され、H100のGPU1枚で毎秒110トークン前後の証明生成、1,024トークンのリクエストあたり約19MBの証明サイズ
- 証明の生成には、同じ長さのプロンプトをvLLMで処理する場合の約70〜95倍のGPU時間がかかる
- 証明はモデルの重みを隠したまま成立する。一方でアーキテクチャを隠すことはこのシステムの目的ではない
- 公開物はブログ・技術レポート・プロトコル仕様書・実行可能コード・Leanの証明の5点で、コードとLean証明とドキュメントはApache 2.0ライセンス
何が発表されたか
出力だけでは出どころが分からない
出典はまず、今のユーザーが置かれた状況を説明しています。応答が、開発者が名乗っているモデルから来たものなのか、それともコスト上の理由でルーティングサービスがこっそり別のモデルに差し替えたものなのかを、利用者は確かめられません。応答の質が高くても、出力だけから判断するのは信頼できないとされています。攻撃者がそのモデルのふりをしてトークンストリーム(モデルが返す文字列の流れ)を書き換えた場合も同じです。リリース前後のモデルを試す独立した評価者や、第三者のルーティングサービス経由でモデルを使う顧客にも、同じ確認の必要があると整理されています。
FlashProveの仕組み
FlashProveは、提供者(証明する側)と利用者(検証する側)の2者で、2つの段階に分かれて動きます。オフラインの段階で、提供者はモデルの重みに対するコミットメント(重みそのものは隠したまま、ある1組の重みを特定する短い指紋のようなもの)を公開します。オンラインの段階では、プロンプトと出力トークンに対して「コミットした(約束した)モデルを評価すると、これらの出力トークンになる」という文を証明するファイルを作ります。コミットメントとプロンプトと応答を持っている人は、重みを持たず限られた計算力でもこれを検証できます。
証明ファイルには4つの性質があります。正しい証明は受理される(完全性)、偽造は事実上できない(健全性)、文の内容を超えた情報は漏れない(ゼロ知識)、小さくて検証が安価である(簡潔性)。この土台にあるのがzkSNARKで、出典では、証明する側が短い「証明書」によって、ある計算が正しく実行されたことを検証する側に納得させる仕組みと説明されています。
公開された5点と測定値
公開されたのは、今回のブログ記事、システムの詳細を説明する技術レポート、Claudeが書いたプロトコル仕様書、prover(証明生成側)と2つのverifier(C++の高速な検証器とLeanの正しさが証明された検証器)を含む実行可能なコード、そしてトップレベルの数学的な主張についてのLean証明と、監査を助ける対話的なビジュアライザです。Leanは形式検証の言語で、評価の難しい最適化の判断に対して、監査できるかたちで安全性の主張を書き下す目的で使われています。この最適化にはClaude自身が関わり、暗号とセキュリティの文献にある最新の道具を新しく応用する方法を見つけたと書かれています。
測定値は、Llama 4 Maverickを4bit量子化した重みで、prefillに整数演算を使った条件のものです。H100のGPU1枚で毎秒110トークン前後の証明生成、1,024トークンのリクエストあたり約19MBの証明サイズで、これは同じ長さのプロンプトをvLLMで処理する場合の約70〜95倍のGPU時間に当たります。先行するオープンソースのシステムより大幅に速いシステムを作った、と説明されています。
なお出典は、Anthropicが安全性のロードマップで「2026年9月30日までに、AIモデルの出力を特定のモデル重みに帰属できるかたちで確実に『署名』する技術、provable inferenceのプロトタイプを作る」という公開目標を掲げたことに触れ、その目標は、推論トラフィックに署名して信頼できるサーバーで推論を再計算する別の関連プロジェクトで達成し、今回の研究は同じ目的を別の方法で追うものだとしています。
個人の仕事や学びにどう使えるか
FlashProveそのものは研究のコードですが、「この応答はどこから来たのか」という問いは、個人の使い方にそのまま下ろせます。
経路を把握してから使うのが第一歩です。出典はコスト上の理由でルーティングサービスがモデルを差し替える可能性を問題として挙げています。会社員が調べ物や資料作成にAIを使うなら、まず公式アプリや公式のAPIという経路で使い、どのサービスを経由しているかを自分で言えるようにしておく。これだけで、確かめられない部分がぐっと減ります。
次に、非公式のラッパー(他社のモデルを裏側で呼び出すだけの外部ツール)を使うときの見方です。画面に出ているモデル名の表示は、実際に動いたモデルの証明ではありません。出力の質だけから判断するのは信頼できない、という出典の指摘は、そのまま「安いまとめツールの表示を鵜呑みにしない」という実務の判断につながります。フリーランスのライターやコンサルタントなら、提供元・利用規約・ヘルプで、どのモデルにつながるのかを確かめてから原稿づくりに使う運用が安全です。
三つめは記録です。受託開発のエンジニアや士業のように、成果物の根拠を問われる仕事では、どのモデル・どの経路で作ったかを案件メモに残しておくと、後から説明ができます。出典でも、あるコードが最前線のモデルで検査されたという主張を、利用者がどう検証できるかという課題(text provenance)が挙げられています。
会社・チームで使うときのポイント
社内の視点では、自社のサーバーで実際にどの重みが動いているかという問題(tamper detection)が中心になります。出典は、提供者が応答ごとに有効なzkSNARKを要求できれば、証明は特定の重みのコミットメントに結びついているため、サーバーを侵害した攻撃者や別のモデルに入れ替わったモデルは、期待された重みの証明を作れないと説明しています。規制側の観点としては、承認済みモデルだけを提供させる確認(model approval)や、ハードウェアが本当に推論に使われているかの確認(pacing)にも使えるとされています。いずれも今日から情報システム部門が導入するものではありませんが、調達や監査の基準に「出どころを確かめられるか」という項目が入ってくる流れは押さえておきたいところです。法人での導入や社内研修を具体的に考える段階なら、株式会社デジライズに相談できます。デジライズは法人向けAIリスキリングサービスで導入社数No.1(東京商工リサーチ・2026年3月末時点)で、累計600社超・5万人以上のAI活用を支援しています。
使う前の注意点
まず、今回の発表は中間の進捗の共有であり、完成した研究アジェンダではないと出典に明記されています。製品の新機能ではなく、研究成果とコードの公開として読むのが正確です。
コストの面では、証明の生成に同じ処理の約70〜95倍のGPU時間がかかります。すべての応答に証明を付ける前提で考えると重い処理である点は、出典の数字どおり理解しておきたいところです。
隠れる情報の範囲にも注意が必要です。コミットメントと推論の証明はモデルの重みを隠しますが、アーキテクチャを隠すことはこのシステムの目的ではないとされています。また今回はソフトウェアのみの暗号的な解決に焦点を当てており、信頼できるハードウェアと暗号は保証やトレードオフの異なる補完的なアプローチだと説明されています。
自分が使っているプランやアプリで何がどこまで使えるかは、記事の情報だけで判断せず、使う前に公式のヘルプで最新の提供範囲を確かめてください。
まとめ
FlashProveは、応答が約束したモデルから出たことを暗号の証明で確かめるという発想を、動くコードと測定値のかたちで見せた公開です。個人としては、公式の経路を使う・非公式ラッパーの表示を鵜呑みにしない・どの経路で作ったか記録する、という3点から始めれば十分です。Claudeの使い方を土台から整えたい人は、デジライズAIスクールのコース一覧にある「1.Claudeの全体像を掴む ~ Claude~」のような講座から順に進めると、こうしたニュースの意味も自分の作業に結びつけやすくなります。デジライズAIスクールは個人向けのオンラインAIスクールで、動画は990本以上あります。
出典
- Progress on provable inference for large language models
- Anthropic、AIの応答が「本当にそのモデルによるものか」を暗号技術で証明する「FlashProve」を公開
この記事は、各社の公式の発表をもとに AI で下書きし、出典の本文との照合とGoogle 検索による事実確認(ファクトチェック)を通ったものだけを公開しています。
