試作段階の研究成果です。AIの監査や検証に関わる人は、公開コードと技術報告書を確認するとよいでしょう。
11/4時点の判定。発表内容をもとにAIで判定しています。最新の提供状況は公式情報をご確認ください。
Anthropicは11月2日、AIの回答が申告どおりのモデルから出たことを暗号で証明する試作システム「FlashProve」をオープンソースで公開しました。400B級モデルでH100 GPU 1枚が毎秒約110トークンの証明を作り、1,024トークンの依頼あたりの証明は約19MBです。
画像：Anthropic（公式発表より）
要約版：専門用語を控えて説明しています
いまAIを使う人は、返ってきた回答が申告どおりのモデルから出たのか、確かめる手段がほとんどありません。安いモデルにこっそり差し替えられていても、回答だけでは見抜けません。攻撃者が回答を書き換えた場合も同じです。
そこで、AIの提供側が「この回答はこのモデルが作った」という証明書を付ける方法を研究しています。証明書からモデルの中身（重み）は分かりません。
大きなモデルのLlama 4 Maverick（パラメーター数400B）では、H100 GPU 1枚で毎秒約110トークンの証明を作れます。証明の大きさは、1,024トークンの依頼で約19MBです。
ただし、証明を作る計算量はモデルを動かすだけの場合の約70〜95倍です。Anthropicは、これは完成した成果ではなく途中経過だと説明しています。
Anthropicが公開した「FlashProve」は、そのための試作システムです。AIの提供側が回答に短い証明書を付け、利用者や監査する側が手元で確かめる仕組みを目指しています。
Anthropicの公式ブログによると、公開は2026年11月2日です。研究は同社のFrontier Red Teamが、EPFL（スイス連邦工科大学ローザンヌ校）やMITの研究者らと進めました。
回答の出所を確かめる手段がない問題
AIを使う人は、返ってきた回答が指定したモデルから出たのかを確かめられません。Anthropicは、ルーティングサービス（依頼をモデルに振り分ける仲介業者）がコスト削減のために別のモデルへ差し替える場合を挙げています。攻撃者がトークンの流れを改ざんする場合も同じです。回答の質が高くても、出力だけでは見分けられません。
重みが非公開のモデルが多く、仮に重みがあっても確認にはモデルの再実行が必要です。これは一般の利用者や評価者には重い負担です。
そこで研究されているのが「証明可能な推論」（Provable Inference、PI）です。計算資源が乏しく、重みも知らない利用者が、回答が指定のモデルから出たことを確かめられるようにする技術です。
zkSNARKという暗号技術を使う
FlashProveは、zkSNARK（ゼロ知識で、短く素早く検証できる証明）を使います。証明する側が短い証明書で「この計算は正しく実行された」と検証する側に納得させる仕組みです。証明書は、計算が正しいこと以外の情報を明かしません。検証にかかる時間は、元の計算より大幅に短くなります。
Anthropicの想定では、証明は数メガバイトで、利用者はCPUで数秒のうちに検証できます。回答が指定モデルとずれていれば、検証は失敗します。モデルの重みは証明から読み取れません。ただし、モデルの構造を隠すことは、このシステムの目標に入っていません。
400B級モデルで毎秒約110トークン、約19MB
性能の数字は次のとおりです。条件は、Llama 4 Maverick（400Bパラメーターのミクスチャー・オブ・エキスパーツ型）を4ビット量子化し、prefill（入力文を読み込む段階）で整数演算を使うものです。
Anthropicは、従来のオープンソースの手法は桁違いに遅いと説明しています。比較の詳細は技術報告書の第6節にあります。なお、証明の生成に元の推論の約70〜95倍のGPU時間がかかる点は、実運用に向けた課題として残ります。
Claudeが最適化し、Leanで保証を監査する
今回の改良の多くは、Claudeが行いました。暗号とセキュリティの分野の最新ツールを新しい形で応用しつつ、確立された設計原則に従ったといいます。
一方でAnthropicは、Claudeが大規模で複雑なシステムでは評価しにくい判断もすると認めています。その対策として、主張する安全性の保証を、最上位の命題としてLean（形式検証用の言語）で書きました。第三者が監査しやすくするためです。
公開された5点と想定される使い道
公開物は5点で、コード、Leanの証明、文書はApache 2.0ライセンスです。
Anthropicはこれを完成した研究計画ではなく中間成果と位置づけ、他の研究者が改良することを期待しています。
使い道として、3つの課題が挙げられています。
Anthropicは「フロンティア安全ロードマップ」で、2026年9月30日までに推論の出力を特定のモデルの重みに結びつけて署名する技術の試作を作る目標を掲げていました。同社はRSP（責任あるスケーリング方針）の更新で、この目標を別の関連プロジェクトで達成したと説明しています。それは推論トラフィックに署名し、信頼できるサーバーで再計算する方式で、今回は同じ目的を別の方法で追うものです。
AnthropicはAIが自らの脆弱性を見つける取り組みも進めています（Anthropic、未公開AIでChromeやSafariなどの深刻な脆弱性を発見）。
日本の読者への影響
コードはオープンソースで、日本からも入手できる形です。ただし、日本での利用に関する条件はまだ発表されていません。一般の利用者がすぐ使える製品ではありません。AI基盤、セキュリティ、監査を担当する人が、仕様と検証の仕組みを調べる材料になります。
同じ企業の発表提供前OpenAI、前日に出た記事から大きな発表を選び、1本2行でまとめてメールで届けます。無料・いつでも解除できます。
主要企業の大きな発表だけ、1日4回まで。夜22時〜朝7時は鳴らしません。いつでも解除できます。
本記事は公式発表の文章をもとにAIが要約・解説して自動生成したものです。誤りが含まれる可能性があるため、正確な仕様・料金は公式発表をご確認ください。元記事を読む制作方法と事実確認の手順は編集方針をご覧ください。誤りのご指摘はお問い合わせから受け付けています。
Anthropicが未公開の社内AIでChrome・Safari・Android・Windows・Linuxの重大な脆弱性を発見。Chromeは62件のCVEが修正済み。防御側の使い方と日本での提供状況を編集部が解説します。
米国AIラボReflectionが501B（5010億）パラメータのオープンMoEモデル「Beam」を公開。アクティブ23B、1Mコンテキスト、23.8兆トークンの事前学習により、高度なエージェント・コーディング性能を実現しました。
AnthropicがAI for Scienceを拡大し、スローン財団や米国科学財団、サンガー研究所など20組織にClaudeの無償利用枠を提供。内容、前との違い、日本の研究者の動き方を解説します。
Anthropicが創薬6組織との共同研究の初期成果を公開。抗体設計約35,000件、書類確認時間89%減などの事例と、ほとんどが臨床前段階にある現状、日本での使い方を解説します。
