Anthropic 於 11 月 2 日發布研究部落格，公布基於 zkSNARK 的可驗證推理開源原型 FlashProve，11 月 3 日通過官方 X 帳號宣布開原始碼，TechCrunch 同日跟進報導。該系統要求模型提供方為每個模型發布「指紋」，再證明某條回覆確由該模型生成，同時不洩露模型權重，因此閉源商用模型… 看完整事件
Anthropic 開源 FlashProve，加密驗證模型身份
Anthropic 公布開源系統 FlashProve，用密碼學證明某段輸出確實出自指定模型，防止廠商暗中換成更便宜或更強的模型。它要求 AI 實驗室為每個模型發布「指紋」，之後可將指紋與具體輸出匹配並加密驗證；指紋不暴露模型權重，因此閉源商用模型同樣適用，且系統足夠輕量，可在本地裝置完成驗證。研究團隊已在 GitHub 以開源許可發布技術規範與部分程式碼，研究仍在進行，暫沒有在 Anthropic 或其他實驗室部署的計劃。
指紋不洩露權重，閉源模型也能被第三方驗證，直接針對廠商暗中換模型這一現實問題；對研究者、模型廠商和需要核實輸出出處的人有參考價值。
原標題：Anthropic is working on a system to prove AI models’ identity
閱讀原文
| 評分 | 68 / 68（平均 68，門檻 76） |
|---|---|
| 狀態 | 未入選 |
相關報導
@AnthropicAI: New on our Frontier Red Team blog: using Claude to formally verify software at large scale.
Anthropic 前沿紅隊部落格發布研究：與 Theorem Labs 合作，用 Claude 在數週內為一百多個真實開源庫證明安全屬性。形式化驗證過去只能用於小規模程式碼庫或需大量專家時間，AI 模型正讓大規模驗證變得可行。完整研究已在其部落格發布。
@AnthropicAI: We’re expanding our Cyber Verification Program to give security professionals broader access to our…
Anthropic 宣布擴充套件 Cyber Verification Program（網路安全驗證計劃），讓經過驗證的安全專業人員能更廣泛地訪問其能力最強的模型。通過該計劃，驗證過的安全從業者可訪問 Claude Mythos 5.1、Opus 5.5 和 Sonnet 5.5，並配有面向防禦性工作的安全防護措施。同時新增層級，允許開展經授權的攻擊性安全工作，例如滲透測試與紅隊演練。
Anthropic 反蒸餾防禦使資料竊取減少 90%–99%
Anthropic 公布新的反蒸餾措施，早期證據顯示蒸餾者獲取的資料量減少約 90%–99%。核心做法是讓 Claude 的推理更難提取：把推理先摘要化後，用 Claude Opus 4.8 完整推理訓練出的模型在 SWE-bench Verified 上得 80.4%，僅用摘要訓練則降到 71.8%。文中點名智譜 GLM-5.3 蒸餾美國模型的網路安全能力，並稱發往 Moonshot Kimi 的請求被秘密轉發給 Claude。
OpenAI 公開內部前沿模型數學成果與 Lean 形式化證明
OpenAI 於 2026 年 10 月 6 日發布由內部前沿模型產出的多項數學結果，以 GitHub 倉庫形式公開，併為其中許多證明提供 Lean 形式化驗證。倉庫同時給出 10 份模型推理摘要、以 ChatGPT Pro 用量折算的算力估算，以及嘗試題目數量的統計，平均每個結果約消耗相當於 3 小時 ChatGPT Pro 思考的算力。
傳 Anthropic Mythos 級模型現身 Hugging Face，連結因惡意軟體風險被刪
Hacker News 上出現帖子稱 Anthropic 的 Mythos 級模型被洩露到 Hugging Face，但帖子所附連結已被站方以惡意軟體風險為由刪除，評論區多數使用者認為這幾乎肯定是假的，只是誘導不熟悉的人在本機執行惡意程式碼；也有人提到幾天前才有所謂 Fable 5 checkpoint 在暗網論壇出售的傳聞。Anthropic 方面沒有任何確認，也沒有開放權重的證據。