メインコンテンツへスキップ
AI Tools 18分で読める

FlashProve解説|AnthropicのzKSNARKで「本当にそのAIか」を証明する

「このAPIを叩いているのは本当にGPT-4なのか、それとも安いモデルにすり替えられていないか」。

Hacker Newsでこういう疑念が投稿されるたびに、「証明しようがない」というコメントが並んでいた。モデルプロバイダーを信じるか、疑うか。それ以外の選択肢はなかった。

2026年11月2日、Anthropicはその「それ以外の選択肢」を示す研究成果を公開した。FlashProve(フラッシュプルーブ)だ(出典:Anthropic「Progress on provable inference for large language models」)。ゼロ知識証明(zkSNARK)を使い、AIモデルの応答が事前にコミットした特定の重みから生成されたことを、重みを公開せずに数学的に証明する。研究プロトタイプであり、商用展開は未定。ただし、「信じるしかない」という前提を崩す試みとして、業界に問いを投げかけている。

この記事はこんな人におすすめ
  • Claude・OpenAI等のAIをシステムに組み込んでいる開発者・PMで、「本当に契約したモデルが動いているか」に疑問を持ったことがある人
  • 金融・医療・法務など規制業界でAIを使い始めており、監査対応・証跡管理が求められている担当者
  • ゼロ知識証明やzkSNARKという言葉は聞いたことがあるが、AIとの関係がわからないエンジニア
結論(忙しい人向け)

FlashProveは、AIモデルの応答が特定の重みから来たことを暗号学的に証明するAnthropicのOSSプロトタイプ(2026年11月2日公開)。EPFLとMITと共同で開発した。今すぐClaude APIでは使えないし、商用展開の見通しは不明。性能面でも70〜95倍のオーバーヘッドがあり、コンテキスト長は1024トークンまで。現状は研究者・暗号エンジニア向けの中間成果物だが、「モデル認証」という問題提起として重要。

そもそも「どのモデルが答えたか」の何が問題なのか

AIをプロダクトに組み込んで使う立場からすると、この問いには実害がある。

コスト面:API事業者が「GPT-4o相当」と宣伝しながら内部では安いモデルを使えば、ユーザーは品質を過大に期待し、コストを払い続ける。これはいわゆる「モデルスワップ」問題で、API仲介サービスが増えた2024〜2025年頃から、開発者コミュニティで繰り返し話題になってきた。

コンプライアンス面:金融・医療分野のAI規制では、AI意思決定の根拠記録と定期的なモデル審査が求められる方向に進んでいる。「あのとき使ったのは〇〇モデルのバージョン×.×だった」と証明できることは、将来的な監査対応として重要になる。欧州では、EU AI Actの高リスク区分でモデルのトレーサビリティが求められており、同様の流れが日本にも来る可能性がある。

信頼面:Anthropicの研究者Dario Amodeiは2026年のAI信頼調査で、企業がAIを使い始めてもトラストレベルが改善しないケースが多いと指摘した(出典:Anthropic「Public record on AI trust」)。信頼の根拠を「事業者を信じる」から「暗号学的証明で確認する」に変えることは、エンタープライズ採用の前提条件になりうる。

FlashProveの仕組み:zkSNARKをLLM推論に応用する

技術的な核心は**zkSNARK(ゼロ知識簡潔非対話型知識証明)**だ。暗号通貨の文脈ではEthereumのzk-rollupやZcashで使われてきた技術だが、AI推論への応用は2024〜2025年頃から複数の研究グループが取り組んでいる。

FlashProveの流れは3ステップだ(出典:Anthropic「Progress on provable inference」、及びDevX「What Is FlashProve?」)。

  1. コミットメントの公開:プロバイダーが使用する重みのハッシュ(短い指紋)を事前公開する。この処理に約39分かかる(オフライン処理)。
  2. 推論 + プルーフ生成:ユーザーへの応答と同時に、「この応答はコミットした重みから計算された」というzkSNARKプルーフを生成する。
  3. 検証:ユーザー(または第三者)はプルーフを受け取り、24スレッドのCPUで約17〜21秒で検証できる。GPUは不要。

ポイントは「重みを公開しない(ゼロ知識)」点だ。競合他社に重みを見せることなく、「このモデルが計算した」ことを外部が確認できる。モデルプロバイダーの機密を守りながら、利用者側に検証手段を渡す、という構造だ。

AnthropicはEPFL(スイス連邦工科大学ローザンヌ校)・MIT・StarkWare・Succinctと共同でこの研究を進めた。コードはApache 2.0ライセンスでGitHubに公開されており、プロトコル仕様とLean言語による形式証明も含む(出典:AI Polix「FlashProve open-source zkSNARK」)。

性能の数字と現実のギャップ

Anthropicが公開したベンチマーク結果は次のとおりだ(Llama4 Maverick、400Bパラメータ、4bit量子化、H100 1枚)。

指標数値
プルーフ生成速度約110トークン/秒
vLLM比オーバーヘッド約70〜95倍
プルーフサイズ約18.78 MB/応答
CPU検証時間約17〜21秒(24スレッド)
コミットメント生成(初回のみ)約39分

(出典:DEV Community「Anthropic’s FlashProve」、Cryptobriefing「FlashProve zkSNARK」。いずれも一次資料としてAnthropic公式研究ページを参照)

「約110トークン/秒」は聞こえがいいが、vLLM比70〜95倍のオーバーヘッドが本質的な問題だ。vLLMで1秒で処理できるリクエストに、FlashProveを使うと70〜95秒分のGPU計算リソースが必要になる。現時点でこれを商用APIに組み込んだら、コストは桁違いに跳ね上がる。

さらにプルーフ1件が約18.78 MBという点も見逃せない。APIレスポンスに毎回18 MBのプルーフが付いてくると、帯域もストレージも現実的でない。

FlashProveの限界:何を証明「しない」か

FlashProveは「計算の正しさ」を証明する。しかし次のことは証明しない。

  • 答えの正しさ:ハルシネーション(事実に反する内容の生成)が起きていないことは証明できない
  • コミットメントの信頼性:プロバイダーが公開したコミットメント自体が正直なものかどうかは、別途信頼が必要
  • 浮動小数点推論との一致:FlashProveは整数演算とgreedy decoding(最も確率の高いトークンを選ぶ方式)に限定されている。実際のClaudeは浮動小数点演算とサンプリングを使うため、結果が異なる可能性がある
  • コンテキスト全体のカバレッジ:現時点では1024トークンまでの制約がある

また、arXivに投稿された「Hollow-LLM Attack」論文は、ゼロ知識推論検証の前提となる重みコミットメントに関する見落とされがちな限界を指摘しており、FlashProveと同種のアプローチが将来どこまで堅牢か、慎重に見る必要がある(出典:arXiv 2607.28884「Hollow-LLM Attack」)。

なぜClaude本体でなくLlama4でデモしたのか

これは意図的な選択だ。FlashProveはモデルの重みを外部から確認できる状態を前提にしている。Llama4 MaverickはMetaがApache互換ライセンスで公開している4bit重みを使えるため、第三者が独立に検証できる。

一方、ClaudeやGPT-4の重みは非公開だ。FlashProveをプロプライエタリモデルに応用するには、プロバイダーが重みのコミットメントを公開する運用ルールを作る必要がある。現時点でAnthropicはその仕組みを用意していない。「ClaudeにFlashProveを使えば詐称を防げる」という理解は、今のところ正確ではない。

実用化への道:誰が使うのか、いつ使えるのか

今すぐ使えるのは、zkSNARKの実装に詳しい暗号エンジニアとAI研究者だ。APIラッパーもドキュメントも商用グレードではなく、Anthropicも「他の研究者が発展させるための中間成果物」と位置づけている。

ただし、ユースケースとして現実的な候補はある。

金融・医療の規制対応:EU AI Actの高リスク区分や金融規制において、「どのモデルがどのバージョンで動いたか」の証跡は将来義務化の可能性がある。今の「ログで記録する」運用より暗号学的に強い根拠になりうる。

AIマーケットプレイスの信頼性:AIエージェントやモデルを売買・賃貸するプラットフォームが増えている。FlashProveのような技術が標準化されれば、「本当に謳ったモデルを使った」証明に使える。

政府・防衛分野:Anthropicはすでに米国防総省と取引があり(出典:本サイト記事「Anthropic NSAとMythos」)、機密性の高い場面でモデル認証の需要は高い。

現実的な商用化には、オーバーヘッドの劇的な削減が必要だ。wakesync/flashproveのような派生フォークも出始めており、技術は前進しているが、まだ数年単位の研究が必要だとみる。

電脳狐影の見方

PMとして最も興味を引いたのは、「証明」の問題を「コミットメント」に分割した設計思想だ。重みを公開しなくても、コミットメントというハッシュさえ公開すれば外部検証を可能にする。これは今後の「AI透明性」の議論に使えるフレームだと思う。

ただし、実際にプロダクトに組み込むことを今の段階で検討する必要はない。コスト面でも成熟度面でも、早すぎる。注目すべきは「性能が10倍以内に収まる段階」「ClaudeなどプロプライエタリモデルのAPIがコミットメントを公開する段階」の2つだ。

開発者として今できることは、FlashProveのリポジトリをフォローしておくこと、そして金融や医療系プロジェクトで「モデル証跡」の要件が出てきたときに「技術的には可能だが今は高コスト」と説明できる知識を持っておくことだ。

AnthropicのAIセキュリティ最新動向を追う

FlashProveと同時期に発表されたClaude Enterpriseのセキュリティセンター、インファレンスフックGA、EDR対応について詳しくまとめた。コンプライアンス対応を検討している担当者に。

Enterpriseセキュリティセンターを見る

関連記事


免責事項: 本記事はAnthropic公式研究ページ、DEV Community、Cryptobriefing、AI Polixなどの二次報道をもとに、2026年11月12日時点の情報で作成した。FlashProveは研究プロトタイプであり、仕様・性能数値・提供条件は予告なく変わる可能性がある。導入を検討する場合はAnthropicのFlashProve公式ページと最新のGitHubリポジトリを必ず確認してほしい。本記事はセキュリティ・法律・コンプライアンス上の助言ではない。規制対応や監査要件への適用は、専門家に相談の上で判断してほしい。

本記事はAnthropicと提携・承認関係のない個人による非公式の解説である。Claude、Anthropicは各社の商標である。その他の製品名は各社の商標である。

Share