FlashProve von Anthropic: Was der Modell-Beweis leistet

Die kurze Antwort: FlashProve ist ein Forschungsprototyp, den Anthropic am 2. November 2026 vorgestellt hat. Er erzeugt zu einer KI-Antwort einen kryptografischen Beweis, dass genau ein bestimmtes, vorher festgelegtes Modell sie geschrieben hat. Prüfen lässt sich das auf einem normalen Rechner, ohne die geheimen Modellgewichte zu kennen. Ein Produkt ist es nicht: Laut TechCrunch gibt es keine Pläne, es bei Anthropic oder einem anderen Labor einzusetzen.

Dieser Artikel stützt sich auf Anthropics Ankündigung, das öffentliche Repository und die Berichterstattung. Wir haben FlashProve nicht selbst ausgeführt. Die meisten Teile brauchen ohnehin eine NVIDIA-H100-Grafikkarte.

Welches Problem FlashProve lösen soll

Wenn du in einer App „Claude“ oder „GPT“ auswählst, vertraust du darauf, dass auch dieses Modell antwortet. Nachprüfen kannst du es nicht. Anthropic nennt in der Ankündigung zwei Fälle, in denen das schiefgehen kann: Ein Vermittlungsdienst, der Anfragen an Modelle weiterleitet, setzt aus Kostengründen heimlich ein billigeres Modell ein. Oder ein Angreifer manipuliert den Strom der Antwort unterwegs. An der Antwort selbst erkennst du beides nicht, auch dann nicht, wenn sie gut klingt.

Das betrifft nicht nur Privatleute. Anthropic nennt auch Prüfstellen, die ein Modell vor und nach der Veröffentlichung testen und sicher sein müssen, dass sie wirklich das ausgelieferte Modell vor sich haben. Und Regulierer, die verlangen könnten, dass nur zugelassene Modelle laufen. Für sie alle ist die Frage dieselbe: Welches Modell hat diese Antwort tatsächlich erzeugt?

So funktioniert es, ohne Mathematik

Das Repository auf GitHub beschreibt drei Schritte:

1. 01Festlegen: Der Anbieter veröffentlicht eine Kennung, die ihn an genau einen Satz Modellgewichte bindet. Die Gewichte selbst bleiben geheim.
2. 02Beweisen: Zu jeder Antwort erzeugt der Server des Anbieters einen Beweis, dass sie die Ausgabe dieses festgelegten Modells ist.
3. 03Prüfen: Jeder kann den Beweis auf einem gewöhnlichen Prozessor in Sekunden kontrollieren, ohne die Gewichte zu sehen.

Die Technik dahinter heißt zkSNARK, eine Form des Zero-Knowledge-Beweises. Gemeint ist ein Beweis, der zeigt, dass eine Rechnung korrekt war, ohne irgendetwas darüber hinaus zu verraten. TechCrunch vergleicht das mit Signaturen für E-Mails, die belegen, dass eine Nachricht wirklich vom angegebenen Absender stammt. Bemerkenswert: Laut Anthropic hat Claude selbst große Teile der Verbesserungen erarbeitet und die Protokollbeschreibung geschrieben. Weil solche Entscheidungen schwer zu überprüfen sind, liefert das Team die zentralen Sicherheitsaussagen zusätzlich als formale Beweise in der Sprache Lean.

Was der Prototyp heute schafft

Getestet hat Anthropic ein offenes Modell, nicht Claude: Llama 4 Maverick, ein Modell mit 400 Milliarden Parametern, in 4-Bit-Form. Laut Ankündigung erzeugt eine einzelne H100-Grafikkarte Beweise mit rund 110 Token pro Sekunde. Ein Beweis ist etwa 19 MB groß, pro Anfrage mit 1.024 Token. Das kostet ungefähr 70- bis 95-mal so viel Rechenzeit wie das bloße Ausführen des Modells. Frühere offene Systeme waren laut Anthropic um Größenordnungen langsamer. Die Details stehen im technischen Bericht.

Hintergrund ist ein selbst gesetztes Ziel. In seiner Frontier Safety Roadmap hatte Anthropic angekündigt, bis zum 30. September 2026 einen Prototyp für solche Beweise zu bauen. Erfüllt hat das Unternehmen dieses Ziel nach eigener Aussage mit einem anderen Projekt, das den eigenen Datenverkehr signiert und auf einem vertrauenswürdigen Server nachrechnet. FlashProve verfolgt dasselbe Ziel auf anderem Weg.

Die Grenzen, die Anthropic selbst nennt

• —Kurzer Kontext: Ein Beweis deckt höchstens 1.024 Token ab. Das ist weit weniger als ein langes Gespräch oder ein hochgeladenes Dokument.
• —Nur eine Bauart: Das System setzt Mixture-of-Experts-Modelle voraus. Andere, weit verbreitete Modellarten sind nicht abgedeckt.
• —Nur der wahrscheinlichste Text: Bewiesen wird eine exakte Ganzzahl-Version des Modells mit sogenannter Greedy-Dekodierung. Normale Chat-Antworten mit Zufallsanteil können davon abweichen.
• —Keine volle Garantie: Anthropic garantiert nicht, dass der schnelle Code, der Bericht und die Lean-Beweise exakt übereinstimmen. Seitenkanäle wie die Zeit, die ein Beweis braucht, könnten etwas über die Gewichte verraten.
• —Nicht gepflegt: Das Repository ist ausdrücklich ein Forschungsartefakt, nimmt keine Beiträge an und wird nicht weiterentwickelt. Lizenz: Apache 2.0.

Anthropic beschreibt die Veröffentlichung selbst als Zwischenstand, nicht als abgeschlossene Forschung. Andere sollen den Ansatz übernehmen und verbessern.

Was FlashProve nicht beweist

Das ist der Punkt, der in den Schlagzeilen leicht untergeht. Ein solcher Beweis sagt, wer geantwortet hat. Er sagt nichts darüber, ob die Antwort richtig ist. Ein Modell kann nachweislich echt sein und trotzdem eine Quelle erfinden oder eine Zahl falsch wiedergeben. Echtheit und Wahrheit sind zwei verschiedene Fragen, und nur die erste beantwortet FlashProve.

Die zweite Frage bleibt bei dir. Wie du eine Antwort gegen ihre Belege prüfst, steht in unserem Beitrag zu KI mit Quellenangaben. Und wer wissen will, ob ein Text überhaupt von einer KI stammt, findet in Ist der Text KI-generiert? die ehrliche Antwort: Detektoren raten. Ein Herkunftsbeweis wie FlashProve wäre das Gegenteil davon, setzt aber voraus, dass der Anbieter mitmacht.

Was das für dich heute ändert

Kurzfristig nichts. Kein Chatbot, den du nutzt, liefert solche Beweise mit, und Anthropic plant das laut TechCrunch auch nicht. Wenn du wissen willst, welches Modell antwortet, ist der direkte Weg zum Anbieter weiter die sicherste Wahl. Ein Vermittlungsdienst dazwischen ist eine Stelle mehr, der du vertrauen musst.

Mittelfristig ist FlashProve interessant, weil es um Vertrauen in KI-Agenten geht, die selbstständig handeln. Wie solche KI-Agenten arbeiten und welche Rechte sie bekommen, entscheidet mit, wie viel Schaden ein ausgetauschtes Modell anrichten kann. Bei Anthropics eigenem Agenten haben wir das am Beispiel Claude Duet und Datenschutz durchgesehen. Für Firmen gilt ohnehin: Welche Daten an welchen Dienst gehen, klärst du vorher, wie im Beitrag zu KI datenschutzkonform nutzen beschrieben.

Wo Coursium hilft und wo nicht

Coursium kann keinen Modell-Beweis liefern und prüft nicht, welches Modell hinter einer App steckt. Coursium ist eine App im App Store, mit der du lernst, KI im Beruf zu nutzen, etwa im Kurs Claude Essentials. Geübt wird genau die Fähigkeit, die FlashProve offenlässt: eine Frage an die KI gut stellen und die Antwort prüfen, bevor du sie weitergibst. Wenn du das ausprobieren willst, schau dir Coursium an oder probiere das kostenlose Übungsbeispiel.