FlashProve: la nuova frontiera della verifica dei modelli AI
Anthropic ha pubblicato un prototipo open source denominato FlashProve, in grado di fornire una prova crittografica che dimostra quale modello di intelligenza artificiale ha prodotto una risposta specifica, senza esporre i pesi (weights) del modello. La novità, presentata il 2 novembre 2026 in una pubblicazione con ricercatori del Massachusetts Institute of Technology, del Politecnico federale di Losanna e altre istituzioni, mira a introdurre una garanzia verificabile nei servizi AI, potenzialmente trasformando contratti commerciali, sicurezza informatica e valutazioni indipendenti.
Attualmente la distribuzione commerciale dell’AI si basa su un rapporto di fiducia: le imprese acquistano l’accesso a modelli dichiarati, ma non possono controllare direttamente quale sistema ha eseguito il calcolo. FlashProve vuole colmare questa asimmetria informativa, consentendo al cliente di verificare, mediante una prova matematica, che il modello dichiarato è stato effettivamente impiegato.
Come funziona la prova crittografica
Il meccanismo si basa sul concetto di provable inference. Il processo si articola in tre fasi:
1. Generazione della prova
Quando il modello elabora una richiesta, il fornitore crea una prova matematica che collega l’input, la risposta e l’impronta crittografica del modello. La tecnica principale è la famiglia zkSNARK, già utilizzata in alcune applicazioni blockchain, che permette di dimostrare l’esecuzione di un calcolo senza rivelare informazioni sensibili.
2. Trasmissione della prova
La prova, di dimensione circa 18,78 MB per ogni token verificato, viene inviata al cliente o a un verificatore indipendente. L’impronta iniziale occupa circa 6,5 MB.
3. Verifica indipendente
Il destinatario può controllare la prova con risorse molto più contenute: una CPU con 24 thread impiega circa 17 secondi, mentre un singolo thread richiede circa 21 secondi. Non è necessaria una GPU per la verifica.
Prestazioni sperimentali
Anthropic ha testato FlashProve su Llama 4 Maverick di Meta, un modello da 400 miliardi di parametri con architettura mixture‑of‑experts, che attiva solo una parte dei parametri per ogni elaborazione. I risultati chiave includono:
- Velocità di generazione delle prove: circa 110 token al secondo, con gruppi di 24 richieste, usando una GPU Nvidia H100 e 24 core CPU.
- Tempo di generazione della prova: 70‑95 volte superiore al tempo di inferenza tradizionale (confrontato con vLLM).
- Dimensioni della prova: 18,78 MB per token; impronta iniziale 6,5 MB.
- Verifica: 17 secondi con 24 thread CPU, 21 secondi con un singolo thread.
Questi dati rappresentano un notevole miglioramento rispetto a precedenti esperimenti di verifica crittografica su grandi modelli linguistici, ma evidenziano ancora un elevato sovraccarico computazionale.
Implicazioni economiche e tecniche
Il principale ostacolo alla commercializzazione di FlashProve è il costo delle risorse informatiche. Nel test, la generazione delle prove ha richiesto un tempo 70‑95 volte superiore a quello dell’inferenza ordinaria, indicando un sovraccarico significativo. Nonostante ciò, l’AI Index Report 2025 della Stanford mostra una drastica riduzione dei costi di utilizzo dei modelli, da 20 USD per milione di token nel 2022 a 0,07 USD nel 2024, una diminuzione di oltre 280 volte.
Nel 2025, Anthropic ha speso circa 6,8 miliardi di dollari in computazione, comprendendo ricerca, inferenza e altre componenti. Aggiungere verifiche crittografiche su ogni richiesta potrebbe quindi aumentare notevolmente la spesa operativa, rendendo la soluzione economicamente sostenibile solo per casi in cui la garanzia sull’identità del modello giustifichi un prezzo premium.
Possibili scenari di utilizzo
FlashProve potrebbe rivoluzionare diversi settori dove la trasparenza sull’AI è cruciale:
- Finanza: un istituto bancario può verificare quale modello ha analizzato documenti sensibili, assicurandosi di rispettare normative interne.
- Manifattura: verifica del modello impiegato per esaminare specifiche tecniche, garantendo coerenza con gli standard di qualità.
- Consulenza: documentazione dell’origine delle risposte AI usate nei processi decisionali, riducendo il rischio di responsabilità.
- Sicurezza informatica: conferma che un modello avanzato ha eseguito la scansione di codice per vulnerabilità, fornendo prova tangibile al cliente.
Queste applicazioni rimangono teoriche: FlashProve è ancora un prototipo di ricerca e non è stato annunciato per l’impiego nei servizi commerciali di Anthropic.
Limiti e considerazioni finali
La prova crittografica attesta esclusivamente che il modello dichiarato ha generato la risposta; non valuta la correttezza, l’attinenza o la qualità del risultato. Pertanto, la tecnologia non sostituisce controlli sulla qualità dei contenuti, sulla protezione dei dati o sulla responsabilità delle decisioni basate sull’AI.
In sintesi, FlashProve rappresenta un passo avanti verso una maggiore trasparenza e fiducia nei servizi di intelligenza artificiale, ma la sua adozione su larga scala dipenderà dalla capacità di ridurre i costi computazionali e di integrare la verifica in modelli di business esistenti. Solo il tempo dirà se la promessa di provare crittograficamente l’identità del modello diventerà una pratica comune nel mercato dell’AI.