Lewati ke konten
Industri & Bisnis

Anthropic rilis FlashProve, prototipe bukti asal jawaban model AI

Anthropic merilis FlashProve, prototipe sumber terbuka yang memakai bukti kriptografis zkSNARK untuk memastikan jawaban berasal dari model tertentu tanpa membuka bobotnya.

Ilustrasi: Piksel (AI)

Anthropic pada Selasa (3/11) merilis FlashProve, prototipe sumber terbuka untuk apa yang para penelitinya sebut provable inference: bukti kriptografis bahwa sebuah keluaran benar-benar dihasilkan oleh model yang diklaim. Pengumuman itu disampaikan lewat pos riset di situs Anthropic dan dilaporkan TechCrunch. Tujuannya memberi pengguna cara memastikan model mana yang sesungguhnya menjawab mereka.

Menurut pos riset Anthropic, pengguna yang mengirim permintaan ke sebuah model hari ini tidak bisa memastikan bahwa model pilihannya yang menghasilkan jawaban. Layanan perutean pihak ketiga bisa diam-diam menukar model demi menekan biaya. Penyerang yang mengubah aliran token sambil menyamar sebagai model tertentu juga tidak bisa dideteksi hanya dari isi jawaban.

TechCrunch menambahkan bahwa sistem ini dirancang tahan terhadap peniruan, bahkan bila peniru adalah lab yang membangun dan menjalankan modelnya. Para peneliti menyebut sistem itu bisa mencegah perusahaan AI menukar model dengan yang lebih murah secara diam-diam, atau dengan yang lebih mahal demi menggelembungkan hasil uji.

Bagaimana FlashProve bekerja

Inti mekanismenya adalah zkSNARK, sejenis bukti kriptografis singkat yang bisa diperiksa cepat tanpa mengungkap rahasia di baliknya. Penyedia model berkomitmen pada satu model, lalu mengirim bukti berukuran beberapa megabyte bersama setiap jawaban. Pengguna memverifikasi bukti itu, idealnya dalam hitungan detik di CPU. Jika jawaban menyimpang dari model yang dijanjikan, pemeriksaan gagal.

Komitmen dan bukti inferensi menyembunyikan bobot model, yaitu angka internal yang menentukan perilakunya dan yang dijaga ketat oleh pembuat model tertutup. Menurut TechCrunch, lab perlu menerbitkan “sidik jari” tiap model yang dirilis agar keluaran bisa dicocokkan dan diverifikasi, dan sidik jari itu tidak membuka bobot. Dengan begitu sistem ini bisa dipakai untuk model komersial. Pos riset menegaskan bahwa menyembunyikan arsitektur model bukan tujuan sistem ini.

Desainnya juga dibuat ringan agar verifikasi dapat dilakukan di perangkat lokal. Anthropic merilis lima artefak: pos blog, laporan teknis, spesifikasi protokol yang ditulis Claude, kode yang dapat dieksekusi (prover, verifier C++ cepat, dan verifier yang terbukti benar dalam Lean, bahasa verifikasi formal), serta bukti Lean untuk pernyataan matematis tingkat atas beserta visualisator interaktif. Kode, bukti Lean, dan dokumentasi dirilis dengan lisensi Apache 2.0.

Angka dan batas kinerja

Klaim kinerja yang paling konkret datang dari pos riset. Untuk Llama 4 Maverick, model campuran pakar (mixture of experts) berparameter 400 miliar dengan kuantisasi 4-bit, satu GPU H100 menghasilkan bukti sekitar 110 token per detik. Ukuran bukti sekitar 19 MB per permintaan 1.024 token.

Menurut dokumen itu, waktu GPU yang dibutuhkan kira-kira 70–95 kali lipat dibanding menjalankan model yang sama di vLLM, pustaka sumber terbuka yang umum dipakai. Anthropic menyebut sistem sumber terbuka sebelumnya lebih lambat berorde-orde besaran. Biaya pembuktian karena itu tetap menjadi pertanyaan terbuka, terutama untuk layanan bervolume besar.

Repositori GitHub FlashProve menyebut dirinya prototipe riset yang tidak dipelihara. Contoh bawaan dengan bobot sintetis hanya menunjukkan bahwa verifier berjalan, bukan apa pun tentang model yang sungguh melayani permintaan. Untuk bobot Maverick asli, tersedia jalur tersendiri.

Masih riset, belum produk

Pos riset menyebut tujuannya membagikan kemajuan antara, bukan agenda riset yang tuntas, dan mengajak pihak lain mengambil serta memperbaiki hasilnya. Menurut TechCrunch, riset masih berjalan dan tidak ada rencana menerapkannya di Anthropic atau lab lain. Pos riset tidak memuat jadwal peluncuran.

Tim penulisnya mencakup Roy Rinberg dan Alex Allain dari Anthropic, serta peneliti dari EPFL, MIT, StarkWare, dan Succinct.

Pertanyaan terbuka

Pertama, ketergantungan pada penerbit: sistem mensyaratkan lab menerbitkan sidik jari modelnya. Dokumentasi repositori menekankan bahwa identitas komitmen harus diperoleh dari pihak yang dipercaya pengguna, bukan dari server yang sedang diperiksa atau dari berkas yang dikirim bersama bukti.

Kedua, biaya. Rasio 70–95 kali waktu GPU inferensi biasa adalah beban nyata bagi penyedia yang ingin menyertakan bukti pada tiap jawaban.

Ketiga, privasi. Bukti dirancang tidak mengungkap bobot, tetapi pos riset tidak membahas sejauh mana pola permintaan dan keluaran bisa dikaitkan dengan identitas pengguna.

Relevansi bagi pengguna di Indonesia

Banyak aplikasi lokal mengakses model terdepan lewat penyedia API, agregator, atau layanan perutean yang menawarkan banyak model sekaligus. Pos riset menyebut klien layanan perutean ingin jaminan bahwa token berasal dari model yang mereka bayar. Jika praktik semacam ini kelak diadopsi, pembeli bisa meminta bukti serupa.

Untuk saat ini, FlashProve belum diterapkan di layanan produksi mana pun menurut TechCrunch, sehingga klaim semacam itu belum bisa diverifikasi dengan alat ini. Kodenya terbuka, sehingga pengembang dan peneliti dapat menguji dan memperbaikinya.

#anthropic#kriptografi#verifikasi model#api#sumber terbuka

Terkait

Ilustrasi: Piksel (AI)Industri & Bisnis

Apple luncurkan aplikasi studi amati penggunaan AI kesehatan

Apple merilis aplikasi studi berkolaborasi dengan OpenEvidence untuk meneliti interaksi pengguna dengan AI kesehatan berbasis literatur klinis. Studi ini menyasar 200.000 partisipan di AS dengan jaminan privasi ketat.

Bima · Industri16 November 2026