你付钱调用的那个 AI，真的是商家承诺的那个模型吗？

对很多走第三方 API、聚合平台、中转站的用户来说，这个问题过去只能靠体感：回答变笨了、语气不对、某道难题突然做不出来，就怀疑“是不是被掉包了”。但靠几个测试题鉴别，永远分不清是模型换了、路由变了、还是解码参数没调好。

Anthropic 最近放出的 FlashProve，想把这件事从“玄学吵架”变成“数学验证”。

一、zkSNARK：不公开权重，也能证明“你就是你”

FlashProve 是一套开源研究原型，核心是 zkSNARK（零知识简洁证明）：

• 模型方先对权重生成一次“承诺”（类似密码学指纹），锁定具体模型版本，不泄露权重；

• 每次推理返回回答时，附一份约 19MB 的证明文件；

• 用户拿承诺+提示词+回答+证明，在普通 CPU 上十几秒就能核验：这段输出是不是由锁定权重算出来的。

斯坦福此前测过 31 个 Llama 商业 API 端点，11 个输出分布和官方权重对不上。中转站用便宜小模型冒充旗舰、用旧版本顶新版本、偷偷改路由——这些事，zkSNARK 能直接戳穿：证明对不上承诺，就是没跑那个模型。

验证成本也到了可用边缘：Llama 4 Maverick（400B MoE）单张 H100 出证明约 110 tokens/秒，比原生 vLLM 推理慢 70–95 倍，但验证端不需要 GPU。对中转站来说，证明贵；对用户来说，检查便宜。

二、中转站生意的“原罪”被盯上了

国内“Token 中转站”过去吃的是信息差和价格差：号池反代、低配模型冒充高端、关键帧好模型其余帧便宜模型、Token 来源混杂。 央视、央广网今年连续点名：模型缩水、数据截留、出境失管。

FlashProve 打中的正是“模型缩水”这一环。以后正规链路可以是：

厂商发布模型承诺指纹 → 中转站每次请求挂证明 → 用户/审计方随手验真。

投诉“你换模型了”，商家不能再说“没有啊你感受错了”，得把证明拿出来。对评测机构、监管、企业采购，这也是硬证据：测的是哪个模型、线上跑的是哪个模型，能对账。

三、但天不会马上塌，三个边界要看清

1. 只证“权重身份”，不证“体验没降智”
系统提示词、安全策略、上下文截断、量化方式、解码温度，都不在权重证明里。权重没换，但调参偷懒、关掉长上下文、路由到劣质节点，证明依然有效，用户照样觉得“变笨”。Kimi 团队此前排查“跑分异常”，一半原因是解码参数误用，不是权重问题。

2. 证明前置依赖“可信承诺源”
用户得事先知道正品承诺是什么。如果中转站自己发一个“模型 B”的承诺，证明有效，但 B≠你买的 A，依然骗你。所以必须有权威模型指纹库、厂商官方承诺发布机制，验证才有意义。

3. 成本还没卷到消费级
证明 GPU 时间 70–95 倍溢价，全量证明短期只适合高价值调用、审计抽样、企业合约。Anthropic 自己也说这是研究原型：后验证明、上下文长度有限、架构未隐藏。真要每句话都带证明，中转站毛利会被打穿。

四、真正被重构的是“信任基础设施”

FlashProve 不是来清退中转站的，是来分化中转站的：

• 草根号池中转型号池：继续靠信息差赚钱，但会越来越难，合规打击+可验证技术双压；

• 品牌化聚合平台：把证明做成标配，从“卖便宜 Token”升级为“卖可审计 Token”，反而有溢价；

- 模型厂商：用证明防服务器被入侵、防内部私自降级、给监管交合规作业。

再往外看，可证明推理会和机密计算、密态计算、硬件远程证明拼成一套“AI 信任栈”——不只证明“算得对”，还证明“数据没被看、环境没被改”。

写在最后

Anthropic 这一下，不是“微微发力”，是把 AI 服务从主体信任（我信你没换）推向技术信任（证明你没换）。

中转站不会一夜消失，但“模型掺水”的红利窗口开始倒计时。未来用户最自然的一句话会是：

“别解释，把证明贴出来。”

花钱买指定模型，确认收到的是它——本来就不该靠猜。FlashProve 把这条底线，第一次做成了可以跑在笔记本上的密码学检查。