A Anthropic apresentou em 2 de novembro de 2026 o FlashProve, protótipo de pesquisa que busca responder a uma pergunta importante sobre serviços de inteligência artificial: como comprovar que uma resposta veio do modelo que o fornecedor prometeu utilizar? A iniciativa reúne técnicas criptográficas e código aberto, mas não representa a chegada de uma nova função ao Claude ou a outros produtos comerciais.
Em sistemas que encaminham perguntas para diferentes modelos, o usuário normalmente recebe apenas o texto gerado. A qualidade da resposta não prova qual conjunto de parâmetros foi usado. O FlashProve tenta acrescentar uma comprovação verificável dessa origem sem exigir que o laboratório divulgue os chamados pesos, os valores internos que orientam o funcionamento do modelo.
A técnica emprega zkSNARKs, uma família de provas criptográficas capaz de demonstrar que determinado cálculo obedeceu às regras estabelecidas sem revelar toda a informação utilizada. O provedor cria um compromisso associado ao modelo. Depois, uma prova referente à solicitação e à resposta pode ser conferida por outra parte, em princípio sem executar novamente toda a inteligência artificial.
No anúncio, a Anthropic descreve testes com uma versão quantizada em quatro bits do Llama 4 Maverick, modelo de mistura de especialistas com 400 bilhões de parâmetros. Segundo as medições da própria equipe, uma GPU Nvidia H100 gerou provas a aproximadamente 110 tokens por segundo, com arquivos de cerca de 19 MB para uma solicitação de 1.024 tokens. Não se trata de avaliação independente conduzida pela TrendScope.
A pesquisa também reconhece custos elevados: gerar as provas consumiu aproximadamente 70 a 95 vezes mais tempo de GPU do que a inferência convencional na comparação realizada com o software vLLM. Essa diferença ajuda a explicar por que demonstrar a viabilidade matemática não equivale a oferecer uma solução pronta para milhões de consultas em tempo real.
Os pesquisadores disponibilizaram documentação técnica, código executável e demonstrações de propriedades matemáticas na linguagem Lean, sob licença Apache 2.0. O grupo reúne integrantes da Anthropic e colaboradores de instituições acadêmicas. O comunicado descreve o trabalho como resultado intermediário de uma agenda de pesquisa, não como tecnologia finalizada.
O TechCrunch publicou em 3 de novembro uma reportagem independente sobre o anúncio, destacando o potencial de conferir a identidade de modelos utilizados por intermediários. Há uma distinção fundamental: provar a execução associada a um conjunto de pesos não significa atestar que a resposta seja correta, imparcial ou adequada ao usuário.
Não há confirmação de adoção em produção por plataformas comerciais, nem cronograma público para isso. O alcance do FlashProve dependerá de auditoria técnica, redução de custos e integração pelos fornecedores. Por enquanto, a notícia é sobre progresso experimental na verificabilidade da IA, não sobre uma garantia já disponível ao consumidor.
Fontes e referências: Anthropic, pesquisa original publicada em 2 de novembro de 2026: https://www.anthropic.com/research/provable-inference TechCrunch, Russell Brandom, 3 de novembro de 2026: https://techcrunch.com/2026/11/03/anthropic-is-working-on-a-system-to-prove-ai-models-identity
Produção editorial com apoio de automação e referências identificadas. A automação não representa aprovação humana prévia.
