Anthropic Rilis FlashProve untuk Buktikan Keaslian Model AI
FlashProve memanfaatkan pembuktian kriptografi untuk memastikan pengguna mendapatkan jawaban dari model AI asli yang dibayar, bukan versi tiruan yang murah.
Foto: The Next Web (Dokumentasi editorial)
Poin penting
- FlashProve membuktikan keaslian model AI pembuat jawaban tanpa perlu membocorkan bobot rahasia perusahaan.
- Protokol ini menguji model 400 miliar parameter pada satu cip Nvidia H100 berkecepatan 110 token per detik.
- Alat riset terbuka ini mengantisipasi risiko penukaran model premium dengan versi murah oleh pihak penyedia.
Pengguna layanan kecerdasan buatan saat ini sulit memastikan keaslian sistem di balik layar. Pengguna tidak bisa mengetahui secara pasti apakah penyedia perutean diam-diam menukar model dengan versi lebih murah, atau apakah pihak luar mengubah jawaban tersebut.
Menanggapi celah tersebut, Anthropic merilis FlashProve, sebuah prototipe bersumber terbuka berlisensi Apache 2.0. Menurut laporan The Next Web, sistem ini dirancang untuk membuktikan bahwa sebuah jawaban benar-benar berasal dari model AI yang dijanjikan.
FlashProve menerapkan konsep inferensi terbukti (provable inference) menggunakan zkSNARK, yakni teknik kriptografi pembuktian data tanpa membocorkan isi data aslinya. Penyedia AI cukup memublikasikan sidik jari digital dari bobot model mereka tanpa membongkar kerahasiaan bobot tersebut kepada publik.
Kecepatan dan Keterbatasan Teknis FlashProve
Anthropic menguji sistem ini pada model Llama 4 Maverick milik Meta yang memiliki 400 miliar parameter. Model tersebut memakai arsitektur mixture-of-experts (MoE), yakni sistem jaringan saraf yang hanya mengaktifkan bagian ahli tertentu sesuai kebutuhan tugas.
Dalam pengujian pada satu cip Nvidia H100, FlashProve menghasilkan bukti kriptografi dengan kecepatan sekitar 110 token per detik. Ukuran bukti berkisar 19 megabita untuk setiap permintaan sepanjang 1.024 token.
Kecepatan pembuatan bukti ini melompat jauh dibandingkan eksperimen sebelumnya pada model yang sama, yang membutuhkan waktu hingga 14,3 jam untuk 1.000 token. Sementara itu, proses pengecekan keabsahan bukti oleh pengguna hanya memerlukan 17 detik di prosesor komputer biasa tanpa kartu grafis khusus.
Kendati efisien, prototipe ini masih membutuhkan waktu komputasi GPU 70 hingga 95 kali lebih lama dibanding komputasi normal. Menurut laporan TechCrunch, Anthropic belum berencana menggelar FlashProve ke lingkungan produksi komersial karena kapasitasnya masih terbatas pada konteks 1.024 token dan belum menyembunyikan desain arsitektur model.
Apa Artinya bagi Pelaku Usaha
Bagi perusahaan yang memanfaatkan perantara API pihak ketiga, inovasi ini menyoroti potensi risiko pemangkasan kualitas secara diam-diam. Jika penyedia layanan mengalihkan permintaan ke model alternatif yang lebih murah demi menghemat biaya mereka, akurasi keputusan operasional bisnis Anda bisa langsung terganggu.
Meski FlashProve masih berupa proyek riset awal, pelaku usaha di Indonesia sebaiknya mulai memperketat tata kelola pengadaan solusi AI. Anda dapat meminta transparansi metrik teknis, menetapkan batas akurasi dalam jaminan tingkat layanan (SLA), serta rutin mengaudit konsistensi performa vendor.
Ke depan, kepatuhan regulasi dan audit keamanan diperkirakan akan mendorong penerapan verifikasi berbasis kriptografi. Memahami tren verifikasi ini membantu pimpinan perusahaan memilih mitra teknologi yang akuntabel dan menjaga integritas operasional jangka panjang.
- The Next Web: Anthropic open-sources FlashProve to prove which AI model wrote an answer
Lihat hasil pemeriksaan (12 klaim)
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Anthropic merilis FlashProve, sebuah prototipe sumber terbuka untuk membuktikan keaslian model AI pembuat jawaban. | Didukung | “Anthropic has released FlashProve, an open-source prototype that proves a reply came from a committed AI model.” The Next Web mengonfirmasi perilisan FlashProve sebagai prototipe sumber terbuka. |
| Kode FlashProve dirilis di bawah lisensi Apache 2.0. | Didukung | “The code is released under the Apache 2.0 licence.” The Next Web mencantumkan lisensi Apache 2.0. |
| Pengguna saat ini tidak bisa memastikan apakah perute menukar model dengan yang lebih murah atau peretas mengubah respons. | Didukung | “Today a user cannot tell whether a router quietly swapped in a cheaper model, or whether an attacker tampered with the replies.” The Next Web menyebutkan keterbatasan pengguna saat ini dalam memverifikasi integritas jawaban AI. |
| FlashProve menerapkan konsep inferensi terbukti (provable inference) menggunakan zkSNARK dengan menerbitkan sidik jari bobot model. | Didukung | “FlashProve tackles this with “provable inference”. The provider publishes a fingerprint of its model weights.” The Next Web memaparkan mekanisme provable inference dan penggunaan zkSNARK. |
| Bukti kriptografi tidak membocorkan informasi bobot model itu sendiri. | Didukung | “The proof reveals nothing about the weights themselves, Anthropic said.” The Next Web mengutip Anthropic bahwa bobot model tetap terjaga kerahasiaannya. |
| Anthropic menguji sistem pada model Llama 4 Maverick milik Meta yang memiliki 400 miliar parameter dengan arsitektur mixture-of-experts. | Didukung | “Anthropic tested it on Meta’s open Llama 4 Maverick, a 400bn-parameter mixture-of-experts model.” The Next Web menjelaskan model uji coba yang digunakan Anthropic. |
| Satu cip Nvidia H100 menghasilkan bukti dengan kecepatan sekitar 110 token per detik dan ukuran bukti sekitar 19 MB per 1.024 token. | Didukung | “A single Nvidia H100 produced proofs at about 110 tokens a second, with a proof of about 19MB for each 1,024-token request.” The Next Web memaparkan metrik performa komputasi pembuktian pada satu H100. |
| Pemeriksaan bukti membutuhkan sekitar 17 detik pada CPU biasa tanpa GPU dan tanpa akses ke bobot model. | Didukung | “Checking a proof takes about 17 seconds on an ordinary CPU, with no GPU and no access to the weights.” The Next Web mencantumkan waktu verifikasi di CPU biasa. |
| Satu-satunya pembuktian sebelumnya pada model yang sama membutuhkan waktu 14,3 jam untuk 1.000 token. | Didukung | “The only earlier proof of the same model took 14.3 hours for 1,000 tokens, according to the post.” The Next Web membandingkan waktu pembuktian sebelumnya yang mencapai 14,3 jam. |
| Pembuatan bukti masih memakan waktu komputasi GPU 70 hingga 95 kali lebih lama dari komputasi normal. | Didukung | “That is 70 to 95 times the GPU time of running the model normally, Anthropic said.” The Next Web mengutip pernyataan Anthropic terkait rasio waktu komputasi GPU. |
| Belum ada rencana menerapkan FlashProve di Anthropic atau laboratorium lain. | Didukung | “There are no plans to deploy it at Anthropic or any other lab, TechCrunch reported.” The Next Web mengutip laporan TechCrunch mengenai status penerapan FlashProve. |
| FlashProve terbatas pada konteks 1.024 token dan menyembunyikan bobot tetapi tidak menyembunyikan desain model. | Didukung | “It handles contexts of only 1,024 tokens, far below what chatbots use. It works only with mixture-of-experts models, and it hides the weights but not the model’s design.” The Next Web merinci batasan kapasitas dan keterbukaan desain arsitektur model. |
Video AI terbaru
Local AI 301: Quantization
