怎么证明回答你的就是那个模型：Anthropic 开源 FlashProve，同一份招股书写着「下一代模型可能很快触及加速研发门槛」

为什么重要：今天用户调用一个模型，没有任何办法确认对面真的是那个模型，第三方路由、评测机构和监管方都只能相信厂商的说法。FlashProve 第一次把这种核验的成本降到「可以想象部署」的量级，和此前同类开源系统相比快了几个数量级。把它和招股书那句话放在一起看更有意思：一家公司一边告诉投资人自己的模型可能很快开始显著加速 AI 研发，一边公开发布让外部核验「我到底在跑哪个模型」的工具，这是在为即将到来的监管提前准备证据链。反方检验：70 到 95 倍的算力开销决定了它只能事后抽查，不可能每次实时附证明；只支持 1024 token、只覆盖开放权重模型，离验证 Claude 本身还很远；「可能很快触及门槛」既是风险披露，也可能被读成对投资人的能力暗示。我的立场是：可验证推理会是 AI 监管真正能落地的技术前提，谁先把它做成行业标准，谁就在规则制定中拿到主动权，Anthropic 这一步走在了所有对手前面。

• Anthropic：大模型可证明推理的进展 企业宣称
• GitHub：anthropics/FlashProve 已证实
• @AnthropicAI 发布帖 企业宣称
• SEC：Anthropic S-1/A 修订文件 已证实

所属专题：Anthropic：持续追踪 · 全部专题

相关读懂

• Claude 接口让服务器暂存长对话 5 分钟

  Anthropic 给 Messages API 加了消息线程：后续轮次只传新消息，长请求首字等待中位数降约 35%，token 用量和价格不变。

  2026-11-03

• Flower 新模型拿条款和 OpenAI 竞争

  Flower Labs 发布 Endeavor 1.1，自报成绩与 OpenAI 相当，但考卷已近满分；真正的差别是允许客户用输出训练自己的模型。

  2026-11-03

• Anthropic 的营业利润被现货算力吃回去了

  Anthropic 修订招股书补上三季度：营收约 170 亿美元，营业亏损 5.67 亿，主因 50 亿美元短期算力贵于多年合约。

  2026-11-03

• 高盛从交易员手里收回了 AI 编程工具

  高盛 10 月起只让工程师和 strats 用 Claude Code 和 GitHub。7 月 CIO 还在夸业务员先做原型、再交工程师，这一步如今断了。

  2026-11-03

• GitHub 拦下高权限工作流后，AI 智能体安全了吗？

  GitHub 12 月 2 日起在公开仓库默认拦截高权限 PR 工作流，11 月先演练两次。由 issue 和评论触发的 AI 智能体不在这条规则之内。

  2026-11-03

• GDPx 头名只拿 12%，背后有三个计分细节

  SemiAnalysis 新考卷 GDPx 上 Claude Opus 5.5 以 12.0% 居首。总分混了部分分、安全设置和各家工具，分领域记录比名次有用。

  2026-11-02

• 美团新模型在自家 27 项对比里 10 项高过 Opus 5

  美团 LongCat-2.5 在自家列出的 27 项对比里有 10 项高过 Claude Opus 5，其中 6 项的对手分数是美团自己跑的；差距大的四项都是编程题，暂无独立评测。

  2026-11-02

• Anthropic 把 Claude 写的接口层切进了生产

  Anthropic 平台负责人称，团队起初没有 Rust 工程师，由 Claude 写完对外接口的 Rust 版，经影子流量对照后全面上线，CPU 约省四到五成。

  2026-11-01

本页是事件档案；当日判断见 2026-11-04 简报。