Anthropic以內部Token簽章偵測到1起完整性異常

Anthropic已將一套原型系統部署至實際推論環境，用來確認輸出是否來自特定模型權重。該公司也對所有內部 token 流量加上簽章，並偵測到1起完整性異常。

Anthropic在10月19日公布的安全路線圖更新中表示，這起異常「極為罕見且無害」。目前公開的成果包括在實際推論環境運作的原型，以及對內部流量採取的簽章措施。

Anthropic沒有具體說明同一流程是否也適用於使用者請求，或如何將輸出與模型權重連結。內部流量簽章與使用者請求驗證是兩件不同的事，應分開看待。

該公司也決定以「推論驗證」（inference verification）取代原本的「可證明推論」（provable inference）。Anthropic表示，確認 token 流程完整性有多種方法，舊稱可能讓人以為可採用的做法較為有限。

確認輸出是否來自特定模型權重，與評估回答內容是否符合事實不同。即使確認了模型計算的來源，也不代表回答內容必然為真。

本刊先前報導，原型系統的開發目標日期為9月30日。這次更新顯示，Anthropic在提出目標後，已將原型部署至實際推論環境，並對內部 token 流量採取簽章措施。

Anthropic持續研究這項技術，是為了因應模型訓練完成後，系統遭入侵而導致權重遭到修改的風險。此次公布的簽章措施，用於檢查內部 token 流程的完整性。

這次更新並未提及名為「FlashProve」的系統，也沒有提到拉瑪4 Maverick（Llama 4 Maverick），或在單張H100上每秒證明110個 token 的效能數據。公開更新中沒有資料可證明這些名稱與數據描述的是Anthropic的原型技術或效能。

Meta將拉瑪4 Maverick描述為啟用參數170億個、總參數4000億個的模型。Meta表示，拉瑪4 Scout（Llama 4 Scout）在INT4量化條件下可裝入一張H100 GPU。

至於Maverick，Meta表示可在單一H100 DGX主機上執行。將「主機」改寫成「單張GPU」，會改變硬體配置的描述。

其他研究團隊公布的測量結果，也不能視為Anthropic原型的處理量。SASH表示，該團隊在2026年9月的自有實驗中，以單張H100證明拉瑪3.1 8B（Llama 3.1 8B）的4096個輸入 token 和512個輸出 token，證明迴圈耗時1.02小時。

SASH研究團隊表示，該原型尚未達到可投入正式環境使用的程度，也還不符合形式化意義上的零知識證明。這項測量針對的是SASH自行開發的系統，並非Anthropic的原型。

Attestable在另一項實驗中公布了Gemma 4 31B的證明處理量，以單張H100為基準：批次大小為1、序列長度為1萬6000個 token 時，每秒53個 token；批次大小為4、四條序列各長4000個 token 時，合計每秒77個 token。

Attestable表示，這些數據是該團隊自行進行的初步測量，使用的模型與測試條件都不同於Anthropic原型，因此無法據此確認Anthropic原型的處理效能。

Anthropic公開的更新沒有提到鏈上驗證、區塊鏈部署或 token 串接計畫。目前公布的進展，僅包括用於檢查模型輸出來源的原型，以及內部 token 簽章措施。