Anthropic تطلق FlashProve مفتوح المصدر لإثبات هوية النماذج بـ 110 توكن/ثانية
بقلم علي المنتصر — محلل ومحرر تقني أول
أعلنت Anthropic عن نظام FlashProve مفتوح المصدر لإثبات هوية النماذج عبر إثباتات zkSNARK، محققاً سرعة توليد إثباتات تبلغ 110 توكن/ثانية على وحدة H100 واحدة لنموذج Llama 4 Maverick بحجم 400 مليار معامل. يبلغ حجم الإثبات 19 ميغابايت لكل طلب من 1024 توكناً، أي أسرع بـ 70-95 مرة من تشغيل النموذج نفسه على vLLM. يهم هذا السوق لأنه يمنع تبديل النماذج سراً ويوفر أداة تحقق للامتثال التنظيمي دون كشف أوزان النماذج التجارية.
الموجز الإحصائي السريع
أعلنت Anthropic رسمياً في 3 نوفمبر 2026 عن إطلاق FlashProve، نظام مفتوح المصدر لإثبات هوية النماذج (provable inference) عبر إثباتات zkSNARK، برخصة Apache 2.0. يحقق النظام سرعة 110 توكن/ثانية على وحدة H100 واحدة لنموذج Llama 4 Maverick (400 مليار معامل، تكميم 4-بت)، بحجم إثبات 19 ميغابايت لكل 1024 توكناً، وأسرع بـ 70-95 مرة من تشغيل النموذج على vLLM.
📊 بطاقة البيانات والمواصفات التقنية الرسمية
| المحور التقني | البيانات الرسمية المؤكدة |
|---|---|
| 💰 الأسعار وتكلفة الاستخدام | مجاني ومفتوح المصدر برخصة Apache 2.0 (كود، إثباتات Lean، وثائق). لا توجد رسوم ترخيص أو خطط اشتراك. |
| 🌐 المنصات والتوفر الفوري | GitHub (كود مفتوح المصدر)، تقرير تقني، مواصفات بروتوكول، مرئي تفاعلي لنظريات Lean. توليد الإثبات على GPU H100، والتحقق على CPU محلي. |
| ⚡ الأداء ومؤشرات السرعة | 110 توكن/ثانية على H100 واحدة لنموذج Llama 4 Maverick (400B، 4-بت). حجم الإثبات ~19 ميغابايت لكل 1024 توكناً. أسرع بـ 70-95 مرة من vLLM. |
| 🛡️ الأمان ومقاومة الاختراق | إثباتات zkSNARK لا تكشف الأوزان؛ تحقق تشفيري من هوية النموذج ومقاومة تبديل النماذج أو التلاعب في تدفق التوكنز. إثباتات Lean للتحقق الشكلي من الضمانات الأمنية. |
| 🧠 سياق الذاكرة (Context Window) | غير منطبق؛ النظام مستقل عن حجم سياق النموذج ويولد إثباتاً لكل طلب من 1024 توكناً. |
| 🌍 دعم اللغة العربية والمنطقة | مستقل لغوياً؛ يتحقق من أي مخرجات نصية بما فيها العربية. لا توجد قيود إقليمية على الكود المفتوح المصدر. |
تفاصيل الإعلان والميزات التقنية الجديدة
يعتمد FlashProve على تقنية zkSNARK (Zero-Knowledge Succinct Non-Interactive Argument of Knowledge) التي تتيح لمزود النموذج الالتزام بنموذج محدد ثم إثبات أن كل رد صادر عنه، دون الكشف عن الأوزان. يولد النظام إثباتاً بحجم ~19 ميغابايت لكل طلب من 1024 توكناً، يمكن التحقق منه على جهاز محلي في ثوانٍ. يشمل الإصدار خمسة عناصر: منشور المدونة، تقرير تقني، مواصفات بروتوكول كتبها Claude، كود تنفيذي (مُثبِت ومُتحققان بلغة C++ وLean)، وإثباتات Lean للعبارات الرياضية العليا مع مرئي تفاعلي.
الأهم أن النظام يحافظ على سرية الأوزان عبر "بصمة" (fingerprint) تشفيرية يمكن نشرها علناً، ما يجعله قابلاً للتطبيق على النماذج التجارية المغلقة مثل Claude وGPT. كما يوفر إثباتات Lean القابلة للتدقيق، وهي لغة تحقق شكلي، لضمان أن الضمانات الأمنية المعلنة صحيحة رياضياً. يذكر الباحثون أن النظام يمكن أن يمنع شركة ذكاء اصطناعي من تبديل نموذج أرخص سراً لتقليل التكاليف، أو نموذج أغلى لتضخيم نتائج الأداء.
يشمل فريق البحث: Roy Rinberg وAlex Allain من Anthropic، وAlessandro Chiesa من EPFL وStarkWare، وMiranda Christ من MIT وRESI، وRahul Dalal من برنامج Anthropic STEM Fellows وSuccinct، وGiacomo Fenzi من EPFL، وBen Mayer من برنامج Anthropic Fellows وMIT، وGuy Weissenberg من EPFL. صُرح بأن البحث مستمر ولا توجد خطط لنشره تجارياً حالياً.
المقارنة المعيارية والأداء التنافسي
وفق البيان الرسمي، فإن الأنظمة مفتوحة المصدر السابقة أبطأ بمراتب عدة (orders of magnitude) من FlashProve. على نموذج Llama 4 Maverick (400B، تكميم 4-بت)، يحقق FlashProve 110 توكن/ثانية على H100 واحدة، بينما يتطلب تشغيل النموذج نفسه على vLLM وقتاً أقل بـ 70-95 مرة (أي أن توليد الإثبات يستهلك 70-95 ضعف وقت GPU مقارنة بالاستدلال العادي). هذا يمثل تقدماً كبيراً في جعل إثباتات الاستدلال عملية على نطاق واسع.
ماذا يعني هذا للمطور والمستخدم العربي؟ (The Localization Edge)
يقدم FlashProve فرصة للمطورين العرب لبناء طبقات ثقة حول النماذج اللغوية المستخدمة في التطبيقات الحكومية والمالية، حيث يمكن التحقق من أن النموذج المستخدم هو فعلاً النموذج المعتمد دون الكشف عن أوزان المزود. وبما أن النظام مستقل لغوياً، فإن كفاءة التوكنز في النصوص العربية تعتمد على النموذج الأساسي (مثل Llama 4 Maverick) وليس على FlashProve نفسه، ما يعني أن تكلفة التطوير للشركات الناشئة العربية تقتصر على استضافة GPU من نوع H100 لتوليد الإثباتات، بينما يتم التحقق على أجهزة محلية منخفضة التكلفة. حالات الاستخدام العملية تشمل تدقيق مخرجات النماذج في القطاع المصرفي، والتحقق من تقارير الأمن السيبراني المولدة آلياً، وضمان الامتثال للوائح حماية البيانات الإقليمية.
الخلاصة والتطلعات القادمة
يمثل FlashProve خطوة بحثية جوهرية نحو "استدلال قابل للإثبات" عملي، لكنه لا يزال نموذجاً أولياً غير مخصص للنشر التجاري. التحدي التالي هو تقليص الفجوة بين 70-95 ضعفاً في وقت GPU مقارنة بالاستدلال العادي، وتوسيع نطاق النظام ليشمل نماذج أكبر وأكثر تعقيداً، مع الحفاظ على قابلية التحقق على الأجهزة المحلية. النشر المفتوح برخصة Apache 2.0 يدعو المجتمع البحثي لتحسين النظام، ما قد يسرع تبنيه في أدوات الامتثال والتدقيق المستقبلية.
المصدر الإعلامي: TechCrunch AI | البيان الرسمي للشركة: المصدر الأصلي | تدقيق وتحليل البيانات: AI Tools Oasis
أسئلة شائعة
فريق AI Tools Oasis
نقدم لك أحدث الأخبار والتحليلات في عالم الذكاء الاصطناعي بدقة ومصداقية. تابعنا للحصول على كل جديد.
