Protótipo da Anthropic exige até 94x mais GPU só para provar qual IA respondeu

Existe uma velha tradição na boemia que consiste em cobrar pelo uísque escocês de dezoito anos e servir, na surdina do balcão escuro, algo destilado na semana passada no interior do município. A indústria de inteligência artificial, com toda a sua pompa científica, adotou exatamente o mesmo modelo de negócios nas suas APIs. Você envia um prompt pagando pelo modelo mais brilhante da casa, recebe um JSON bem educado na volta e precisa acreditar, pela pura fé cristã nos cabeçalhos HTTP, que o servidor não desviou sua requisição para um modelo menor e mais barato só porque o horário de pico apertou.⁠​‌​​‌​​‌​‌​​​​​‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌​​‌​‌‌‌​​‌‌​​​‌​​‌‌‌​​‌​​‌‌‌‌‌​​​​‌‌​‌​‌​​‌‌​​​‌​‌‌​​‌​‌​​‌‌​​​‌​​‌‌​​‌​​‌‌​​​‌‌​​‌‌‌​​​​​‌‌‌​​​​​‌​‌‌​‌​​‌‌​​‌‌​‌‌​​​‌​​​‌‌​‌‌​​‌‌​​​‌​​​‌​‌‌​‌​​‌‌​‌​​​​‌‌​​​​​​‌‌​​​​​​‌‌​​​​​​‌​‌‌​‌​‌‌​​​​‌​​‌‌​‌‌​​‌‌​​​‌​​​‌‌​‌‌‌​​‌​‌‌​‌​‌‌​​​‌​​‌‌​​‌​​​‌‌​​‌​​​‌‌​​‌​‌​‌‌​​‌‌​​‌‌​​‌‌​​‌‌​​​‌‌​‌‌​​​‌‌​​‌‌​​‌‌​‌‌​​​‌‌​​‌‌‌​​‌​‌‌​​​‌​⁠

Na segunda-feira, 2 de novembro de 2026, a equipe Frontier Red Team da Anthropic (abre em nova aba) publicou um protótipo de pesquisa chamado FlashProve (abre em nova aba) que resolve essa crise de desconfiança com matemática pura, mas cobra um pedágio curioso: para provar que a IA não te enganou, o servidor precisa gastar de 72 a 94 vezes mais tempo de GPU do que gastaria apenas para responder à sua pergunta.

A reação instintiva de qualquer engenheiro de infraestrutura diante desse multiplicador é fechar a aba do navegador e rir. Minha tese aqui, porém, vai na contramão desse reflexo: descartar o FlashProve por causa do custo computacional para o chat em tempo real é um erro de míope. Ao derrubar um processo que antes levava mais de quatorze horas para a casa dos segundos em uma única placa de vídeo, o protótipo já torna a auditoria criptográfica perfeitamente viável para tarefas críticas e assíncronas hoje, além de inaugurar um constrangimento técnico do qual os fornecedores de APIs terão dificuldade de escapar no futuro.

O milagre escondido atrás de um custo absurdo

Para entender por que gastar até 94 vezes mais GPU que o motor de inferência vLLM é um triunfo da engenharia e não um fiasco, convém olhar para o estado da arte até a véspera do anúncio. No estudo intitulado Progress on provable inference for large language models, assinado por Roy Rinberg, Alex Allain, Alessandro Chiesa, Miranda Christ, Rahul Dalal, Giacomo Fenzi, Ben Mayer e Guy Weissenberg (reunindo especialistas da própria Anthropic, do MIT (abre em nova aba), da EPFL (abre em nova aba) e das empresas de blockchain StarkWare (abre em nova aba) e Succinct (abre em nova aba)), a referência de comparação é o sistema anterior conhecido como VerInf.

Ambos foram colocados para provar a execução do Llama 4 Maverick, da Meta (abre em nova aba), um modelo aberto no formato de mistura de especialistas (MoE) com 400 bilhões de parâmetros totais, cerca de 17 bilhões ativos por token e pesos públicos quantizados em 4 bits. No VerInf, gerar a prova de mil tokens desse modelo era uma penitência de 14,3 horas que paria um arquivo monstruoso de 93,6 gigabytes, exigindo quase um dia inteiro apenas para ser conferido pelo destinatário.

O FlashProve, rodando em uma única placa gráfica NVIDIA (abre em nova aba) H100, processou um lote de 24 requisições de 1.024 tokens cada em aproximadamente 223 segundos, alcançando a marca de 110 tokens por segundo. O certificado encolheu para 18,78 megabytes (cerca de 19 MB) por requisição e pode ser validado em um processador comum de computador (CPU) em um intervalo de 17 a 21 segundos.

Como a criptografia fecha a caixa-preta sem mostrá-la

O truque para conciliar a transparência exigida pelo cliente com o segredo industrial exigido pelos laboratórios fechados é um zkSNARK (argumento de conhecimento não interativo e sucinto de conhecimento zero). O laboratório publica previamente uma espécie de impressão digital criptográfica, um compromisso matemático dos pesos do modelo. A cada resposta gerada para um prompt, o sistema anexa uma prova de que aqueles exatos tokens saíram daqueles exatos pesos comprometidos.

Quem recebe o arquivo de 19 MB confere a veracidade na sua própria máquina sem ter acesso aos pesos do modelo, às ativações intermediárias ou mesmo a quais especialistas da arquitetura MoE foram acionados no caminho. Na cobertura cotidiana do IA.com.br, fica claro como essa tensão entre auditoria externa e proteção de propriedade intelectual se tornou o gargalo central para a adoção corporativa de modelos de fronteira.

A receita criptográfica escolhida pelos pesquisadores evita exotismos frágeis: trata-se de uma prova de oráculo interativo (IOP) compilada por meio de funções hash, garantindo inclusive segurança pós-quântica. É a mesma família matemática que sustenta redes de segunda camada do Ethereum (abre em nova aba), como Starknet (abre em nova aba) e Mantle, e cuja linhagem remonta ao pioneirismo da criptomoeda Zcash, detalhe que Mert Mumtaz, fundador da Helius Labs, fez questão de lembrar publicamente no X.⁠​‌​​‌​​‌​‌​​​​​‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌​​‌​‌‌‌​​‌‌​​​‌​​‌‌‌​​‌​​‌‌‌‌‌​​​​‌‌​‌​‌​​‌‌​​​‌​‌‌​​‌​‌​​‌‌​​​‌​​‌‌​​‌​​‌‌​​​‌‌​​‌‌‌​​​​​‌‌‌​​​​​‌​‌‌​‌​​‌‌​​‌‌​‌‌​​​‌​​​‌‌​‌‌​​‌‌​​​‌​​​‌​‌‌​‌​​‌‌​‌​​​​‌‌​​​​​​‌‌​​​​​​‌‌​​​​​​‌​‌‌​‌​‌‌​​​​‌​​‌‌​‌‌​​‌‌​​​‌​​​‌‌​‌‌‌​​‌​‌‌​‌​‌‌​​​‌​​‌‌​​‌​​​‌‌​​‌​​​‌‌​​‌​‌​‌‌​​‌‌​​‌‌​​‌‌​​‌‌​​​‌‌​‌‌​​​‌‌​​‌‌​​‌‌​‌‌​​​‌‌​​‌‌‌​​‌​‌‌​​​‌​⁠

Todo o pacote foi aberto sob licença Apache 2.0 no repositório anthropics/FlashProve no GitHub (abre em nova aba), incluindo a especificação técnica, o gerador de provas (prover), um verificador em C++ e um segundo verificador acompanhado de provas formais escritas no provador de teoremas Lean (abre em nova aba). Há aqui uma deliciosa metalinguagem quase burocrática: segundo o próprio estudo, o modelo Claude ajudou a otimizar a criptografia e a escrever a verificação formal em Lean que serve, em última instância, para vigiar se as IAs estão falando a verdade sobre quem são.

O contraponto do bolso e onde ele falha

Vamos dar razão, por um instante, ao cético da planilha. Nenhum diretor de tecnologia em perfeito juízo vai multiplicar sua conta de nuvem por 70 ou 95 vezes para colar um selo de autenticidade em cada interação de atendimento ao cliente. A própria Anthropic rotula o repositório no GitHub como um artefato de pesquisa intermediário, não como software de produção, e avisa que não tem planos imediatos de implementação comercial em larga escala. Se o objetivo fosse auditar 100% do tráfego global de chatbots amanhã cedo, o FlashProve seria, de fato, uma peça de museu energético.

O problema desse argumento é presumir que toda inferência tem o mesmo valor de uma receita de bolo pedida no chat. Os próprios autores apontam o dedo para onde a ferida realmente arde: terceiros fazendo alegações críticas que hoje não podem ser verificadas.

Imagine um fornecedor de software garantindo que varreu uma biblioteca inteira em busca de vulnerabilidades usando um modelo de cibersegurança de ponta, quando na verdade rodou um modelo doméstico de 8 bilhões de parâmetros para economizar centavos. Ou pense em um agente corporativo conectado a tabelas sensíveis de um sistema SAP S/4HANA, onde a auditoria precisa de certeza matemática de que o modelo aprovado de governança foi o que realmente executou a lógica e aprovou um plano de negócios.

Nesses cenários assíncronos e de alto risco, esperar 223 segundos por um lote de 24 análises e pagar noventa vezes o custo de alguns milhares de tokens é troco de bala perto do prejuízo de uma falha de segurança ou de uma fraude contratual. Você não pede firma reconhecida em cartório para comprar pão na esquina, mas exige quando compra um imóvel; com a inferência de modelos de linguagem, a lógica é idêntica.

O FlashProve ainda é um protótipo pesado, exigente e confinado aos laboratórios, mas ele acabou de desarmar a melhor desculpa técnica do setor. Quando a prova matemática de honestidade passa a caber em 19 megabytes e roda em 17 segundos num processador comum, continuar pedindo que o desenvolvedor confie cegamente na palavra do servidor deixa de ser uma limitação da ciência da computação. Passa a ser apenas uma escolha comercial de quem prefere manter o balcão escuro.⁠​‌​​‌​​‌​‌​​​​​‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌​​‌​‌‌‌​​‌‌​​​‌​​‌‌‌​​‌​​‌‌‌‌‌​​​​‌‌​‌​‌​​‌‌​​​‌​‌‌​​‌​‌​​‌‌​​​‌​​‌‌​​‌​​‌‌​​​‌‌​​‌‌‌​​​​​‌‌‌​​​​​‌​‌‌​‌​​‌‌​​‌‌​‌‌​​​‌​​​‌‌​‌‌​​‌‌​​​‌​​​‌​‌‌​‌​​‌‌​‌​​​​‌‌​​​​​​‌‌​​​​​​‌‌​​​​​​‌​‌‌​‌​‌‌​​​​‌​​‌‌​‌‌​​‌‌​​​‌​​​‌‌​‌‌‌​​‌​‌‌​‌​‌‌​​​‌​​‌‌​​‌​​​‌‌​​‌​​​‌‌​​‌​‌​‌‌​​‌‌​​‌‌​​‌‌​​‌‌​​​‌‌​‌‌​​​‌‌​​‌‌​​‌‌​‌‌​​​‌‌​​‌‌‌​​‌​‌‌​​​‌​⁠