Berita viral dari dunia kecerdasan buatan pekan ini bukan soal model yang lebih pintar, melainkan soal kejujuran penyedia. Anthropic merilis FlashProve, pustaka sumber terbuka yang bisa membuktikan secara matematis bahwa sebuah jawaban benar-benar dihasilkan oleh model tertentu. Artinya, pengguna tidak lagi hanya percaya pada label di halaman harga.
Masalah yang diserang cukup nyata bagi siapa pun yang memakai antarmuka pemrograman aplikasi. Sebuah layanan perantara bisa menukar model mahal dengan model murah untuk menghemat biaya tanpa memberi tahu pelanggan. Pengguna hanya melihat jawaban yang tampak wajar, tanpa cara memeriksa asal usulnya.
Anthropic menyebut pendekatan ini sebagai provable inference, atau inferensi yang bisa dibuktikan. Sistem tersebut dipublikasikan pada 2 November 2026 dan langsung menjadi bahan perbincangan karena menyentuh lapisan kepercayaan yang selama ini diabaikan dalam industri model bahasa.
Berita Viral: Cara Kerja FlashProve
Secara teknis, FlashProve memakai jenis bukti kriptografi yang disebut zkSNARK. Model menyimpan komitmen terhadap bobotnya, lalu setiap jawaban disertai bukti bahwa komputasi yang menghasilkan jawaban itu memang dijalankan dengan bobot tersebut. Verifikasi bisa dilakukan tanpa membuka isi model.
Analogi yang dipakai TechCrunch adalah tanda tangan surel kriptografis. Penerima bisa memastikan pesan benar berasal dari pengirim yang diklaim, meski tidak melihat kata sandi pengirim. Bedanya, di sini yang diverifikasi adalah proses komputasi sebuah model, bukan sekadar identitas pengirim pesan.
Menurut penjelasan resmi Anthropic, sistem ini tahan terhadap penyedia yang mencoba menyamar. Bahkan laboratorium yang membangun dan menjalankan model pun tidak bisa mengklaim model lain sebagai sumber jawaban tanpa ketahuan, selama bukti diverifikasi dengan benar.
Iklan
Paviliun Akademika: punya kost tanpa repot kelola
Paviliun Akademika menghadirkan pilihan investasi kost terkelola di Akademika Townhouse, Gowa. Unit disiapkan untuk disewakan, dengan pengelolaan kawasan yang ditangani pemilik proyek.
Mengapa Pengguna API Butuh Bukti
Selama ini, kualitas layanan model dijual dengan nama dan versi. Pelanggan memilih berdasarkan daftar harga, lalu berharap penyedia menjalankan model yang dijanjikan. Tidak ada mekanisme teknis yang memaksa penyedia menepati janji itu pada setiap permintaan.
Selisih biaya antar model bisa sangat besar, sehingga godaan untuk mengalihkan permintaan ke model yang lebih murah selalu ada. Pada volume jutaan permintaan per hari, penghematan kecil per panggilan berubah menjadi angka besar. Tanpa bukti, pelanggan tidak punya alat untuk mendeteksinya.
Masalah lain muncul pada klaim pihak ketiga. Sebuah perusahaan bisa mengumumkan bahwa produknya memakai model tercanggih untuk menyelesaikan tugas tertentu. FlashProve membuka jalan agar klaim semacam itu diperiksa, bukan hanya dipercaya dari siaran pers.
Bagi pengembang di Indonesia yang membangun layanan di atas beberapa model sekaligus, kemampuan verifikasi seperti ini bisa menjadi bahan negosiasi. Mereka dapat meminta bukti teknis, bukan hanya jaminan lisan dalam kontrak.
Angka Kinerja di Llama 4 Maverick
Anthropic menguji sistemnya pada Llama 4 Maverick, model campuran pakar dengan 400 miliar parameter. Pada satu unit GPU H100, sistem menghasilkan bukti dengan kecepatan sekitar 110 token per detik. Ukuran bukti sekitar 19 megabita untuk satu permintaan 1.024 token.
Angka itu terdengar cepat, tetapi ada harga yang harus dibayar. Menurut laporan teknis mereka, waktu komputasi GPU menjadi sekitar 70 sampai 95 kali lipat dibanding menjalankan model itu sendiri memakai vLLM, pustaka inferensi sumber terbuka yang umum dipakai.
Artinya, membuktikan jauh lebih mahal daripada menjawab. Untuk aplikasi yang menuntut bukti, biaya tambahan itu mungkin wajar. Untuk obrolan sehari-hari, biaya sebesar itu belum masuk akal secara komersial, setidaknya pada perangkat keras saat ini.
Anthropic menyebut sistem mereka jauh lebih cepat daripada sistem sumber terbuka sebelumnya, yang selisihnya mencapai beberapa orde magnitudo. Rincian perbandingan itu ada di laporan teknis yang dirilis bersama pustaka dan dokumentasi pendamping.
Model yang Disembunyikan, Arsitektur Tidak
Satu hal yang perlu dipahami: FlashProve menyembunyikan bobot model, bukan arsitekturnya. Menurut keterangan Anthropic, tujuan sistem ini bukan merahasiakan bentuk model, melainkan membuktikan bahwa bobot tertentu yang dipakai. Poin itu penting agar klaim privasi tidak dibesar-besarkan.
Untuk penyedia model, ini berarti mereka masih bisa melindungi aset utama berupa bobot terlatih. Untuk publik, ini berarti mereka bisa memverifikasi identitas model tanpa mendapat akses ke seluruh rahasia dagang perusahaan.
Anthropic juga memakai pendekatan yang tidak biasa untuk urusan jaminan keamanan. Mereka menulis pernyataan tingkat atas dalam Lean, bahasa verifikasi formal, agar klaim tentang keamanan sistem bisa diperiksa secara matematis, bukan hanya diyakini dari narasi blog.
Langkah tersebut menjawab kelemahan umum riset berbasis model: model pintar dalam mengoptimasi, tetapi sering mengambil keputusan yang sulit dievaluasi manusia. Dengan menaruh klaim inti di bahasa formal, peneliti lain punya pijakan untuk membantah atau menguatkan.
