Anthropic inventó una forma de comprobar qué IA te respondió. La confianza ahora viene con un archivo de 19 MB

Durante años, las empresas de inteligencia artificial nos pidieron confiar en una declaración bastante simple: «Estás hablando con el modelo que dice la etiqueta». Anthropic acaba de publicar un experimento que responde con una pregunta incómoda: ¿y si, en lugar de creerles, pudiéramos comprobarlo?

El proyecto se llama FlashProve y fue presentado en noviembre de 2026. No es un nuevo chatbot ni una opción que aparezca mañana en la configuración de Claude. Es un prototipo de investigación que utiliza pruebas criptográficas para demostrar que determinada respuesta se produjo con un conjunto de parámetros de modelo previamente comprometido.

Suena a la clase de tecnología que hace que una reunión de abogados, auditores y criptógrafos parezca una fiesta especialmente agotadora. Pero resuelve una cuestión real.

El modelo prometido y el modelo servido

Imaginá que contratas una API de IA determinada. La documentación promete un modelo, un nivel de capacidad y unas propiedades. Como cliente, recibes una respuesta. No tienes acceso a los pesos internos del modelo y no puedes comprobar por tu cuenta exactamente qué sistema la generó.

En el método que describe Anthropic, el proveedor publica primero un compromiso criptográfico asociado a los parámetros del modelo. Cuando responde, puede producir una prueba matemática que vincula esa salida con el sistema previamente comprometido.

El cliente verifica la prueba sin necesitar una copia de todos los parámetros secretos.

No verifica si la respuesta es verdadera. No garantiza que el texto no tenga sesgos, errores o disparates. Demuestra una identidad técnica, no una garantía de inteligencia.

Es la diferencia entre saber quién escribió un informe y saber si el informe dice la verdad. Las dos cosas importan, pero son problemas distintos.

Las cifras detrás del truco

Anthropic informa que su prototipo generó pruebas para una variante cuantizada de cuatro bits de Llama 4 Maverick, un modelo de mezcla de expertos de 400.000 millones de parámetros.

En sus experimentos, una GPU Nvidia H100 generó pruebas a alrededor de 110 tokens por segundo. Para una solicitud de 1.024 tokens, el archivo de prueba rondaba los 19 MB.

La compañía también indica que producir la prueba requiere aproximadamente entre 70 y 95 veces el tiempo de GPU que el procesamiento convencional medido con vLLM en ese escenario.

Ese dato debería estar escrito en negrita en cualquier presentación comercial del invento. Porque la verificación puede ser eficiente para el cliente, pero producir evidencia criptográfica no sale gratis.

Anthropic publicó el código, una descripción técnica y formalizaciones con Lean. El propio repositorio lo identifica como artefacto de investigación, no mantenido y sin aceptar contribuciones.

En otras palabras, estamos ante una demostración técnica prometedora, no ante una certificación universal lista para poner en todas las conversaciones de WhatsApp.

Por qué puede importar más allá del laboratorio

La primera aplicación obvia es comercial: un proveedor podría demostrar que el modelo servido coincide con el contratado. Otra es la auditoría independiente. Si un evaluador prueba una versión de un sistema, puede necesitar garantías de que la versión que llega después a los usuarios no es otra diferente.

También aparecen usos regulatorios: compromisos de seguridad, límites de capacidad o acuerdos que dependan de saber exactamente qué modelo se está ejecutando.

Pero FlashProve, por sí solo, no demuestra el cumplimiento de todas esas obligaciones. Es una pieza posible de un sistema de control mucho más amplio.

El riesgo de interpretar mal este avance es convertir «respuesta verificable» en «respuesta correcta». Un modelo puede producir una estupidez perfectamente auténtica. La prueba matemática demostrará, con admirable rigor, que la estupidez efectivamente salió de él.

La industria pasó años vendiéndonos confianza como una cuestión de marca. Anthropic empezó a convertir parte de esa confianza en una cuenta que alguien puede verificar. Ahora falta que la cuenta sea económicamente razonable y que nadie confunda autenticidad con verdad.