FlashProve 是 Anthropic 的一个研究原型，解决的是「AI 服务商如何证明某个回答确实出自承诺的模型」这一问题：服务商先发布一个绑定权重的承诺 ID，权重本身保持保密；之后每次回复都由 GPU 生成证明，任何人用普通 CPU 几秒内即可验证该回答来自被承诺的模型，而无需看到权重。它已在单张 H100 上跑通 Llama 4 Maverick 全尺寸推理，证明器 prefill 约 110 tokens/秒，协议可靠性用 Lean 4 形式化验证。这适合关注模型供应链可信、AI 服务合规审计以及零知识证明与推理结合方向的研究者和安全工程师；对多数做应用开发的从业者来说，目前只是一个不维护的实验品，参考价值大于实用价值。

这是 OpenAI 公开的一个数学研究成果库：用一个尚未发布的内部模型，对约 4000 个开放数学问题做自动研究，产出 721 篇手稿、归为 373 个主题族，涵盖数论、代数、概率、物理等多个方向，其中约 42% 的核心结果已用 Lean 完成形式化验证，其余部分仍可能存在错误。OpenAI 明确把这些成果定位为「原始研究数据」而非正式论文，部分结果附带模型推理过程的节选，比如 π 的无理数指数、Riemann zeta 函数零点区域、Kaplansky 猜想等。对读者来说，它的价值不在于直接使用，而在于观察 AI 做数学研究的真实上限：平均每题消耗约三小时 ChatGPT Pro 级别的思考算力，最终能产出什么量级的成果。值得看的是关注 AI for Science、推理模型能力边界的算法和研究岗位，以及对形式化证明（Lean）生态感兴趣的人；纯业务开发或不关心 AI 科研进展的读者关系不大。