Frontier AI wirkt nur beängstigend, weil die meisten Systeme wie eine Black Box mit einem schönen Logo oben drauf funktionieren. Was @inference_labs mit DSperse + JSTprove macht, sagt im Grunde: „Okay, beweis es.“ Ich habe das DSperse-Papier zurückgeholt, in dem es als strategische kryptografische Verifizierung von hochgradigen Teilberechnungen beschrieben wird, anstatt als vollständiges Modell-SNARK-Cosplay. Teile des Modells werden zu unabhängig beweisbaren Einheiten, sodass du Sicherheitsgatter, Anomalie-Detektoren oder private Köpfe absichern kannst, ohne das gesamte Netzwerk in die ZK-Hölle zu ziehen. Auf der anderen Seite bietet JSTprove plus das Open-Source-Repo in ihrer GitHub-Organisation eine End-to-End-Pipeline auf Polyhedra’s Expander-Backend: ein ONNX-Modell einspeisen, die CLI gibt Beweise und prüfbare Artefakte aus, kein tiefes Kryptowissen erforderlich. ❯ DSperse entscheidet, was es wert ist, bewiesen zu werden ❯ JSTprove kümmert sich darum, wie es bewiesen und offengelegt wird Die meisten „Frontier AI“-Stacks verlangen immer noch, dass du Benchmarks und nicht das Verhalten vertraust. Diese Kombination dreht das um: du wählst die Fehlermodi, auf die du nicht wetten möchtest, und verkabelst die Beweise genau dort. Wenn du ernsthafte Systeme in der Robotik, Finanzen oder Agentenland aufbaust, ist der nächste ehrliche Schritt einfach: kartiere dein Bedrohungsmodell und frage dann, welche Teile du tatsächlich durch DSperse + JSTprove leiten würdest. Wenn die Antwort „keine“ ist, jagst du noch nicht wirklich nach Vertrauen. #zkML