Frontier AI voelt alleen eng omdat het meeste nog steeds draait als een black box met een mooi logo bovenop. Wat @inference_labs doet met DSperse + JSTprove is in wezen zeggen: “oké, bewijs het.” Ik ging terug naar het DSperse-paper waar ze het beschrijven als strategische cryptografische verificatie van subcomputaties met hoge waarde in plaats van volledige model SNARK cosplay. Delen van het model worden onafhankelijk bewijsbare eenheden, zodat je veiligheidshekken, anomaliedetectoren of privéhoofden kunt vergrendelen zonder het hele netwerk in ZK-hel te slepen. Aan de andere kant geeft JSTprove plus de open-source repo in hun GitHub-organisatie je een end-to-end pipeline op de Expander backend van Polyhedra: voer een ONNX-model in, de CLI geeft bewijzen en controleerbare artefacten, geen diepe crypto-achtergrond vereist. ❯ DSperse beslist wat het waard is om te bewijzen ❯ JSTprove behandelt hoe het bewezen en blootgesteld wordt De meeste “frontier AI” stacks vragen je nog steeds om benchmarks te vertrouwen, niet gedrag. Deze combinatie draait het om: je kiest de faalmodi waar je niet op wilt gokken, en je verbindt bewijzen precies daar. Als je serieuze systemen bouwt in robotica, financiën of agentland, is de volgende eerlijke stap eenvoudig: breng je dreigingsmodel in kaart, en vraag je dan welke delen je daadwerkelijk via DSperse + JSTprove zou routeren. Als het antwoord “geen” is, ben je nog niet echt op zoek naar vertrouwen. #zkML