Mistral slipper Leanstral 1.5 under Apache 2.0: KI som beviser kode og matematikk

Mistral publiserte modellen 11. juli, ifølge ProPakistani. Arkitekturen er Mixture-of-Experts med 119 milliarder parametre totalt, men bare rundt 6 milliarder er aktive per forespørsel. Du kan laste den ned fra Hugging Face og selvhoste den, eller bruke Mistrals gratis API-endepunkt.

Modellen er bygget for Lean 4, en interaktiv bevisassistent. Forskjellen på testing og formell verifisering er verdt å ha klart: en test viser at koden virker for de inputene du kom på, mens et Lean-bevis viser at den oppfyller spesifikasjonen for alle mulige input. Prisen har historisk vært at noen må skrive beviset for hånd, og det er den jobben Mistral nå prøver å automatisere.

Tallene under er Mistrals egne, uten uavhengig replikering så langt. Selskapet oppgir full score på miniF2F (både validerings- og testsettet) og 587 løste av 672 oppgaver i PutnamBench. Mistral hevder også at Leanstral brukte omtrent en sjuendedel av regnekraften Claude Opus 4.6 ville brukt på samme PutnamBench-kjøring.

Det mest konkrete for deg som skriver kode er Rust-pipelinen Mistral demonstrerte. Aeneas oversetter Rust til Lean-representasjoner, og Leanstral forsøker å bevise at koden oppfyller egenskapene sine. På 57 åpne Rust-repoer fant pipelinen 47 brudd på oppgitte egenskaper og bekreftet 11 reelle feil, hvorav fem aldri var rapportert på GitHub.

Hva bør du gjøre?

1. Last ned vektene fra Hugging Face hvis du har verifiseringskritisk kode. Apache 2.0 gjør selvhosting lovlig kurant, også kommersielt, og kildekoden din forlater aldri maskinen.
2. Prøv gratis-endepunktet mot Lean 4 før du bygger noe rundt det. Med 6 milliarder aktive parametre er inferensen billig, men bevis-kvaliteten er det du faktisk må måle.
3. Behandl benchmark-tallene som leverandørpåstander til noen andre har kjørt dem. Særlig sammenligningen mot Claude Opus 4.6 er Mistrals egen måling.