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?
- 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.
- 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.
- Behandl benchmark-tallene som leverandørpåstander til noen andre har kjørt dem. Særlig sammenligningen mot Claude Opus 4.6 er Mistrals egen måling.