Mistral AI 正式推出了 Leanstral 1.5，这是一款专为 Lean 4 形式证明工程、自动化定理证明及软件验证设计的开源代码智能体模型。作为 Mistral 开放模型战略的重要组成部分，Leanstral 1.5 旨在提升机器检查推理的能力边界，不仅服务于学术数学研究，更延伸至工业级软件的可靠性验证。
- 官方详解：https://mistral.ai/news/leanstral-1-5
- 模型：https://huggingface.co/mistralai/Leanstral-1.5-119B-A6B
该模型目前可通过 Mistral Labs API（以 labs-leanstral-1-5 命名）免费使用，也可在 Hugging Face 上基于 Apache-2.0 许可证下载权重。值得注意的是，Mistral 将其定位为限时实验性部署，计划于 2026 年 9 月 30 日退役，这表明其更多是作为技术探索与社区反馈的载体，而非永久性的生产端点。
核心规格与性能突破
Leanstral 1.5 拥有 1190 亿总参数（其中活跃参数 65 亿），支持 256k 超长上下文窗口，并具备文本与图像的多模态输入能力。其在多个权威基准测试中展现了显著的性能提升：
- PutnamBench：在 672 个问题中成功解决了 587 个。
- miniF2F：实现了完全饱和（Fully Saturated）。
- FATE 基准：在 FATE-H 上达到 87%，在 FATE-X 上达到 34%。
- FLTEval：pass@8 指标从 31.9 提升至 43.2。
- 长程推理能力：在处理 AVL 树时间复杂度保证的证明中，模型跨 22 次上下文压缩处理了超过 270 万个 Token，证明了其在极长证明尝试中的稳定性。
训练机制：像开发者一样思考
Leanstral 1.5 的训练融合了中期训练、监督微调以及带有 CISPO 的强化学习。其独特之处在于模拟了真实开发者的工作流：
- 编译器反馈循环：模型接收定理陈述，提交证明，读取 Lean 编译器的报错信息，并据此修订证明，直到编译通过或耗尽尝试预算。
- 文件系统交互：在训练环境中，Leanstral 能够像人类开发者一样操作文件系统，编辑代码文件、运行 Bash 命令、调用 Lean 语言服务器、构建辅助引理，并在真实的代码仓库中完成部分证明任务。
应用场景：从数学定理到软件漏洞挖掘
除了传统的学术数学证明，Mistral 强调了 Leanstral 在工业软件验证中的潜力。在与 Aeneas 和 Lean 结合的 Rust 验证流程中，Leanstral 展示了以下能力：
- 自动生成正确性属性：为代码片段生成形式化规约。
- 双向证明尝试：尝试证明属性成立；若失败，则尝试证明其否定，从而定位逻辑矛盾。
- 漏洞发现实战：在对 57 个 Rust 仓库的扫描中，Leanstral 标记了 47 个违规项，确认了 11 个真正的错误，并发现了 5 个此前未在 GitHub 上报告的新漏洞。
生态影响与未来展望
Leanstral 1.5 取代了已于 2026 年 6 月 30 日退役的早期版本 labs-leanstral-2603。社区反应迅速，OpenATP 等主流工具库已宣布更新以支持新模型。
对 Mistral 而言，Leanstral 的发布是其构建全栈 AI 系统的关键一步。它标志着 AI 智能体正从单纯的“代码生成”向“代码验证”演进，通过形式化方法为软件可靠性提供数学级别的保障。对于研究人员、证明工程师以及关注高可靠性软件开发的团队来说，Leanstral 1.5 提供了一个强大且开放的实验平台。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
