2026 年 7 月 2 日，Mistral 釋出 Leanstral 1.5，口號是「Proof abundance for all」——證明富足，人人可得。這是繼 3 月初代 Leanstral 之後的首次大改版：總參數 119B、每個 token 僅啟用約 6B 的稀疏 MoE 架構，權重以 Apache-2.0 授權完整開放。Hugging Face 模型卡 mistralai/Leanstral-1.5-119B-A6B 標示 256k 上下文，API 端點 leanstral-1-5 限時免費。
進步幅度直接寫在分數上。3 月的初代模型在 FLTEval 單次取樣得 21.9 分；1.5 版把 pass@1 推到 28.9，pass@8 從 31.9 漲到 43.2，一舉超過 Claude Opus 4.6 的 39.6，成本僅約七分之一。更關鍵的是 miniF2F：驗證集與測試集全數解完，這個 Lean 4 證明工程的標準基準正式飽和。
1.5 版改了什麼
架構延續初代的稀疏設計，改版重點全在訓練與環境。部署路徑不變：權重可自架，或用 Mistral Vibe 的 vibe --agent lean 啟動。模型卡將它定位為初代 Leanstral-2603 的直接升級，支援文字與影像輸入、文字輸出，但戰場只有一個：Lean 4 證明工程。
三階段訓練與兩種環境
訓練分三階段：先中訓練，再監督微調，最後以 CISPO 演算法做強化學習。RL 在兩個環境裡跑。第一個是「多輪證明」：模型反覆證明或反證定理，靠 Lean 編譯器的回饋疊代，直到成功或預算耗盡。第二個是「程式代理」：模型像開發者一樣在原始檔案系統上工作——編輯檔案、執行 bash、呼叫 Lean 語言伺服器——處理「補完整個儲存庫的證明」這類長時序任務，正確性由 Mistral 自家的 SafeVerify 分支負責檢查。
基準成績：miniF2F 飽和、PutnamBench 587 題
數字面。miniF2F 在驗證集與測試集都拿到 100%。PutnamBench 解出 587/672。FATE-H 拿下 87 題（87%）、FATE-X 拿下 34 題（34%），雙雙刷新這兩個基準的最佳紀錄。測試時擴展的曲線也乾淨：PutnamBench 的 pass@8 從 5 萬 token 的 44 題，一路爬升到 20 萬 token 的 244 題、100 萬 token 的 493 題，最後在 400 萬 token 到達 587 題——單調遞增，沒有提前觸頂。
每題 4 美元的成本結構
成本數字最刺眼：Leanstral 1.5 解一題 PutnamBench 約 4 美元。對照組？Seed-Prover 1.5 的高強度設定估計每題超過 300 美元（相當於每題 10 個 H20 天的運算），Aleph Prover 也要 54 到 68 美元。差距是一到兩個數量級。稀疏架構的產品邏輯正在此：證明搜尋靠大量平行取樣，單趟夠便宜，pass@k 才玩得起。對形式驗證團隊來說，這是把「偶爾試一次」變成「日常跑爆」的分水嶺。
從證明到抓蟲
兩個案例值得記錄。第一，模型對一份真實的 AVL 樹實作，完整證明了插入與刪除操作的 O(log n) 時間複雜度：全程超過 270 萬 token、22 次上下文壓縮，最後得出「每單位高度 48 步加上常數」的幾乎緊緻邊界。第二，把 Aeneas（Rust 轉 Lean 的翻譯器）與 Leanstral 串成管線，掃描 57 個儲存庫、標記 47 個被違反的性質，其中 11 個是真正的錯誤、5 個從未被回報——包括 datrs/varinteger 中 zigzag 解碼符號函式在 Std.U64.MAX 上的整數溢位。證明模型抓出人類沒發現的蟲，這條路比分數更接近「證明富足」的承諾。
參考來源
- Leanstral 1.5：Proof abundance for all — Mistral AI
- Leanstral-1.5-119B-A6B 模型卡 — Hugging Face
- Leanstral 1.5 討論串 — Hacker News
本文由 AI 協助自上述來源整理，經人工審核後發布。