A Leanstral 1.5 a Mistral AI új, nyílt modellje, amely formális matematikai bizonyításra, Lean 4 alapú verifikációra és kódellenőrzésre készült. A francia AI-labor 2026. július 4-én adta ki Apache-2.0 licenc alatt, vagyis a modell szabadon használható és saját infrastruktúrán is futtatható.

A hír azért fontos, mert a formális verifikáció eddig szűk, drága és szakértőigényes terület volt. A Mistral bejelentése szerint a Leanstral 1.5 célja, hogy a bizonyításautomatizálás ne csak kutatólaborokban, hanem fejlesztői workflow-kban is használható legyen.

Mi az a Leanstral 1.5, és miben más?

A Leanstral 1.5 egy Mixture of Experts, röviden MoE architektúrájú modell. Összesen 119 milliárd paramétere van, de egy-egy lekérdezésnél ebből mindössze 6 milliárd aktív, ami alacsonyabb futtatási költséget tesz lehetővé.

A modell nem általános chatbotként készült. A fő feladata Lean nyelvű formális bizonyítások írása, javítása és ellenőrzése, valamint kódban rejlő logikai hibák felkutatása.

A súlyai nyíltan elérhetők a Hugging Face-en, és ingyenes API-n keresztül is használható leanstral-1-5 néven. Ez a vállalati modellválasztásnál azért számít, mert nem csak API-alapú használatban gondolkodik, hanem saját szerveres vagy privát környezetben futtatható megoldásként is.

Mi az a formális bizonyítás?

A hagyományos szoftvertesztelés sok bemenetet kipróbál, és azt nézi, jó-e a kimenet. Ez hasznos, de nem teljes körű: mindig maradhat olyan eset, amelyet a tesztek nem fednek le.

A formális bizonyítás ezzel szemben matematikai logikával igazolja, hogy egy tétel, algoritmus vagy programtulajdonság minden lehetséges esetben helyes. Nem példákon keresztül bizonyít, hanem géppel ellenőrizhető levezetéssel.

A Lean 4 ebben a folyamatban bizonyítási nyelvként és ellenőrző rendszerként működik. A modell megírja a bizonyítást, a Lean fordító visszajelzést ad, majd a modell addig javítja a megoldást, amíg az formálisan elfogadható nem lesz.

Hogyan teljesít a Leanstral 1.5 a benchmarkokon?

A legfontosabb eredmény a PutnamBench matematikai versenyfeladat-gyűjteményen született: a Leanstral 1.5 587 feladatot oldott meg a 672-ből. Ezzel megelőzte a Seed-Prover 1.5 high változatát, amely 580 megoldott feladatig jutott.

A miniF2F benchmarkon a modell 100%-os telítettséget ért el mind a validációs, mind a teszthalmazon. Az absztrakt algebra feladatokon a FATE-H teszten 87%, a PhD-szintű FATE-X teszten pedig 34% lett az eredménye.

A kódformalizálást mérő FLTEval-en a Pass@1 arányt 21,9%-ról 28,9%-ra, a Pass@8-at pedig 31,9%-ról 43,2%-ra emelte. Utóbbival a cikkben szereplő összevetés szerint megelőzte az Opus 4.6-ot, a költség hetedéért.

Miért olcsóbb ennyivel?

A Leanstral 1.5 egyik legerősebb üzleti érve az ár. A bejelentésben szereplő adatok alapján a modell nagyjából 4 dollár feladatonként, miközben a hasonló teljesítményű Seed-Prover 1.5 high becsült költsége 300 dollár felett van.

Ez nem egyszerű kedvezmény, hanem nagyságrendi különbség. A formális bizonyításnál a költség azért kulcskérdés, mert egyetlen nehéz bizonyítás több millió tokennyi próbálkozást, javítást és ellenőrzést is igényelhet.

„A Leanstral 1.5 a legerősebb test-time skálázást mutatja, amit formális érvelő modelltől eddig láttunk.” — Mistral AI

A kulcs a test-time scaling. Ez azt jelenti, hogy a modell nem csak egyszer válaszol, hanem több számítási erőforrást használ a megoldás javítására: fájlokat szerkeszt, fordítói hibákat elemez, újrapróbálkozik, és hosszabb gondolkodási folyamaton keresztül jut el az elfogadott bizonyításhoz.

Fejlesztői workflow: hogyan használható gyakorlatban?

A Leanstral 1.5 nem úgy illeszkedik egy fejlesztői csapatba, mint egy sima kódgeneráló chatbot. Inkább olyan proof engineering asszisztens, amely a kód bizonyos tulajdonságait formálisan is ellenőrizhető állításokká alakítja.

Egy tipikus workflow-ban a fejlesztő kiválaszt egy kritikus algoritmust, protokollt vagy függvényt. A rendszer ezt Lean 4 reprezentációra fordítja, majd a Leanstral 1.5 megpróbálja megírni és javítani a hozzá tartozó bizonyítást.

Ez különösen ott hasznos, ahol egy rejtett hiba nagy kárt okozhat: kriptográfiai könyvtáraknál, pénzügyi szoftvereknél, infrastruktúra-kódnál, fordítóknál, protokolloknál vagy biztonságkritikus rendszereknél. Általános marketing- vagy ügyfélszolgálati AI-feladatokra viszont nem ez a megfelelő modell.

Valódi hibákat talált éles kódban

A modell nem csak matematikai benchmarkokon szerepelt jól. A Mistral egy automatizált, Aeneas-alapú Rust-to-Lean fordító csővezetéken 57 nyílt forráskódú kódtárat vizsgált meg.

A folyamat 47 megsértett tulajdonságot jelzett, ezek közül 11 valódi hibának bizonyult, és ebből 5 korábban nem jelentett biztonsági vagy működési hiba volt. Ez fontos különbség: a modell nem csak papíron bizonyított, hanem valós nyílt forráskódú projektekben is hibát talált.

Egy konkrét példa a datrs/varinteger könyvtár zigzag-dekódolásának előjelfüggvénye volt, ahol túlcsordulási problémát találtak U64.MAX bemenetnél. Ez olyan rejtett hibatípus, amelyet a hagyományos tesztelés vagy fuzzing könnyen kihagyhat.

Integráció, adatkezelés és licenc

A Leanstral 1.5 Apache-2.0 licenc alatt érhető el, ami a vállalati felhasználás szempontjából kedvező. A nyílt licenc lehetővé teszi, hogy cégek saját eszközöket, belső workflow-kat vagy ellenőrző pipeline-okat építsenek rá.

Az adatkezelésnél a nyílt súlyú működés külön előny. Ha a modell saját infrastruktúrán fut, a vállalat érzékeny kódja és belső logikája nem feltétlenül kerül külső API-szolgáltatóhoz.

Ez azonban nem jelenti azt, hogy az integráció egyszerű. A formális verifikációhoz Lean-ismeret, megfelelő tesztelési kultúra, fejlesztői fegyelem és olyan mérnöki folyamat kell, amely képes kezelni a bizonyítások karbantartását is.

Mit jelent ez a modellválasztásnál?

A Leanstral 1.5 nem minden AI-feladatra jó választás, de formális bizonyításnál és verifikációnál erős specialista. A modellválasztásnál ezért nem az a kérdés, hogy kiváltsa-e a Claude-ot, a GPT-t vagy a Gemini-t, hanem az, hogy mely kritikus technikai workflow-kban érdemes melléjük bevezetni.

Ha egy csapat általános szövegírást, ügyféltámogatást vagy üzleti elemzést akar automatizálni, akkor más modellre lesz szüksége. Ha viszont kódhelyességet, matematikai levezetést vagy Lean-alapú bizonyítást akar támogatni, akkor a Leanstral 1.5 releváns jelölt.

Döntéshozói szempontból a modell legfontosabb üzenete az, hogy a nyílt, specializált modellek bizonyos szűk feladatokban gazdaságosabbak lehetnek, mint a nagy általános modellek. Ez a többmodelles AI-stratégiát erősíti.

Erősségek és gyengeségek

• Erősség: erős formális bizonyítási teljesítmény PutnamBench, miniF2F és FATE benchmarkokon.
• Erősség: alacsony feladatonkénti költség a hasonló teljesítményű proverekhez képest.
• Erősség: Apache-2.0 licenc és saját infrastruktúrás futtatási lehetőség.
• Erősség: alkalmas valós kódhibák feltárására, nem csak benchmark-feladatokra.
• Gyengeség: erősen specializált modell, általános üzleti AI-feladatokra nem ideális.
• Gyengeség: Lean 4 és formális verifikációs tudás nélkül nehéz teljes értéken használni.
• Gyengeség: a nehéz bizonyítások továbbra is nagy token- és számítási büdzsét igényelhetnek.

5 döntéshozói következtetés

1. Ne általános modellként kezeld: a Leanstral 1.5 specialista, amely formális bizonyításban és kódverifikációban lehet hasznos.
2. Építs többmodelles stratégiát: általános AI-feladatokra maradhatnak a nagy multimodális modellek, verifikációra viszont külön modell kellhet.
3. Számolj integrációs költséggel: az alacsony modellköltség mellett Lean- és verifikációs szakértelemre is szükség van.
4. Védd a kódvagyont: saját infrastruktúrás futtatással érzékeny kód esetén csökkenthető az adatkezelési kockázat.
5. Kezdd kritikus modulokkal: érdemes először kis, nagy kockázatú kódrészeken tesztelni, nem teljes rendszereken.

Mit jelent ez a piacnak?

A Leanstral 1.5 két fontos piaci üzenetet hordoz. Egyrészt a Mistral megmutatja, hogy egy európai AI-labor is tud erős, specializált modellt kiadni egy stratégiai területen, ahol nem csak az amerikai szereplők számítanak.

Másrészt a nyílt licenc és az alacsony költség miatt a formális verifikáció kikerülhet a szűk kutatói körből a gyakorlati szoftverfejlesztésbe. Ez hosszabb távon a biztonságkritikus rendszerek, pénzügyi szoftverek, kriptográfiai könyvtárak és nyílt forráskódú projektek minőségére is hatással lehet.

A verseny szempontjából az is beszédes, hogy a Mistral nem egy újabb általános chatbotot jelentett be, hanem egy szűk, mély technikai problémára adott nyílt modellt. Ez a következő évek egyik fontos iránya lehet: kevesebb univerzális ígéret, több specializált AI-eszköz.

Kapcsolódó modellcikkünk a nyílt modellek térnyeréséről: Mistral AI: Európa vállalati AI-alternatívája épül. Friss AI-modell hírekért iratkozz fel az AI Hírek hírlevelére.