Mistral AI发布Leanstral 1.5低成本开源模型助力数学形式化证明
MistralAI发布Leanstral1 5开源模型，专为数学形式化证明语言Lean4设计。模型总参数量119B，推理仅激活6B参数。在miniF2F基准测试中完成率100%，PutnamBench解出587 672题，FATE-H和FATE-X达成率分别达87%和34%，均为当前最佳。平均解题成本仅4美元，远低于竞品。实际测试57个代码库，发现11个真实
7月6日消息，法国人工智能初创公司Mistral AI于7月2日低调发布了全新模型——Leanstral 1.5，专为数学形式化证明语言Lean 4而生。该模型总参数量达119B，但在每次推理过程中仅激活其中的6B参数，却在多项基准测试中展现出强劲实力。值得注意的是，这款模型采用Apache-2.0开源许可协议发布，诚意十足。
先看性能表现：在miniF2F形式化数学基准测试的验证集和测试集上，Leanstral 1.5实现了100%的完成率——也就是说，所有题目均能完美解决。面对PutnamBench数学竞赛问题集中672道Lean 4题目，它成功解出了587道。在FATE系列抽象代数基准测试方面，该模型在硕士级FATE-H上的达成率为87%，博士级FATE-X上也达到了34%，两项均为当前最佳成绩。综合这些数据来看，其整体水平已跻身业内第一梯队。
更令人瞩目的其实是成本优势。以PutnamBench数据集中的问题为例，Leanstral 1.5平均每道题的解决成本仅为4美元。作为对比，Seed-Prover 1.5需要花费300美元以上，而Aleph Prover的成本也在54至68美元之间。差距非常明显。当同行们仍在依靠高昂算力堆积分数时，Mistral AI已经通过更轻量化的模型实现了相近的效果，这种高性价比路线显然更接地气。
在实际应用场景中，Leanstral 1.5的表现同样经得起考验。在测试的57个代码库中，它标记了47个违规属性，其中11个指向真实缺陷——有5个是此前GitHub上从未被报告过的问题。换言之，这款模型并非纸上谈兵，而是已经能够切实帮助开发者发现隐藏的漏洞。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：Mistral AI发布Leanstral 1.5低成本开源模型助力数学形式化证明要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点山东泰山钢铁与深兰科技签署战略合作协议，共建智能环卫装备制造基地。双方将投资组建合资公司，在人工智能环卫和氢能源领域合作，推动智能化、无人化绿色环卫装备研制及数字化智慧环卫生态体系建设。
微信AI计算借助Ray技术实现百万级节点集群管理，采用共享调度架构提升资源利用率，通过联邦集群与自动调速机制高效利用低优资源，并简化多模型、多GPU部署流程，构建高效稳定的AI服务平台。
中国人工智能核心产业规模已超4000亿元，相关企业逾3000家。安徽合肥与四川成都等地产业集聚效应显著，成都自动驾驶出租车已落地运营。产业从京粤沪浙苏向四川、安徽等省份扩散，赋能智能制造、智慧医疗等领域。
KAG是基于OpenSPG知识引擎与大语言模型的专业领域知识服务框架，解决传统RAG向量检索语义相似但逻辑错误、信息抽取噪声污染、多跳推理难题。支持领域知识注入、可视化图谱、混合推理引擎及多模态知识管理，在金融风控、医疗诊断、法律合同审查等场景表现优异，法律审查准确率达92%。
- 日榜
- 周榜
- 月榜
热点快看