Leanstral 1.5 – Mistral AI 开源的形式化验证大模型

1. Leanstral 1.5是什么

Leanstral 1.5 是 Mistral AI 开源的形式化验证大模型，专为 Lean 4 自动定理证明深度优化。该模型采用 119B 参数的稀疏混合专家（MoE）架构，每 token 仅激活 6.5B 参数，在保持强大推理能力的同时显著降低推理成本。模型支持 256k 超长上下文窗口与图文多模态输入，在 miniF2F、PutnamBench、FATE-H 等数学证明基准上均达到当前最优（SOTA）性能。Leanstral 1.5 的发布标志着 AI 在形式化数学验证与代码正确性证明自动化领域迈出了关键一步。

技术定位与领域： 属于自然语言处理与形式化验证的交叉领域，具体应用于自动定理证明（ATP）和程序验证。其独特定位在于将大语言模型的自然语言理解能力与 Lean 4 形式化证明系统深度结合，实现从自然语言命题到可验证形式化代码的端到端自动生成，填补了通用大模型在严格逻辑验证场景下的能力空白。

研发背景： 由法国 AI 公司 Mistral AI 开发，团队在高效大模型架构（如 Mixtral 系列）和开源生态建设方面积累了深厚技术底蕴。研发动机源于形式化验证领域长期面临的人工编写证明效率低、门槛高的痛点，旨在通过大模型自动化能力降低形式化方法的使用门槛，推动其在数学研究、关键软件验证等领域的规模化应用。

核心价值： 解决了形式化证明自动化中长期存在的两大难题——复杂定理的搜索空间爆炸和长链条逻辑一致性维护。通过 MoE 架构实现高效推理，使普通研究者也能利用大模型进行高难度定理证明；256k 上下文窗口则首次支持整本教材或大型软件规范的全量形式化验证。其创新价值在于将 AI 从“辅助猜想”提升到“可验证证明”的严格层面，为数学和软件工程提供可审计、可复现的自动化工具。

技术特点： 核心优势在于 MoE 架构带来的极致推理效率（每 token 仅 6.5B 激活参数）与 256k 超长上下文的组合，使其在保持与 671B 参数 Dense 模型相当性能的同时，推理成本降低 80% 以上。此外，模型原生集成多模态编码器，支持图表和公式图片的联合推理，这在形式化验证模型中尚属首创。

2. 主要功能

• 自动定理证明： 基于 Lean 4 语言自动生成完整的形式化数学证明，覆盖代数、几何、数论、分析等高难度数学领域。模型能够将自然语言表述的数学命题直接转化为可被 Lean 编译器验证的证明代码，无需人工干预即可完成从命题理解到证明构造的全流程。

• 形式化验证： 对软件代码与数学命题进行严格的逻辑验证，确保每一步推导都符合 Lean 4 的类型系统与公理体系。该功能可应用于关键软件系统的正确性证明，例如操作系统内核、加密协议、航天控制软件等，替代传统人工审计中耗时且易出错的部分。

• 图文联合推理： 支持在证明过程中解析并理解数学图表、几何示意图、LaTeX 公式截图等多模态输入。模型通过集成视觉编码器将图像特征转化为与文本统一的嵌入表示，实现跨模态联合推理，特别适用于需要几何直观辅助的复杂证明场景。

• 长文档证明生成： 凭借 256k 上下文窗口，可处理整本数学教材或长篇论文级别的证明任务。模型能够在跨章节、跨引理的场景下保持逻辑一致性，自动引用前文定义和已证明定理，避免长链条推理中的依赖断裂问题。

• Agent 式交互证明： 采用代码 Agent 模式自主调用 Lean 4 编译器进行编译检查，根据错误信息迭代修正证明策略，并检索数学库（如 mathlib4）获取已知定理和引理。该模式实现了端到端的自动化证明流程，用户只需输入目标命题，Agent 即可自动完成搜索、编译、修正、验证的全过程。

• 多基准全面领先： 在 miniF2F 基准上达到 100% 饱和（即所有测试用例均被成功证明），PutnamBench 上解出 587/672 题（87.4%），FATE-H 上达到 87% 准确率，均为当前公开 SOTA。这一性能表现使 Leanstral 1.5 成为目前最强的公开形式化验证模型之一。

3. 如何使用

1. 获取模型权重： 访问 HuggingFace 模型仓库（（链接待官方发布后更新） Apache 2.0 开源协议，无需申请即可直接下载，推荐使用 git lfs 进行大文件下载。

2. 配置 Lean 4 运行环境： 在本地安装 Lean 4 编译器（版本 ≥ 4.0.0）及 mathlib4 依赖库。建议使用 elan 工具管理 Lean 版本，并通过 lake 构建系统初始化项目。确保环境变量正确配置，使模型生成的 Lean 代码可被正确解析与验证。

3. 加载模型并接入证明接口： 使用 Transformers 库（≥4.45.0）或 vLLM（≥0.6.0）加载模型权重。推荐使用 vLLM 进行推理部署以获得最佳性能，通过 API 或本地脚本将自然语言命题转化为 Lean 4 代码。建议设置 max_tokens 为 8192 以上以支持复杂证明。

4. 启动自动证明 Agent： 调用模型生成初始证明策略，模型会自动进行编译-修正迭代循环。Agent 会调用 Lean 编译器检查代码正确性，根据错误信息调整证明路径，并检索 mathlib4 库中的已知定理，直至获得 proof complete 状态或达到预设的尝试上限（建议设置为 50 次）。

5. 在线快速体验： 登录 Mistral AI Console（https://console.mistral.ai/），选择 labs-leanstral-1-5 端点，直接在输入框中输入自然语言命题进行验证。在线版本支持快速原型验证，适合不需要本地部署的轻量使用场景。

注意事项： 由于模型参数量较大（119B），推荐使用至少 4 张 NVIDIA A100（80GB）或等效 GPU 进行本地推理。使用 FP16 精度可降低显存需求至约 240GB。对于消费级显卡用户，建议优先使用在线 API 服务。

4. 优缺点分析

5. 同类工具对比

选型建议： 对于追求极致证明性能和长文档验证能力的用户，Leanstral 1.5 是当前最优选择，其 256k 上下文和 miniF2F 饱和表现在数学研究、大型软件验证等场景中具有不可替代的优势。如果预算有限或需要部署在消费级硬件上，DeepSeek-Prover-V2 虽然激活参数更多，但 671B MoE 架构对硬件要求更高，反而建议优先考虑 Leanstral 1.5 的在线 API 版本。

对于只需要简单证明辅助或偶尔验证的场景，GPT-4o 虽然性能不及专用模型，但凭借其强大的通用能力和完善的 API 生态，更适合快速原型验证和非形式化验证需求。Copra 等小型模型适合学术研究和教学场景，但受限于 8k 上下文和较低的证明成功率，不适合生产级应用。

6. 编辑点评

Leanstral 1.5 的出现标志着形式化验证 AI 领域的一个重要转折点。从技术创新角度看，Mistral AI 成功将 MoE 架构的优势发挥到极致——119B 总参数、6.5B 激活参数的组合，在 miniF2F 上实现 100% 饱和，这一成绩不仅超越了 DeepSeek-Prover-V2，更证明了“小激活+大容量”路线的可行性。256k 上下文窗口的引入尤其具有战略意义，它使得形式化验证从“单定理证明”跃升到“整书级证明”的层面，这在以往是难以想象的。

从实用价值来看，Leanstral 1.5 的核心贡献在于降低了形式化验证的门槛。传统上，使用 Lean 4 进行定理证明需要深厚的数学功底和编程经验，而 Leanstral 1.5 的 Agent 式交互证明模式允许用户用自然语言描述命题，模型自动完成搜索、编译、修正的全流程。这意味着数学家、软件工程师甚至学生都可以利用该工具进行形式化验证，而无需成为 Lean 专家。

适用人群方面，Leanstral 1.5 最适合高层次的数学研究者、形式化验证工程师、以及关键软件系统的开发者。对于数学研究者，它可以加速猜想验证和引理生成；对于软件工程师，它可以替代部分人工代码审计工作。但对于只需要偶尔验证简单命题的普通开发者，在线 API 版本已经足够，无需本地部署。

未来发展潜力上，Leanstral 1.5 为多模态形式化验证开辟了新方向。图文联合推理能力的引入，使得几何证明、图表辅助推理等传统难点有了新的解决路径。随着视觉编码器精度的提升和数学库的持续扩充，Leanstral 系列有望成为形式化验证领域的标准工具。不过，目前对 Coq、Isabelle 等其他形式化系统的支持缺失是一个明显短板，期待未来版本能扩展语言支持。

7. 应用场景

• 数学研究辅助： 数学家可以将未证明的猜想以自然语言形式输入 Leanstral 1.5，模型自动生成形式化证明草稿，并利用 Lean 编译器进行验证。在代数几何、数论等领域，该工具可将证明探索周期从数周缩短至数小时，加速数学前沿发现。

• 竞赛培训与解题： 自动解答 IMO、Putnam 等高水平数学竞赛题，并提供完整的、可机器验证的 Lean 4 形式化解。教育机构可利用该工具生成标准答案和多种证明路径，辅助竞赛选手训练和教学方法创新。

• 软件正确性验证： 为航空航天、金融交易系统、医疗设备控制等关键软件生成形式化规约与验证证明。开发者只需提供软件规范的自然语言描述，Leanstral 1.5 即可自动生成对应的 Lean 4 验证代码，替代部分人工审计工作，降低人为错误风险。

• 教育领域自动批改： 在高等教育中自动验证学生提交的 Lean 4 证明作业，给出精确到每一步的反馈。模型不仅能判断证明是否正确，还能指出逻辑漏洞、冗余步骤和可优化点，提供针对性的改进建议，大幅减轻教师批改负担。

• AI 安全对齐验证： 用于验证复杂 AI 系统的逻辑一致性、策略安全性和决策正确性。通过将 AI 系统的行为规范转化为 Lean 4 命题，Leanstral 1.5 可以形式化证明系统在给定约束下不会产生有害行为，为 AI 安全领域提供可审计的验证工具。

8. 常见问题FAQ

Q：Leanstral 1.5 需要什么样的硬件配置才能运行？
A：推荐使用至少 4 张 NVIDIA A100（80GB）或等效 GPU（如 H100、AMD MI250）进行 FP16 推理。模型总参数量 119B，FP16 权重约需 238GB 显存，加上 KV Cache 和中间激活，实际需求约 320GB。使用 INT8 量化可降低至约 160GB，但会轻微影响证明质量。

Q：Leanstral 1.5 与 DeepSeek-Prover-V2 相比哪个更强？
A：在数学证明基准上，Leanstral 1.5 全面领先：miniF2F 达到 100% 饱和（DeepSeek-Prover-V2 未公开饱和数据），PutnamBench 解出 87.4% 的题目。更重要的是，Leanstral 1.5 的推理成本更低（激活 6.5B vs 37B 参数），且支持 256k 上下文和图文输入，综合优势明显。

Q：Leanstral 1.5 支持中文数学命题输入吗？
A：模型主要针对英文和 LaTeX 格式的数学命题进行训练，中文输入虽可处理，但证明质量可能下降。建议使用英文或标准 LaTeX 格式输入命题以获得最佳效果。对于中文数学教材，建议先翻译为英文再输入。

Q：如何判断 Leanstral 1.5 生成的证明是否正确？
A：模型生成的 Lean 4 代码需要经过 Lean 编译器的严格类型检查和逻辑验证。只有当编译器输出 proof complete 状态时，证明才被认为是正确的。用户无需理解证明细节，只需查看编译结果即可判断正确性。

Q：Leanstral 1.5 能否用于验证非数学领域的软件代码？
A：可以，但需要将软件代码的行为规范转化为 Lean 4 的形式化规约。模型擅长从自然语言描述生成 Lean 4 代码，因此用户只需提供软件功能的自然语言规范（如“排序函数输入任意列表，返回非递减排列”），模型即可生成对应的验证证明。对于复杂系统，建议分模块逐步验证。

Q：Leanstral 1.5 的上下文长度 256k 在实际使用中如何分配？
A：建议将前 128k tokens 用于输入完整的数学教材或软件规范定义，中间 64k tokens 用于存储中间引理和已证明的定理，最后 64k tokens 用于生成当前目标的证明代码。这种分配方式能最大化长上下文优势，确保跨章节逻辑一致性。

9. 项目地址

• 项目官网： https://mistral.ai/news/leanstral-1-5/
• HuggingFace 模型库： https://huggingface.co/mistralai/Leanstral-1.5-119B-A6B
• Mistral AI Console（在线体验）： https://console.mistral.ai/
• Mistral AI 官方组织主页： https://huggingface.co/mistralai