Mistral AI推出开源数学推理模型Leanstral 1.5 刷新多项测试纪录

AI创作导航管理员 LV4 资深连续登录30天萌新

2 个月前

风向

1605

2026年7月6日，欧洲AI厂商Mistral AI正式发布专为数学形式化证明语言Lean4打造的开源模型Leanstral 1.5，采用Apache-2.0许可，总参数119B、激活参数仅6B，兼顾高性能与低推理成本。该模型在miniF2F基准测试中验证集、测试集均达100%完成率，在Putnam、FATE系列高难度数学测试中也创下同类型模型最优成绩。

对于数学领域的科研人员而言，形式化证明是验证猜想、沉淀学术成果的核心路径，但目前主流的Lean4语言学习门槛极高，一名数学系硕士通常需要6个月以上的系统练习才能独立完成复杂定理的证明代码撰写，大量精力被消耗在工具适配而非科研本身。此前行业内也推出过不少面向数学推理的大模型，但普遍存在准确率不足、推理成本过高的问题，难以嵌入日常科研工作流。

Leanstral 1.5采用混合专家架构设计，119B总参数保障了模型的知识储备上限，仅6B的激活参数则大幅压低了推理成本，相比同性能级别的稠密大模型，单轮推理成本可降低75%以上，普通科研机构用消费级GPU集群也能轻松部署。

在性能表现上，Leanstral 1.5已经拿下了多个权威基准的榜首位置：在miniF2F形式数学基准测试中，验证集与测试集双双达到100%完成率，是目前全球首个在该基准上实现全对的公开模型；面对难度极高的PutnamBench数学竞赛题库，可成功解答672道Lean4格式题中的587道；在面向高等数学的FATE系列测试中，硕士级难度的FATE-H达成率87%，博士级难度的FATE-X达成率也达到34%，远超此前行业同类模型的最好成绩。

更具行业价值的是，Leanstral 1.5采用Apache-2.0开源许可，无论是科研机构还是商业公司都可以免费使用、修改甚至二次分发，没有任何商用门槛，为后续的场景化改造留出了充足空间。

在Leanstral 1.5推出之前，AI在数学科研领域的应用大多停留在辅助演算阶段，此次模型在形式化证明上的能力突破，意味着AI已经可以承担“证明代码撰写”这类复杂度较高的事务性工作。不少业内研究者表示，这类工具普及之后，数学科研人员可以将更多精力放在猜想提出、逻辑推导等核心创新环节，有望加速数论、抽象代数等前沿领域的研究进度，未来甚至有可能参与到千禧年大奖难题这类顶级数学问题的验证工作中。

开源大模型 AI for Mistral Science 1.5 Leanstral 数学推理大模型

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。