Mistral AI ha lanciato un modello specializzato per la generazione di dimostrazioni formali e risoluzione di problemi matematici chiamato Leanstral 1.5. Il modello Apache-2.0 liscenziato funziona con Lean 4, un dimostratore interattivo di teoremi in grado di gestire tanto matematica accademica che la verifica del codice.
Architettura e accesso
Il modello, composto da 119 miliardi di parametri in totale, di cui attivi 6 miliardi, è accessibile come endpoint API gratuito o via Hugging Face per hosting locale. In un post sul blog, Mistral AI descrive come il modello è stato progettato per operare in una vasta gamma di ambiti tecnici.
Prestazioni nei benchmark
Su miniF2F, un benchmark che testa la capacità di dimostrare problemi matematici complessi, Leanstral 1.5 ha una prestazione del 100 percento sui set di validazione e test. Con PutnamBench – un benchmark che mette alla prova il ragionamento logico e le lunghe catene di dimostrazioni – il modello riesce a completare 587 delle 672 problemi.
- miniF2F: 100 percento completato
- PutnamBench: 587 su 672 problemi risolti
- FATE-H: 87 problemi risolti
- FATE-X: 34 problemi risolti
Economicità rispetto ad algoritmi tradizionali
Mistral evidenzia che il costo di Leanstral 1.5 è significativamente inferiore rispetto ad altre soluzioni sul mercato. Per compiti simili che richiederebbero ad Opus 4.6 circa 300 dollari di costo, il modello di Mistral costa appena un settimo, una riduzione che apre nuove possibilità economiche per istituzioni e aziende.
Collaborazione e verifica automatica
Oltre alla risoluzione matematica, Mistral ha sviluppato una pipeline integrata per la ricerca automatica di errori nel codice Rust. Questo processo prevede l’utilizzo di Aeneas, uno strumento che traduce il codice Rust in linguaggio Lean, permettendo a Leanstral di esaminare la correttezza logica e verificare se le proprietà sono soddisfatte o meno.
Nel test, su 57 repository open source, il sistema ha identificato 47 proprietà smentite; tra queste, 11 sono state confermate come veri bug, con 5 che non erano mai antesi state segnalate su GitHub.
Processo di formazione
Leanstral 1.5 è stato addestrato tramite tre fasi distinte, ciascuna mirata a migliorare la capacità del modello di trattare testi matematici, algoritmi e codice. La fase iniziale ha incluso un vasto insieme di dati matematici, seguita da esempi di problemi logici e infine da un addestramento mirato su scenari applicativi e dimostrazioni informatiche.
Applicazioni aziendali e conformità
La licenza Apache-2.0, unita alla possibilità di hosting locale, rende Leanstral 1.5 particolarmente interessante per le aziende che richiedono conformità e controllo completo sui dati. Questo modello rappresenta un passo in avanti nella strategia di Mistral, che ha recentemente lanciato strumenti simili come Mistral OCR 4 per l’analisi dei documenti.
Persone e mercato
Mistral AI cerca di rispondere a una richiesta crescente di strumenti in grado di semplificare compiti di alta complessità tecnica. Con il focus della comunità sui modelli di AI collaborativi, le soluzioni di Mistral stanno trovando spazio nel mercato sia accademico che aziendale.