Heim
Mistral AI veröffentlicht Leanstral 1.5 als Open-Source-Software, um die Zugangsbarrieren in der mathematischen Forschung zu senken
Mistral AI hat kürzlich ein Open-Source-Modell namens Leanstral1.5 veröffentlicht, das speziell für die mathematische Formalsprachen-Plattform Lean4 entwickelt wurde. Das unter der Apache-2.0-Lizenz stehende Modell verfügt über insgesamt 119 Milliarden Parameter, von denen nur 6 Milliarden aktiviert sind, wodurch eine hohe Leistung gewährleistet und gleichzeitig die Kosten deutlich gesenkt werden.
Als spezialisiertes Werkzeug für mathematisches Denken liefert Leanstral1.5 beeindruckende Ergebnisse. Beim renommierten „miniF2F“-Benchmark für formale Mathematik erreichte es sowohl im Validierungs- als auch im Testsatz eine Abschlussquote von 100 %. Bei der Bearbeitung der anspruchsvollen Aufgaben des „PutnamBench“-Wettbewerbs löste das Modell 587 von 672 Lean4-Fragen erfolgreich. Auch in der FATE-Benchmark-Reihe für abstrakte Algebra zeigte es hervorragende Leistungen und erzielte eine Erfolgsquote von 87 % beim FATE-H-Test auf Master-Niveau sowie eine Erfolgsquote von 34 % beim FATE-X-Test auf Doktoranden-Niveau – damit stellte es einen neuen Rekord für Modelle dieser Art auf.

Die Kosteneffizienz ist ein weiterer wesentlicher Vorteil dieser Version. Mistral AI betont, dass Leanstral1.5 im Vergleich zu bestehenden Alternativen die Kosten für wissenschaftliches Ausprobieren drastisch senkt. So kostet beispielsweise die Lösung einer Aufgabe aus PutnamBench mit Leanstral1.5 durchschnittlich nur 4 US-Dollar, während das Vergleichsmodell Seed-Prover1.5 über 300 US-Dollar kostet und Aleph Prover zwischen 54 und 68 US-Dollar liegt. Diese drastische Kostensenkung dürfte dazu führen, dass hochpräzise mathematische Beweisunterstützung aus dem Labor heraus und in den breiteren Forschungsalltag Einzug hält.
In praktischen Szenarien der Code-Entwicklung zeigt Leanstral1.5 zudem eine starke Fähigkeit zur Fehlererkennung. Bei Tests an 57 Code-Repositorys identifizierte es 47 Verstöße, von denen 11 als echte Fehler bestätigt wurden. Bemerkenswert ist, dass fünf dieser Schwachstellen zuvor noch nie auf GitHub gemeldet worden waren, was das Potenzial des Modells zur Unterstützung bei der Programmverifizierung und bei Sicherheitsaudits unterstreicht.
Mit der Open-Source-Veröffentlichung von Leanstral1.5 erhalten die Bereiche Mathematik und Informatik leichteren Zugang zu einem leistungsstarken Werkzeug zur Beweisunterstützung. Durch die Reduzierung sowohl des Rechenaufwands als auch der finanziellen Kosten ist dieses Modell in der Lage, die Einführung formaler mathematischer Beweise zu beschleunigen und Forschern dabei zu helfen, mühsame Berechnungen und Verifizierungen hinter sich zu lassen, um sich auf grundlegende wissenschaftliche Durchbrüche zu konzentrieren.
Verwandter Artikel
DeepMind-CEO Hassabis: Ich schlafe sechs Stunden pro Tag und fühle mich normalerweise gegen 1 Uhr nachts energiegeladen.
Fortune hat kürzlich ein Interview mit Demis Hassabis, dem CEO von Google DeepMind, veröffentlicht, das seinen unkonventionellen Ansatz zu Erholung und Produktivität offenbart. Hassabis gab bekannt, dass er sehr wenig schläft und seine wachen Stunden
OpenAI und Anthropic kämpfen trotz Umsatzrückgängen um Marktanteile
Obwohl jüngste Berichte darauf hindeuten, dass OpenAI seine Umsatzziele verfehlt hat, was an diesem Dienstag Druck auf die Technologieaktien ausübte, zeigen sich private Investoren in KI-Labore weiter
Einhaltung der Vorschriften für autonome Fahrzeuge in Kalifornien: Eine neue Ära von Bußgeldern, Geofences und 1 Million Meilen
Guident betreibt einen AuveTech-Shuttle in Südflorida und verwaltet mithilfe seiner Fernüberwachungstechnologie eine vier Meilen lange Strecke in West Palm Beach sowie eine eine Meile lange Strecke in
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
Mistral AI hat kürzlich ein Open-Source-Modell namens Leanstral1.5 veröffentlicht, das speziell für die mathematische Formalsprachen-Plattform Lean4 entwickelt wurde. Das unter der Apache-2.0-Lizenz stehende Modell verfügt über insgesamt 119 Milliarden Parameter, von denen nur 6 Milliarden aktiviert sind, wodurch eine hohe Leistung gewährleistet und gleichzeitig die Kosten deutlich gesenkt werden.
Als spezialisiertes Werkzeug für mathematisches Denken liefert Leanstral1.5 beeindruckende Ergebnisse. Beim renommierten „miniF2F“-Benchmark für formale Mathematik erreichte es sowohl im Validierungs- als auch im Testsatz eine Abschlussquote von 100 %. Bei der Bearbeitung der anspruchsvollen Aufgaben des „PutnamBench“-Wettbewerbs löste das Modell 587 von 672 Lean4-Fragen erfolgreich. Auch in der FATE-Benchmark-Reihe für abstrakte Algebra zeigte es hervorragende Leistungen und erzielte eine Erfolgsquote von 87 % beim FATE-H-Test auf Master-Niveau sowie eine Erfolgsquote von 34 % beim FATE-X-Test auf Doktoranden-Niveau – damit stellte es einen neuen Rekord für Modelle dieser Art auf.

Die Kosteneffizienz ist ein weiterer wesentlicher Vorteil dieser Version. Mistral AI betont, dass Leanstral1.5 im Vergleich zu bestehenden Alternativen die Kosten für wissenschaftliches Ausprobieren drastisch senkt. So kostet beispielsweise die Lösung einer Aufgabe aus PutnamBench mit Leanstral1.5 durchschnittlich nur 4 US-Dollar, während das Vergleichsmodell Seed-Prover1.5 über 300 US-Dollar kostet und Aleph Prover zwischen 54 und 68 US-Dollar liegt. Diese drastische Kostensenkung dürfte dazu führen, dass hochpräzise mathematische Beweisunterstützung aus dem Labor heraus und in den breiteren Forschungsalltag Einzug hält.
In praktischen Szenarien der Code-Entwicklung zeigt Leanstral1.5 zudem eine starke Fähigkeit zur Fehlererkennung. Bei Tests an 57 Code-Repositorys identifizierte es 47 Verstöße, von denen 11 als echte Fehler bestätigt wurden. Bemerkenswert ist, dass fünf dieser Schwachstellen zuvor noch nie auf GitHub gemeldet worden waren, was das Potenzial des Modells zur Unterstützung bei der Programmverifizierung und bei Sicherheitsaudits unterstreicht.
Mit der Open-Source-Veröffentlichung von Leanstral1.5 erhalten die Bereiche Mathematik und Informatik leichteren Zugang zu einem leistungsstarken Werkzeug zur Beweisunterstützung. Durch die Reduzierung sowohl des Rechenaufwands als auch der finanziellen Kosten ist dieses Modell in der Lage, die Einführung formaler mathematischer Beweise zu beschleunigen und Forschern dabei zu helfen, mühsame Berechnungen und Verifizierungen hinter sich zu lassen, um sich auf grundlegende wissenschaftliche Durchbrüche zu konzentrieren.
DeepMind-CEO Hassabis: Ich schlafe sechs Stunden pro Tag und fühle mich normalerweise gegen 1 Uhr nachts energiegeladen.
Fortune hat kürzlich ein Interview mit Demis Hassabis, dem CEO von Google DeepMind, veröffentlicht, das seinen unkonventionellen Ansatz zu Erholung und Produktivität offenbart. Hassabis gab bekannt, dass er sehr wenig schläft und seine wachen Stunden
OpenAI und Anthropic kämpfen trotz Umsatzrückgängen um Marktanteile
Obwohl jüngste Berichte darauf hindeuten, dass OpenAI seine Umsatzziele verfehlt hat, was an diesem Dienstag Druck auf die Technologieaktien ausübte, zeigen sich private Investoren in KI-Labore weiter











