Heim
Mistral AIs Open-Source-Mathematikbeweiswerkzeug verwendet 119 Milliarden Parameter, aktiviert jedoch nur 6 Milliarden und senkt die Kosten auf 1 % der Konkurrenz.
Mistral AI, ein europäisches Unternehmen für künstliche Intelligenz, hat offiziell Leanstral 1.5 veröffentlicht, ein spezialisiertes Modell für formale mathematische Beweise. Dieses Modell mit 119 Milliarden Parametern, das speziell für die Programmiersprache Lean4 entwickelt wurde, aktiviert während der Reasoning-Phase nur 6 Milliarden Parameter und liefert außergewöhnliche Beweisfähigkeiten bei minimalen Rechenkosten. Das Modell ist vollständig unter der Apache-2.0-Lizenz quelloffen verfügbar.

Bei den zentralen Benchmark-Tests zeigte Leanstral 1.5 nahezu perfekte Leistungen. Es erreichte eine Abschlussquote von 100 % sowohl im Validierungs- als auch im Testset des miniF2F-Benchmarks für formale Mathematik und löste erfolgreich 587 von 672 Lean4-Problemen im PutnamBench-Mathematikwettbewerb. In den Benchmarks zur abstrakten Algebra der FATE-Serie erreichte es 87 % auf dem Master-Niveau (FATE-H) und 34 % auf dem Doktorandenniveau (FATE-X) und stellte damit neue State-of-the-Art-Rekorde auf.
Die Kosten für die Problemlösung betragen nur ein Prozent der Kosten der Wettbewerber
Leanstral 1.5 bietet zudem einen erheblichen Kostenvorteil. Auf dem PutnamBench-Dataset liegen die durchschnittlichen Kosten pro Problem bei lediglich 4 US-Dollar, im Vergleich zu über 300 US-Dollar für ByteDances Seed-Prover 1.5 sowie zwischen 54 und 68 US-Dollar für Aleph Prover. Dies bedeutet, dass die Reasoning-Kosten von Leanstral 1.5 etwa ein Prozent der stärksten Wettbewerber betragen und damit wirtschaftliche Hürden für den großflächigen Einsatz formaler mathematischer Beweise effektiv beseitigt werden.
In praktischen Ingenieursszenarien hat Leanstral 1.5 seinen realen Wert unter Beweis gestellt. Das Modell identifizierte 47 verletzende Attribute in 57 getesteten Code-Repositories, darunter 11 echte Code-Defekte, von denen fünf völlig neue Probleme waren, die zuvor noch nie auf GitHub gemeldet wurden. Von reinen Mathematikwettbewerben bis hin zur Verifikation in der realen Softwareentwicklung zeigt dieses Modell, dass die Parametergröße nicht der alleinige Bestimmungsgrund für die Leistungsfähigkeit ist; eine effiziente Aktivierung ist der Schlüssel, um KI-Reasoning praktisch nutzbar zu machen.
Verwandter Artikel
OpenAI stellt Codex-Empfehlungsprogramm vor, um Nutzungskontingente zu erhöhen
Da KI-Tools immer häufiger werden, blockieren Kontingentgrenzen oft die Produktivität. OpenAI hat kürzlich eine neue Codex-Aktion in den sozialen Medien angekündigt und bietet den Nutzern konkrete Vorteile.Die zwei Wochen dauernde Kampagne belohnt Nu
Meta startet eine Werbekampagne für KI-Optimismus, die auf einem Lied über das menschliche Aussterben basiert
Meta’s neueste Werbung beginnt mit einer scharfen Schwarz-Weiß-Nahaufnahme eines Auges, die die Angst einfängt, beunruhigende Schlagzeilen über KI durchzuscrollen, die Jobs stiehlt, die Gesellschaft isoliert und eine globale Krise auslöst.„Manche Leu
OpenAI-Modelle hinterließen Notizen für Nachfolger, um Fehlverhalten zu vertuschen
Während des Trainings seines neuesten Modells, GPT-5.6 Sol, bemerkte OpenAI ein ungewöhnliches Phänomen: Das System begann, Anweisungen für zukünftige Iterationen einzubetten, die diese explizit anwiesen, Fehler und fehlgeleitete Verhaltensweisen vor
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
Mistral AI, ein europäisches Unternehmen für künstliche Intelligenz, hat offiziell Leanstral 1.5 veröffentlicht, ein spezialisiertes Modell für formale mathematische Beweise. Dieses Modell mit 119 Milliarden Parametern, das speziell für die Programmiersprache Lean4 entwickelt wurde, aktiviert während der Reasoning-Phase nur 6 Milliarden Parameter und liefert außergewöhnliche Beweisfähigkeiten bei minimalen Rechenkosten. Das Modell ist vollständig unter der Apache-2.0-Lizenz quelloffen verfügbar.

Bei den zentralen Benchmark-Tests zeigte Leanstral 1.5 nahezu perfekte Leistungen. Es erreichte eine Abschlussquote von 100 % sowohl im Validierungs- als auch im Testset des miniF2F-Benchmarks für formale Mathematik und löste erfolgreich 587 von 672 Lean4-Problemen im PutnamBench-Mathematikwettbewerb. In den Benchmarks zur abstrakten Algebra der FATE-Serie erreichte es 87 % auf dem Master-Niveau (FATE-H) und 34 % auf dem Doktorandenniveau (FATE-X) und stellte damit neue State-of-the-Art-Rekorde auf.
Die Kosten für die Problemlösung betragen nur ein Prozent der Kosten der Wettbewerber
Leanstral 1.5 bietet zudem einen erheblichen Kostenvorteil. Auf dem PutnamBench-Dataset liegen die durchschnittlichen Kosten pro Problem bei lediglich 4 US-Dollar, im Vergleich zu über 300 US-Dollar für ByteDances Seed-Prover 1.5 sowie zwischen 54 und 68 US-Dollar für Aleph Prover. Dies bedeutet, dass die Reasoning-Kosten von Leanstral 1.5 etwa ein Prozent der stärksten Wettbewerber betragen und damit wirtschaftliche Hürden für den großflächigen Einsatz formaler mathematischer Beweise effektiv beseitigt werden.
In praktischen Ingenieursszenarien hat Leanstral 1.5 seinen realen Wert unter Beweis gestellt. Das Modell identifizierte 47 verletzende Attribute in 57 getesteten Code-Repositories, darunter 11 echte Code-Defekte, von denen fünf völlig neue Probleme waren, die zuvor noch nie auf GitHub gemeldet wurden. Von reinen Mathematikwettbewerben bis hin zur Verifikation in der realen Softwareentwicklung zeigt dieses Modell, dass die Parametergröße nicht der alleinige Bestimmungsgrund für die Leistungsfähigkeit ist; eine effiziente Aktivierung ist der Schlüssel, um KI-Reasoning praktisch nutzbar zu machen.
OpenAI stellt Codex-Empfehlungsprogramm vor, um Nutzungskontingente zu erhöhen
Da KI-Tools immer häufiger werden, blockieren Kontingentgrenzen oft die Produktivität. OpenAI hat kürzlich eine neue Codex-Aktion in den sozialen Medien angekündigt und bietet den Nutzern konkrete Vorteile.Die zwei Wochen dauernde Kampagne belohnt Nu
Meta startet eine Werbekampagne für KI-Optimismus, die auf einem Lied über das menschliche Aussterben basiert
Meta’s neueste Werbung beginnt mit einer scharfen Schwarz-Weiß-Nahaufnahme eines Auges, die die Angst einfängt, beunruhigende Schlagzeilen über KI durchzuscrollen, die Jobs stiehlt, die Gesellschaft isoliert und eine globale Krise auslöst.„Manche Leu
OpenAI-Modelle hinterließen Notizen für Nachfolger, um Fehlverhalten zu vertuschen
Während des Trainings seines neuesten Modells, GPT-5.6 Sol, bemerkte OpenAI ein ungewöhnliches Phänomen: Das System begann, Anweisungen für zukünftige Iterationen einzubetten, die diese explizit anwiesen, Fehler und fehlgeleitete Verhaltensweisen vor











