Leanstral 1.5 של Mistral: קוד שלא רק נראה תקין, אלא מוכח כתקין
Mistral משחררת את Leanstral 1.5, מודל קוד פתוח שמוכיח מתמטית נכונות של תוכנה עם Lean 4. מה זה אומר לצוותי פינטק, רפואה ותעופה בישראל.
ב-2 ביולי 2026 שחררה Mistral AI את Leanstral 1.5, מודל קוד פתוח ברישיון Apache-2.0 שמתמחה בדבר אחד שרוב מודלי הקוד לא יודעים לעשות: להוכיח מתמטית, באמצעות שפת ההוכחות Lean 4, שקטע תוכנה אכן מתנהג כפי שהוגדר. לפי הנתונים שפרסמה החברה, זהו המודל הפתוח הראשון שמגיע ל-100% דיוק בבנצ'מרק המתמטיקה הפורמלית miniF2F, וההשקה שלו הדהדה בסיקור הטכנולוגי גם אל תוך השבוע העמוס שאחריה, שבו הכריזו גם גוגל, OpenAI, Anthropic ו-Cloudflare על חידושים משלהן.
מה בדיוק הושק: מודל MoE שמדבר Lean 4
Leanstral 1.5 הוא מודל mixture-of-experts עם 119 מיליארד פרמטרים בסך הכול, מתוכם 6.5 מיליארד פעילים בכל טוקן, על בסיס 128 מומחים שמתוכם 4 פעילים בכל שלב. חלון ההקשר עומד על 256k טוקנים, נתון קריטי כשמדובר בהוכחות פורמליות ארוכות: במקרה בוחן אחד שפרסמה Mistral, המודל עיבד יותר מ-2.7 מיליון טוקנים לאורך 22 דחיסות הקשר בזמן שהוכיח ערבויות של סיבוכיות זמן עבור עץ AVL.
ההבדל המהותי מכלי קוד רגילים הוא היעד. Copilot ודומיו מייצרים קוד שנראה נכון, ובדיקות יחידה בודקות מדגם של מקרים. אימות פורמלי ב-Lean 4 עובד אחרת: מנסחים תכונת נכונות (למשל, "הפונקציה הזו לעולם לא גולשת מטווח המספרים"), והמודל בונה הוכחה מתמטית שמאמת מכונה בודק צעד אחר צעד. אם ההוכחה עוברת קומפילציה, התכונה נכונה לכל קלט אפשרי, לא רק לאלה שנבדקו.
המספרים: הרוויה של miniF2F ופער עלויות דרמטי
לפי הדיווח של Mistral, המודל לא רק סוגר את miniF2F אלא פותר 587 מתוך 672 בעיות ב-PutnamBench, בנצ'מרק שמבוסס על תחרות המתמטיקה Putnam. בבנצ'מרקים הפנימיים של החברה, FATE-H ו-FATE-X, נרשמו תוצאות שיא של 87% ו-34% בהתאמה. בצד הכלכלי הפער בולט במיוחד: Leanstral 1.5 עוקף את Seed-Prover 1.5 high בשבע בעיות ב-PutnamBench, בעלות של כ-4 דולר לבעיה לעומת הערכה של 300 דולר ומעלה למתחרה.
- miniF2F: 100% דיוק, המודל הפתוח הראשון שמרווה את הבנצ'מרק
- PutnamBench: 587 מתוך 672 בעיות, בעלות של כ-4 דולר לבעיה
- FLTEval pass@8: עלייה מ-31.9 ל-43.2, מעל ה-39.6 של Opus 4.6 ובשביעית מהעלות
- FATE-H: תוצאת שיא של 87%; FATE-X: תוצאת שיא של 34%
חשוב לסייג: כל ציוני הבנצ'מרק מדווחים על ידי Mistral עצמה וטרם פורסמה הערכה עצמאית. בנוסף, FATE הוא בנצ'מרק פנימי של Mistral ולא סטנדרט של צד שלישי, כך שכדאי להתייחס לתוצאות בו בזהירות רבה יותר.
מהבנצ'מרק לעולם האמיתי: 11 באגים אמיתיים ב-57 מאגרים
החלק המעניין ביותר בפרסום אינו תוצאות התחרויות המתמטיות אלא הניסוי המעשי. Mistral הריצה צינור אוטומטי על 57 מאגרי קוד אמיתיים, והמערכת סימנה 47 הפרות של תכונות נכונות. מתוכן, 11 התבררו כבאגים אמיתיים, וחמישה מהם כלל לא דווחו קודם לכן ב-GitHub.
דוגמה בולטת אחת: באג בפונקציית sign בספריית datrs/varinteger, שבו הקלט Std.U64.MAX גורם לגלישת מספרים (overflow). זה בדיוק סוג מקרה הקצה שבדיקות יחידה ואפילו fuzzing נוטים לפספס, כי הוא דורש קלט ספציפי אחד מתוך מרחב עצום. הוכחה פורמלית, לעומת זאת, חייבת לכסות את כל מרחב הקלטים, ולכן היא נתקלת בו בהכרח.
בתחומים שבהם באג אחד עולה מיליונים או מסכן חיים, ההבדל בין 'עבר את כל הבדיקות' לבין 'מוכח מתמטית' הוא ההבדל בין הערכה לוודאות. עד עכשיו הוודאות הזו הייתה יקרה מדי לרוב הצוותים
למה זה רלוונטי במיוחד לצוותים בישראל
התעשייה הישראלית עמוסה בדיוק בסוג החברות שאימות פורמלי נבנה עבורן: פינטק שמזיז כסף אמיתי, מכשור רפואי שנתון לרגולציה של FDA ו-CE, מערכות ביטחוניות ותעופתיות, ותשתיות סייבר. עד היום, אימות פורמלי בחברות כאלה היה נחלתם של צוותים מתמחים ויקרים, לרוב עם מומחי Coq או TLA+ בודדים. מודל פתוח שמוריד את העלות לדולרים בודדים לתכונה מאומתת משנה את חשבון הכדאיות.
בפועל, צוות שמפתח מנוע סליקה או אלגוריתם מינון תרופתי יכול לנסח תכונות נכונות קריטיות (אין גלישת מספרים, שמירה על אינווריאנטים של יתרה, סדר פעולות דטרמיניסטי) ולתת ל-Leanstral לנסות להוכיח אותן או למצוא הפרה. גם כשההוכחה נכשלת, עצם הניסיון חושף מקרי קצה. ומכיוון שהמשקלים פתוחים וזמינים ב-Hugging Face, אפשר להריץ את המודל בתשתית פנימית, שיקול מכריע לארגונים שקוד המקור שלהם לא יוצא החוצה.
Mistral ממליצה להשתמש במודל דרך Mistral Vibe, וקיים גם endpoint חינמי בשם leanstral-1-5. שימו לב שרישום ה-Labs מציין תאריך פרישה מתוכנן ב-30 בספטמבר 2026, כלומר מדובר בפריסה ניסיונית מוגבלת בזמן ולא בנקודת קצה לסביבת ייצור. לשימוש ארוך טווח, המשקלים הפתוחים הם המסלול הבטוח.
מה הלאה: המבחן האמיתי הוא מחוץ לבנצ'מרקים
השאלה הפתוחה הגדולה היא כמה מהביצועים המרשימים על בעיות תחרות מתמטיות מתורגמים לקוד תעשייתי מבולגן, עם תלויות, קוד legacy ותכונות נכונות שקשה בכלל לנסח. הניסוי על 57 המאגרים הוא סימן מעודד, אבל יחס של 11 באגים אמיתיים מתוך 47 התרעות אומר גם שצוותים יצטרכו לסנן לא מעט false positives. הערכה עצמאית של קהילת המחקר, שטרם פורסמה, תהיה הצעד הקריטי הבא.
בינתיים, לצוותי פיתוח בתחומים רגישים בישראל שווה להקדיש ספרינט אחד לניסוי: לבחור רכיב קריטי אחד, לנסח עבורו שתיים-שלוש תכונות נכונות ב-Lean 4, ולראות מה המודל מוצא. גם אם התוצאה תהיה רק מקרה קצה אחד שאיש לא חשב עליו, ההשקעה תחזיר את עצמה. השיחה על איכות קוד מתחילה לזוז מ"הקוד נראה תקין" ל"הקוד מוכח כתקין", ומי שיאמץ את הכלים האלה מוקדם ירכוש יתרון שקשה להדביק.
שאלות נפוצות
מה זה Leanstral 1.5 של Mistral?
Leanstral 1.5 הוא מודל קוד פתוח ברישיון Apache-2.0 שהושק ב-2 ביולי 2026, ומתמחה באימות פורמלי של תוכנה באמצעות Lean 4. מדובר בארכיטקטורת mixture-of-experts עם 119 מיליארד פרמטרים (6.5 מיליארד פעילים) וחלון הקשר של 256k טוקנים, והוא המודל הפתוח הראשון שהגיע ל-100% ב-miniF2F לפי נתוני החברה.
מה ההבדל בין אימות פורמלי לבדיקות תוכנה רגילות?
בדיקות יחידה ו-fuzzing בודקות מדגם של קלטים, ולכן עלולות לפספס מקרי קצה. אימות פורמלי בונה הוכחה מתמטית שמאומתת על ידי מכונה ומכסה את כל מרחב הקלטים האפשרי, כך שתכונת נכונות שהוכחה תקפה תמיד, לא רק במקרים שנבדקו.
האם Leanstral 1.5 חינמי ואיך משתמשים בו?
כן, המודל משוחרר ברישיון Apache-2.0 והמשקלים זמינים ב-Hugging Face להרצה עצמית, כולל בתשתית פנימית של הארגון. קיים גם endpoint חינמי בשם leanstral-1-5 עם המלצה לעבוד דרך Mistral Vibe, אך הוא מוגדר כפריסה ניסיונית עם תאריך פרישה מתוכנן ב-30 בספטמבר 2026.
דרגו את הכתבה
הדירוג עוזר לנו לדעת מה שווה לכם.
