Leanstral 1.5 證明開源數學模型已經能上場
Leanstral 1.5 的成績顯示，開源模型已經能在形式化數學與程式驗證上提供實際價值，不再只是展示型作品。
100% 的 miniF2F 成績證明，開源 Lean 模型已經能勝任形式化證明工作。
Leanstral 1.5 不是又一個會聊天的模型，而是一個能在形式化數學與程式驗證上交付成果的開源系統；它的 benchmark 表現已經明確越過「看起來厲害」的門檻，進入「真的有用」的區間。
第一個論點
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
在 miniF2F 上拿到 100% 並不是漂亮數字而已。miniF2F 涵蓋從高中數學到奧林匹亞難度的形式化題目，這代表模型不是在背題庫，而是在 Lean 4 裡穩定處理結構化證明。當一個系統能把這類任務做滿分，說明它已經掌握了形式推理的核心操作。
更難忽視的是 PutnamBench：672 題裡解出 587 題，這不是邊角料成績。Mistral 也指出，它在 PutnamBench、FATE-H、FATE-X 都領先開源陣營；只有閉源的 Aleph Prover 在 PutnamBench 上更強。這個差距很小，卻足以說明一件事，開源模型已經逼近最頂尖的商用系統。
第二個論點
形式化數學比一般聊天 benchmark 更嚴格，因為它不吃語氣、不吃流暢度，只看證明能不能編譯。這種評測方式把「像是在思考」和「真的推導出正確結果」清楚分開，所以 Leanstral 1.5 的表現具有更高可信度，也更接近工程世界需要的可靠性。
FATE-H 和 FATE-X 的結果進一步補強這點。這兩個 benchmark 涵蓋碩士與博士層級的代數題，包含群論與環論，而 Leanstral 1.5 分別拿到 87% 與 34% 的開源最佳成績。這表示它不是只會某一類題型，而是能在一整族依賴符號精確性的任務上維持能力。
反方可能怎麼說
最強的反對意見很直接：benchmark 再高，也不等於日常開發真的有用。Lean 4 是高度專門的環境，形式化證明的世界和一般軟體工程差很多；模型在定理證明裡表現好，不代表它能理解模糊需求、混亂 codebase，或處理產品決策中的灰色地帶。
這個質疑成立，而且它應該被保留。Leanstral 1.5 的價值不在於宣稱自己能取代所有工程工作，而在於它已經在最可驗證的場景裡證明了自己：它不只在 benchmark 上強，還真的掃過 57 個開源 repo，找出 5 個先前未知的 bug，其中包含 Rust 函式庫 varinteger 的 overflow 問題。這不是抽象能力，而是可落地的修補價值。
你能做什麼
工程師應把 Leanstral 1.5 當成驗證助手，用在 proof sketch、invariant 檢查、關鍵路徑 bug hunting，不要把它當萬能聊天機器人；PM 應優先在編譯器、資安、金融、基礎設施這類錯誤成本高的場景試點；創辦人則該把訊號看清楚，開源模型已經足以切入「信任建立在形式證明」的領域，下一批真正耐久的 AI 產品，很可能就長在這裡。