Mistral 押注 Leanstral 走向證明工程是對的

87% 的 FATE-H 分數說明，證明工程已經不是研究室展示，而是 AI 工具真正能變成基礎設施的產品類別。

我支持 Mistral 把 Leanstral 推向證明工程，因為 AI 真正有價值的下一步，不是更會說，而是更能被驗證。

第一個論點

在 Lean 4 這種形式化系統裡，模型不能靠話術混過去，證明要嘛編譯成功，要嘛直接失敗。Mistral 公布的數據很硬：Leanstral 1.5 在 miniF2F 上達到完全飽和，PutnamBench 解出 672 題中的 587 題，FATE-H 則拿到 87%。這些不是漂亮包裝，而是代表模型已經能在機器可檢查的規則下持續產出可接受的證明。

更重要的是，這種能力不是只對數學有用。對工程團隊來說，最耗時的從來不是寫出一個看起來合理的說法，而是反覆修補引理、處理編譯器回饋、把錯誤一路修到檔案真的過關。能進入這個迴圈的模型，角色就不再是自動補字工具，而是驗證工具。這也是為什麼證明工程會比一般程式生成更接近企業級需求。

第二個論點

Leanstral 的價值不只在數學題，而是在真實程式碼裡找出問題。Mistral 在 Rust 驗證流程中表示，Leanstral 於 57 個儲存庫中標出 47 項違規，其中 11 個是確定的 bug，還有 5 個從未在 GitHub 上被回報。這種結果很關鍵，因為它把 AI 從「看起來懂」推進到「真的能幫你抓出錯誤」，而且錯誤是可以直接進入審查流程的。

另一個值得注意的訊號，是 270 萬 token 的長篇證明嘗試，以及跨越 22 次上下文壓縮仍能完成 AVL 樹時間複雜度證明。這說明問題不只在單步推理，而在長程狀態管理。實務上的工程工作本來就不是一次答完，而是要在很多輪失敗、修正、再試之間維持脈絡。若模型能撐住這種長鏈條，它就有機會進入大型儲存庫、幫忙補輔助引理、追蹤錯誤來源，甚至在初版推理失敗後繼續推進。

反方可能怎麼說

反對者的說法其實很強：證明工程太小眾，工具鏈太專門，絕大多數團隊根本不寫 Lean 4。就算 Leanstral 很強，它也可能只是一個研究展示，而不是能真正擴散到主流開發流程的產品。再加上 Labs 頁面寫明這個模型預計在 2026 年 9 月 30 日退役，這看起來更像短期實驗，而不是長期平台。

這個質疑在採用面上成立，但它忽略了戰略重點。Mistral 不需要 Lean 4 變成全民語言，Leanstral 仍然有意義，因為形式化驗證本來就是高槓桿切入點，不是大眾功能。能在 Lean 裡做好的事情，方法上可以外溢到程式修補、性質檢查、儲存庫層級推理。退役日期會削弱這個特定端點作為基礎設施的說服力，但不會削弱整個方向：未來最值錢的 AI 程式工具，會是能被機器驗證的那一類。

你能做什麼

如果你是工程師，不要只看 AI 會不會寫程式，要開始要求它證明自己改對了什麼。如果你是 PM，優先找能形成驗證閉環的流程，不是只產出草稿的流程。如果你是創辦人，應該往錯誤代價高、正確性可量化的領域找切入點，因為證明型代理人最先付費的，就是這種場景。

Leanstral 1.5 的重點，不是又多了一個模型，而是它把 AI 從程式生成往程式保證推了一步。這一步很小，方向卻很大，因為真正能進企業、進基礎設施、進關鍵流程的 AI，最後都得學會被驗證。