形式化验证（Formal Verification）正从数学定理的象牙塔走向软件工程的核心战场。在DeepSeek-Prover、AlphaProof等模型轮番刷新基准后，Mistral AI悄然交出一份更具工程意义的答卷——Leanstral 1.5，一款以Apache-2.0协议完全开源的119B稀疏专家模型（仅6B活跃参数），将miniF2F基准推向100%饱和，并在开源代码仓库中自主发现了5个从未被报告的bug。

Leanstral 1.5最引人注目的不是参数规模，而是其“效率暴力”：总参数119B但推理时仅激活6B，训练成本仅为同类模型的1/75，却在PutnamBench上完成了587/672道题目（87.4%），并在FATE-H（87%）和FATE-X（34%）两个更困难的数学形式化基准上创下新SOTA。这意味着，当下最高效的证明助手模型不再需要巨额算力——Leanstral 1.5可以在消费级GPU上运行，并通过HuggingFace和免费API直接调用。

模型的训练路径揭示了Mistral对“证明智能体”的深层理解：持续预训练→监督微调→基于CISPO的强化学习。CISPO（Curriculum Implicit Stepwise Policy Optimization）是一套渐进式策略优化算法：先让模型在简单证明步骤上建立正确性直觉，再通过隐式奖励机制逐步挑战复合命题。这与DeepSeek-Prover使用的人格化奖励不同，CISPO更强调“证明步骤的隐含正确性自监督”，从而在推理时表现出更强的自纠错能力——在智能体式证明测试中，Leanstral 1.5无需人工干预即可独立完成连续5步以上的推理路径。

更具落地价值的是其“缺陷猎手”能力：在57个主流开源仓库（含Lean 4标准库、Python数值库、go-ethereum等）的证明文件检查中，Leanstral 1.5发现了5个此前未被人类开发者注意的潜在bug，包括一个可能导致整数溢出的遗漏边界检查和一个类型别名错误。虽然这些bug尚未造成实际事故，但证明了AI形式化验证已从“定理证明玩具”进化到“生产漏洞探测器”——对代码正确性有执念的开发者，现在可以将Leanstral 1.5集成到CI流水线中，自动检查关键模块的定理证明完整性。

值得注意的是，Leanstral 1.5依然存在明显边界：在FATE-X（包含非平凡数学猜想）上仅34%的准确率表明，它仍无法处理需要深层哲学直觉或跨领域知识的证明。但考虑到其成本仅为同规模模型的1/75，且完全开源可二次训练，未来版本很可能通过社区贡献的证明数据快速迭代。

对于技术决策者，Leanstral 1.5的发布释放了一个明确信号：形式化验证的“AI助手”已从奢侈配置变为可负担的基础设施。如果你正在开发金融系统、智能合约或航天软件等高可靠性应用，现在正是将Lean 4定理证明器与Idealistic证明模型（如Leanstral 1.5）组合进开发工具链的最佳时机——无需等待，因为开源权重和API已在线。