🥇ഔപചാരിക പരിശോധനയോടെ വൈബ് കോഡിംഗിനായുള്ള AI മോഡലായ ലീൻസ്ട്രൽ മിസ്ട്രൽ പ്രസിദ്ധീകരിച്ചു

ആപ്പ് വികസനത്തിനായി (വൈബ് കോഡിംഗ്) രൂപകൽപ്പന ചെയ്‌തതും ഔപചാരിക കോഡ് പരിശോധനയ്‌ക്കായി ഒപ്റ്റിമൈസ് ചെയ്‌തതുമായ ഡെവ്‌സ്ട്രൽ എന്ന വലിയ ഭാഷാ മാതൃക മിസ്ട്രൽ AI അനാച്ഛാദനം ചെയ്‌തു. കോഡ് ജനറേറ്റ് ചെയ്യാൻ മാത്രമല്ല, പിശകുകളില്ലാത്തതാണെന്ന് ഉറപ്പാക്കാനും കഴിയുന്ന AI അസിസ്റ്റന്റുകളെ സൃഷ്ടിക്കാൻ ഡെവ്‌സ്ട്രൽ ഉപയോഗിക്കുമെന്ന് പ്രതീക്ഷിക്കുന്നു.

ലീൻ 4 പ്രോഗ്രാമിംഗ് ഭാഷയെയും അനുബന്ധ ഗണിതശാസ്ത്ര പ്രൂഫ് വെരിഫിക്കേഷൻ ടൂൾകിറ്റിനെയും പിന്തുണയ്ക്കുന്ന ആദ്യത്തെ ഓപ്പൺ സോഴ്‌സ് മോഡലായി ഡെവ്‌സ്ട്രൽ മാറി. കോഡിന്റെ കൃത്യതയും സ്പെസിഫിക്കേഷനുകളുമായുള്ള അതിന്റെ അനുസരണവും ഗണിതശാസ്ത്രപരമായി തെളിയിക്കാനുള്ള കഴിവ് ലീൻ 4 നൽകുന്നു, ഇത് വൈബ് കോഡിംഗിന്റെ പശ്ചാത്തലത്തിൽ, ഒരു AI മോഡൽ സൃഷ്ടിക്കുന്ന കോഡ് അത് ചെയ്യാൻ ഉദ്ദേശിച്ചത് കൃത്യമായി ചെയ്യുന്നുവെന്ന് സ്ഥിരീകരിക്കാൻ അനുവദിക്കുന്നു.

ഈ മോഡൽ 119 ബില്യൺ പാരാമീറ്ററുകൾ ഉൾക്കൊള്ളുന്നു (ഓരോ ടോക്കണിനും 6.5 ബില്യൺ സജീവമാക്കിയ പാരാമീറ്ററുകൾ), 256 ടോക്കണുകളുടെ സന്ദർഭങ്ങൾ പരിഗണിക്കുന്നു, കൂടാതെ അപ്പാച്ചെ 2.0 ലൈസൻസിന് കീഴിൽ പ്രസിദ്ധീകരിച്ചിരിക്കുന്നു. ലീൻസ്ട്രലിൽ നിന്ന് ഡൗൺലോഡ് ചെയ്യാവുന്ന ആർക്കൈവ് 121 GB ആണ്, ഇത് പ്രാദേശിക സിസ്റ്റങ്ങളിൽ ഉപയോഗിക്കാൻ അനുയോജ്യമാണ്. vllm, ട്രാൻസ്ഫോർമറുകൾ, SGLang ലൈബ്രറികൾ എന്നിവ പ്രാദേശിക നിർവ്വഹണത്തിനായി ഉപയോഗിക്കാം.

മറ്റ് കാര്യങ്ങൾക്കൊപ്പം, ഓപ്പൺ സോഴ്‌സ് മിസ്ട്രൽ-വൈബ് ഏജന്റിൽ വൈബ് വികസനത്തിനായി ഈ മോഡൽ ഉപയോഗിക്കാനും റസ്റ്റ് കോഡ് പരിശോധിക്കുന്നതിനായി ഐനിയസ് ടൂൾകിറ്റുമായി സംയോജിപ്പിക്കാനും കഴിയും. ഇത് ടെക്സ്റ്റും ഇമേജുകളും ഇൻപുട്ട് പാരാമീറ്ററുകളായി സ്വീകരിക്കുകയും ടെക്സ്റ്റ് മാത്രം ഔട്ട്പുട്ടായി നിർമ്മിക്കുകയും ചെയ്യുന്നു. ഇമേജ് ഉള്ളടക്ക വിശകലനം പിന്തുണയ്ക്കുന്നു.

AI മോഡലുകളുടെ കഴിവുകൾ വിലയിരുത്തുന്നതിനായി, ഔപചാരിക കോഡ് വെരിഫിക്കേഷന്റെ ഗുണനിലവാരവും ഗണിതശാസ്ത്ര തെളിവുകളുടെ എഴുത്തും കണക്കിലെടുത്ത്, ഒരു പുതിയ FLTEval ബെഞ്ച്മാർക്ക് സ്യൂട്ട് വികസിപ്പിച്ചെടുത്തു. പരീക്ഷണങ്ങളിൽ, ലീൻസ്ട്രൽ മോഡൽ നിലവിലുള്ള ഓപ്പൺ സോഴ്‌സ് മോഡലുകളായ Qwen3.5 397B-A17B, Kimi-K2.5 1T-A32B, GLM5 744B-A40B എന്നിവയെ ഗണ്യമായി മറികടന്നു. ആന്ത്രോപിക്കിന്റെ ക്ലോഡ് ഹൈകു 4.5, ക്ലോഡ് സോണറ്റ് 4.6 എന്നിവയ്ക്ക് സമാനമായ ഫലങ്ങൾ ഇത് കാണിച്ചു, പക്ഷേ ക്ലോഡ് ഓപസ് 4.6 മോഡലിനേക്കാൾ പിന്നിലായിരുന്നു. പ്രത്യേകിച്ചും, ഓപസ് മോഡൽ 39.6 പോയിന്റുകൾ നേടി, അതേസമയം ലീൻസ്ട്രൽ ഒരു പാസിൽ 21.9 പോയിന്റുകളും 16 പാസുകളിൽ 31.9 പോയിന്റുകളും നേടി. ഓപസ് ഉപയോഗിക്കുന്നതിനുള്ള ചെലവ് $1650 ആയിരുന്നു, അതേസമയം ലീൻസ്ട്രലിന് ഒരു പാസിൽ $18 ഉം 16 പാസുകളിൽ $290 ഉം ചിലവായി. ഹൈക്കു 184 ഡോളറിൽ 23 പോയിന്റുകൾ നേടി, സോണറ്റ് 549 ഡോളറിൽ 23.7 പോയിന്റുകൾ നേടി.