Mistral parantos nerbitkeun Leanstral, modél AI pikeun vibe coding kalayan verifikasi formal.

Mistral AI parantos ngaluncurkeun modél basa anu ageung, Devstral, anu dirancang pikeun pamekaran aplikasi (vibe coding) sareng dioptimalkeun pikeun verifikasi kode formal. Devstral diperkirakeun bakal dianggo pikeun nyiptakeun asistén AI anu henteu ngan ukur tiasa ngahasilkeun kode tapi ogé mastikeun yén éta bébas tina kasalahan.

Devstral janten modél sumber terbuka munggaran anu ngadukung basa pamrograman Lean 4 sareng toolkit verifikasi bukti matematis anu aya hubunganana. Lean 4 nyayogikeun kamampuan pikeun sacara matematis ngabuktikeun kaleresan kode sareng patuhna kana spésifikasi, anu, dina kontéks vibe coding, ngamungkinkeun pikeun konfirmasi yén kode anu dihasilkeun ku modél AI ngalakukeun persis naon anu dimaksudkeun pikeun dilakukeun.

Modél ieu ngawengku 119 milyar parameter (6.5 milyar parameter anu diaktipkeun per token), mertimbangkeun kontéks 256 token, sareng diterbitkeun dina lisénsi Apache 2.0. Arsip anu tiasa diunduh nganggo Leanstral nyaéta 121 GB sareng cocog pikeun dianggo dina sistem lokal. Pustaka vllm, transformer, sareng SGLang tiasa dianggo pikeun palaksanaan lokal.

Diantarana, modél ieu tiasa dianggo pikeun pamekaran vibe dina agén mistral-vibe sumber terbuka sareng diintegrasikeun sareng toolkit Aeneas pikeun verifikasi kode Rust. Modél ieu nampi téks sareng gambar salaku parameter input, sareng ngan ukur ngahasilkeun téks salaku output. Analisis eusi gambar dirojong.

Pikeun meunteun kamampuan modél AI, kalayan merhatikeun kualitas verifikasi kode formal sareng panulisan bukti matematis, hiji suite patokan FLTEval anyar dikembangkeun. Dina tés-tés éta, modél Leanstral sacara signifikan ngaleuwihan modél sumber terbuka anu tos aya Qwen3.5 397B-A17B, Kimi-K2.5 1T-A32B, sareng GLM5 744B-A40B. Éta nunjukkeun hasil anu sami sareng Claude Haiku 4.5 sareng Claude Sonnet 4.6 ti Anthropic, tapi tinggaleun ti modél Claude Opus 4.6. Sacara khusus, modél Opus ngoleksi 39.6 poin, sedengkeun Leanstral ngoleksi 21.9 poin dina hiji pass sareng 31.9 poin dina 16 pass. Biaya ngagunakeun Opus nyaéta $1650, sedengkeun Leanstral hargana $18 dina hiji pass sareng $290 dina 16 pass. Haiku ngoleksi 23 poin kalayan harga $184, sedengkeun Sonnet ngoleksi 23.7 poin kalayan harga $549.

 Mistral parantos nerbitkeun Leanstral, modél AI pikeun vibe coding kalayan verifikasi formal.


sumber: opennet.ru

Tambahkeun komentar