Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
mistral16. März 2026 · Q001502

Leanstral: Open-Source foundation for trustworthy vibe-coding

mistral.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Mistral präsentiert Leanstral als quelloffenen Lean-4-Agenten, der Code formal beweisen soll. In der unternehmenseigenen FLTEval-Auswertung schneidet er laut Mistral bei mehreren Vergleichen gut ab und wird anhand zweier Programmier- und Beweisbeispiele vorgestellt. Der Bericht bietet keine unabhängige Überprüfung der Resultate.

Mittel

Mistral stellt Leanstral als quelloffenen Coding-Agenten für Lean 4 vor, der Code nicht nur erzeugen, sondern Implementierungen formal beweisen soll. Das Modell sei auf realistische Beweisarbeit ausgerichtet und werde mit Apache-2.0-lizenzierten Gewichten, in Mistral Vibe und über einen API-Endpunkt angeboten. Unterstützung für MCP-Werkzeuge, insbesondere lean-lsp-mcp, sei ebenfalls vorgesehen.

Laut Mistrals FLTEval-Benchmark bearbeitete Leanstral Beweise und neue mathematische Begriffe aus Pull Requests des FLT-Projekts. Mistral berichtet, dass Leanstral mehrere größere Open-Source-Modelle übertreffe: Es erreiche etwa 26,3 Punkte bei zwei Durchläufen, während Qwen3.5 laut Bericht 25,4 Punkte bei vier Durchläufen erzielt. Gegenüber Sonnet nennt Mistral ebenfalls höhere Werte bei deutlich geringeren Testkosten; Opus bleibe mit 39,6 Punkten das leistungsstärkste verglichene Modell, bei 1.650 Dollar Kosten. Zwei Beispiele zeigen die Behebung eines Lean-Typalias-Problems und die Übersetzung sowie Beweisführung für ein kleines Programm.

Benchmark und Beispiele werden vom Anbieter selbst präsentiert; eine unabhängige Prüfung oder ausführliche Methodik enthält der Bericht nicht. Die Ergebnisse sind daher als Mistrals Angaben einzuordnen.

Ausführlich lesen

Mistral stellt Leanstral als quelloffenen Coding-Agenten für Lean 4 vor. Das Unternehmen begründet die Entwicklung mit einem Engpass bei anspruchsvoller Software- und Mathematikarbeit: Von KI erzeugter Code müsse von Menschen geprüft werden, wofür Zeit und Fachwissen nötig seien. Leanstral soll deshalb nicht nur Code erzeugen, sondern Implementierungen formal gegen Spezifikationen beweisen. Laut Mistral ist es mit sechs Milliarden aktiven Parametern auf formale Beweisarbeit und den Einsatz in realistischen Lean-Repositorien ausgelegt. Die Gewichte sollen unter Apache 2.0 verfügbar sein; außerdem nennt Mistral eine Integration in Mistral Vibe, einen API-Zugang und Unterstützung für MCP-Werkzeuge, besonders lean-lsp-mcp. Ein technischer Bericht und die neue Benchmark FLTEval werden angekündigt.

Für die Evaluation ließ Mistral laut Bericht Beweise und neue mathematische Begriffe aus Pull Requests des FLT-Projekts vervollständigen. Das soll realistische Beweisentwicklung abbilden, statt nur einzelne Wettbewerbsaufgaben zu testen. In den veröffentlichten Vergleichen erzielt Leanstral laut Mistral bessere FLTEval-Werte als mehrere größere Open-Source-Modelle. Gegenüber Qwen3.5 nennt der Bericht 26,3 Punkte bei zwei Durchläufen für Leanstral, gegenüber 25,4 Punkten bei vier Durchläufen für Qwen; bei vier Leanstral-Durchläufen werden 29,3 Punkte angegeben. Im Vergleich mit Claude-Modellen erreicht Leanstral bei zwei Durchläufen 26,3 Punkte für 36 Dollar, während Sonnet mit 23,7 Punkten und 549 Dollar aufgeführt wird. Opus erzielt den höchsten angegebenen Wert, 39,6 Punkte, kostet laut Tabelle aber 1.650 Dollar. Mistral gibt an, für die Tests Mistral Vibe ohne spezielle Änderungen als Gerüst verwendet zu haben.

Zwei Fallbeispiele veranschaulichen den vorgesehenen Einsatz. In einem Fall soll Leanstral einen Fehler nach einer neuen Lean-Version reproduziert und auf eine undurchsichtige Typdefinition zurückgeführt haben; als Korrektur habe es `def` durch `abbrev` ersetzt und den Grund erklärt. Im anderen Fall übersetzte es laut Bericht Definitionen einer kleinen Programmiersprache von Rocq nach Lean und bewies eine Eigenschaft eines Programms, nachdem es nur die Aussage erhalten hatte.

Die Angaben stammen aus Mistrals eigener Produktbeschreibung und Evaluation. Der Text liefert keine unabhängige Überprüfung der Benchmarkresultate oder Fallbeispiele und erläutert die Bewertungsmethode nur knapp; die Vergleichswerte sind daher als Herstellerangaben zu verstehen. Mistral bezeichnet den API-Zugang als für begrenzte Zeit besonders günstig und wirbt für die Nutzung des Modells sowie den Download der Gewichte.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Es lagen zwei Fassungen der Zusammenfassung vor; bewertet wurde die mittlere, da die kurze Fassung deutlich mehr Details auslässt. Alle Angaben zu Benchmarks und Kosten stimmen mit der Tabelle des Berichts überein, die Ergebnisse sind jedoch Herstellerangaben.

Im Bericht, aber nicht in der Zusammenfassung

  • Leanstral ist laut Bericht der erste quelloffene Code-Agent für Lean 4
  • Effizienz durch sparsame Architektur mit nur 6B aktiven Parametern
  • Opus kostet laut Bericht rund 92-mal so viel wie Leanstral
  • kostenloser, zeitlich begrenzter API-Zugang als Teil der Veröffentlichung
  • angekündigter Technologiebericht und Evaluationssuite FLTEval

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 28 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 24 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 59 %einzelne zitierbare Belege
    • amos 32 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra 44 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 29 %einzelne zitierbare Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 69 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 52 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 29 %nur am Rande erwähnt
    • JEV 39 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 21 %gleiches Oberthema, hilft nicht
    • Luna 52 %einzelne zitierbare Belege
    • JEV 59 %einzelne zitierbare Belege
    • amos 31 %einzelne zitierbare Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 32 %nur am Rande erwähnt
    • d3-ultra 34 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-H2-T01 Was unterscheidet das Veröffentlichen von Modellgewichten (den gelernten Parametern) oder von Agentenwerkzeugen mit offenem Quellcode vom Freisetzen einer Waffe: die Absicht des Akteurs, die Selbstständigkeit des Modells, seine Verwendung oder der Schaden, den es von sich aus anrichten kann? Und können Staaten diese Grenze gemeinsam festschreiben, bevor ein offenes Modell im Mittelpunkt eines schweren Vorfalls steht? Luna: Stufe 3 · 27 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 43 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 48 %einzelne zitierbare Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 29 %einzelne zitierbare Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 44 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 39 %einzelne zitierbare Belege
    • amos 22 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →