O que é o Leanstral

O Leanstral e um modelo de linguagem da Mistral AI focado em prova formal de matemática. O nome vem da combinação de Lean, uma linguagem de prova matemática formal usada em pesquisa académica, com Mistral. O objetivo e criar um modelo capaz de gerar provas matemáticas verificáveis por máquina, o que é um dos desafios mais difíceis da inteligência artificial atual.

A versão 1.5 foi lançada em julho de 2026 com a proposta de democratizar o acesso a provas matemáticas formais. A Mistral publicou o modelo como open weights, o que significa que qualquer pesquisador ou desenvolvedor pode baixar e usar os pesos do modelo gratuitamente. Isso e um movimento estratégico da Mistral para fortalecer sua presença no segmento de IA para ciência e matemática.

O contexto e importante: provar teoremas matemáticos formalmente e uma tarefa extremamente complexa que exige raciocínio preciso, sem margem para erros. Se um modelo de IA consegue gerar provas que o verificador Lean aceita como corretas, isso representa um avanço real na capacidade de raciocínio das máquinas, não apenas na geração de texto plausível.

Como funciona

O Leanstral e treinado especificamente para gerar código na linguagem Lean 4, que é um assistente de prova interativo usado em matemática avançada. Quando você fornece um enunciado matemático, o modelo tenta gerar uma sequência de passos de prova que o verificador do Lean consegue validar automaticamente.

O diferencial em relação a modelos gerais como GPT ou Claude e que aqui o critério de sucesso e binário e verificável: ou a prova e aceita pelo Lean, ou não e. Não ha espaço para alucinações plausíveis - o verificador matemático e implacável.

O treinamento envolve um ciclo de geração e verificação: o modelo gera uma prova, o Lean verifica, e o feedback (correta ou incorreta) e usado para melhorar o modelo. Esse ciclo permite que o modelo aprenda com tentativas e erros de forma mais precisa do que modelos treinados apenas com texto humano.

💡
Dica

Mesmo sem interesse em matemática formal, o Leanstral demonstra uma técnica importante: usar verificadores externos como sinal de treinamento. Essa abordagem pode ser adaptada para código, SQL e outras linguagens com semântica formal.

Principais recursos

O que o Leanstral 1.5 oferece:

  • Geração de provas Lean 4: o modelo gera código de prova na linguagem Lean 4, que pode ser verificado automaticamente.
  • Open weights: os pesos do modelo são públicos e podem ser baixados e executados localmente.
  • Busca em árvore: o modelo usa técnicas de busca para explorar diferentes caminhos de prova até encontrar um que funcione.
  • Integração com Mathlib: o modelo conhece a biblioteca matemática Mathlib do Lean, que contem milhares de teoremas formalizados.
  • API disponível: a Mistral oferece acesso via API para quem não quer rodar localmente.

Para pesquisadores de matemática e ciência da computação, o diferencial e ter um modelo que pode ajudar a formalizar provas que antes levavam semanas de trabalho manual em ferramentas como Lean ou Coq.

Como começar: acesso e uso básico

Existem duas formas de usar o Leanstral: via API da Mistral ou rodando localmente (se tiver hardware suficiente).

Para acessar via API, você precisa de uma conta na Mistral AI e uma chave de API. Instale o cliente oficial:

pip install mistralai

Exemplo básico de uso via Python:

from mistralai import Mistral

client = Mistral(api_key='SUA_CHAVE')

resposta = client.chat.complete(
    model='mistral-leanstral',
    messages=[{'role': 'user', 'content': 'Prove que a soma de dois números pares e par em Lean 4'}]
)
print(resposta.choices[0].message.content)

Para rodar localmente, os pesos estão disponíveis no Hugging Face. O modelo exige hardware robusto (GPU com bastante VRAM) para inferência em velocidade razoável, mas e tecnicamente possível em hardware de pesquisa.

⚠️
Atenção

O Leanstral e especializado em matemática formal. Para tarefas gerais de código ou texto, use modelos como Mistral Large ou Codestral, que são mais adequados.

Exemplo prático: prova de um teorema simples

Veja como o Leanstral aborda um problema clássico: provar que a soma de dois números naturais e comutativa (a + b = b + a). Em Lean 4, a prova pode ser escrita de forma direta usando um teorema já presente na Mathlib:

-- Lean 4: comutatividade da adição natural
theorem add_comm_nat (a b : Nat) : a + b = b + a := by
  induction a with
  | zero => simp
  | succ n ih => simp [Nat.succ_add, ih]

O Leanstral consegue gerar provas como essa automaticamente a partir do enunciado em linguagem natural. Para teoremas mais complexos, o modelo usa busca em árvore para explorar diferentes estratégias de prova até encontrar uma que o verificador aceite.

O impacto prático e significativo em áreas como criptografia, onde provas formais de corretude de algoritmos são essenciais para segurança, e em compiladores, onde provas de corretude de otimizações podem eliminar bugs inteiros.

🚀
Pro tip

Combine o Leanstral com um ambiente Lean 4 local para criar um loop de geração e verificação automática. O modelo gera a prova, o Lean verifica, e você itera até o resultado correto.

Comparação com alternativas

O Leanstral não esta sozinho nesse segmento emergente de IA para matemática formal:

  • AlphaProof do Google DeepMind: sistema da DeepMind que combinou RL com Lean para resolver problemas da Olimpíada Internacional de Matemática. Não e público.
  • Hypertree Proof Search: abordagem de Meta para busca de provas em árvore. Publicado como pesquisa académica mas sem modelo público acessível.
  • Copra (MIT): sistema que usa LLMs gerais para gerar provas Lean com busca retroativa. Open source mas exige configuração mais complexa.
  • Modelos gerais (GPT-4, Claude): conseguem gerar código Lean mas sem garantia de corretude. São úteis para rascunhos mas precisam de revisão humana.

O diferencial do Leanstral e ser open weights e focado especificamente nessa tarefa, tornando-o mais accessivel para pesquisadores sem acesso a sistemas proprietários.

Pontos positivos e limitações

Positivos: open weights (sem custo de acesso), especializado e mais preciso em matemática formal do que modelos gerais, representa um avanço real em raciocínio verificável, suporte a Mathlib com milhares de teoremas conhecidos.

Limitações reais: e um modelo especializado, não serve para tarefas gerais, exige conhecimento de Lean 4 para aproveitar bem, hardware robusto para rodar localmente, ainda falha em teoremas muito complexos ou que exigem insight não convencional.

🔴
Cuidado

Não use o Leanstral para matemática informal. O modelo e otimizado para Lean 4 e pode gerar saídas confusas se usado para resolver exercícios de matemática em linguagem natural sem o contexto de prova formal.

Casos de uso reais

Quem pode se beneficiar do Leanstral:

  • Pesquisadores de matemática: acelerar a formalização de provas que já foram feitas informalmente em papel, reduzindo de semanas para horas o tempo de verificação.
  • Times de segurança em criptografia: verificar formalmente a corretude de implementações de algoritmos criptográficos, algo crítico em sistemas de alta segurança.
  • Desenvolvedores de compiladores: provar que otimizações de compilador preservam a semântica do programa original, eliminando categorias inteiras de bugs.
  • Professores de matemática avançada: gerar exemplos de provas formais para ensinar estudantes a usar assistentes de prova como o Lean.

Dicas e boas práticas

💡
Dica

Comece com teoremas já presentes na Mathlib para entender como o modelo trabalha. Teoremas completamente novos são muito mais difíceis para o modelo do que variantes de resultados conhecidos.

💡
Dica

Use o modelo para gerar rascunhos de prova e depois refine manualmente. Mesmo provas incompletas ou incorretas podem ser úteis como ponto de partida para entender a estrutura do problema.

🚀
Pro tip

Decomponha teoremas complexos em lemas menores antes de passar para o Leanstral. O modelo tem melhor performance em subproblemas bem definidos do que em provas longas com muitos passos.

⚠️
Atenção

Sempre verifique a saída do modelo com o verificador Lean antes de considerar a prova concluída. O modelo pode gerar código que parece correto mas falha na verificação formal.

Erro comum: esperar que o modelo resolva qualquer teorema de forma autónoma. O Leanstral e uma ferramenta de auxilio, não um substituto para o raciocínio matemático humano.

Vale a pena?

Para pesquisadores de matemática formal e desenvolvimento de sistemas de alta confiabilidade, o Leanstral 1.5 e definitivamente relevante. O fato de ser open weights e um diferencial importante em um segmento onde a maioria das soluções e proprietária e fechada.

Para desenvolvedores de software geral, o interesse e mais académico por enquanto. Mas a técnica de usar verificadores externos como sinal de treinamento e algo que vai influenciar modelos de código nos próximos anos.

O próximo passo para quem quiser explorar: instale o Lean 4 e o Mathlib no seu sistema, acesse a API do Mistral com uma conta gratuita e experimente gerar provas de teoremas elementares como comutatividade e associatividade. E um bom ponto de entrada no mundo de IA para matemática formal.