完全饱和 miniF2F(100%);PutnamBench 解决 587/672 个问题;FATE-H 达到 87% SOTA,FATE-X 达到 34% SOTA。
在 PutnamBench 上以约 $4/问题 的预算达到领先表现,比某些竞品便宜 10 倍 左右,同时改善 Pareto 前沿。
在 PutnamBench Pass测试中,token 预算从 25k 提升到 4M 时,性能持续平稳上升(从 44 个到 587 个问题)。支持长达数百万 token 的多轮推理和上下文压缩。
虽主训数学,但在真实开源仓库中自动发现 5 个此前未知的 bug(在 57 个仓库中检测出 11 个真实 bug)。通过 Aeneas 将 Rust 代码转 Lean 并生成正确性属性。
采用 mid-training + SFT + RL(CISPO),支持多轮证明环境和代码代理环境,可在 Lean 4 中编辑文件、运行命令、利用语言服务器实时反馈。
权重代码已开源,同时 Mistral 官方也提供免费的 API 接口供全球开发者直接调用体验,感兴趣的可以直接去调用尝鲜。

