0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

Leanstral 1.5は本物か──57リポジトリでバグを見つけた「証明するAI」の実力

0
Posted at

わずか8,700行のCコードを「数学的に間違いなく正しい」と証明するために、20人年の作業と20万行の証明が費やされたことがある。分散システムの研究で知られるMartin Kleppmannが指摘する seL4 (数学的に証明されたOS)という実例だ。人の手による 形式検証 (仕様どおりにプログラムが動くことを数学的に証明する手法)は、これほど骨の折れる作業だった。Mistral AIの「Leanstral 1.5」は、この検証を1問あたり約4ドルまで圧縮したうえで、実在する57件のOSSリポジトリを検証にかけ、5件の未報告バグを見つけている。たとえば軽量データ構造ライブラリ「datrs」では、可変長整数(varinteger)処理の符号まわりに潜んでいたオーバーフローを検出した。新しいコードを書くAIではなく、コードが仕様どおり正しいかを検証するAI——「もっともらしいから多分大丈夫」から「証明できたから確実に正しい」への転換が起きつつある。

プレイヤー乱立の見取り図——Leanstralだけが「実務」を向いている

「AIに証明させる」動きはLeanstralの専売特許ではない。中国DeepSeek社の DeepSeek-Prover-V2 、$100M規模の資金調達を経たHarmonic AIの Harmonic Aristotle 、Google DeepMindの AlphaProof (2024年発表、国際数学オリンピックで銀メダリスト級の成績)——いずれも数学の未解決問題や競技問題を解くことに主眼を置いた研究寄りのモデルだ。対してLeanstral 1.5は実務のコードベースを検証対象に据える。
その実務寄りの性格を支えるのが2つの技術だ。ひとつは MoE (Mixture of Experts。複数の専門家ネットワークのうち入力ごとに一部だけを呼び出し計算量を抑えるアーキテクチャ)で、総パラメータ119Bのうち実際に動くのは6.5Bのみ。呼び出すエキスパートを絞る分だけ1回の推論にかかる計算量が減り、これが後述する低コストにそのままつながっている。もうひとつが Lean4 (定理証明支援系。ある命題が数学的に正しいことをコンピュータが検証できる形で記述・実行するツール)のツールチェーンと直接やり取りする連携機構で、無料APIも提供される。

証明1問、4ドルの内訳——同じ土俵でも桁が3つ違う

コストの差が最も分かりやすく表れるのが、数学の未解決問題を集めたベンチマーク「PutnamBench」(672問)だ。Leanstral 1.5は587問を解き、1問あたり約4ドルで済んだ。Mistral公式はこの数値の比較対象として、先述の4系統には含まれない別の証明モデル「Seed-Prover」を挙げており、同じベンチマークで1問300ドル超かかるとされる。Leanstralは同水準の正答率を70分の1以下のコストで達成している計算になる。なお、Claude Opus 4.6(1,650ドル)・Claude Sonnet 4.6(549ドル)という数字もMistral公式が示しているが、これは別のベンチマーク「FLTEval」でのコストであり、PutnamBenchでの直接比較ではない点に注意したい。
この効率の中身を覗くために、簡略化した証明の例を見てみよう(仕様が複雑になるほど探索が増え、コストも比例して積み上がる関係を示すために著者が作成した簡易例で、Leanstralの実際の出力そのものではない)。

theorem double_spec (n : Nat) : double n = 2 * n := by
  -- induction: nに関する構造的帰納法で証明を進める
  -- rfl(reflexivity)は「両辺が定義からそのまま等しい」と示す最も基本的な一手
  -- ih(induction hypothesis)は帰納法の仮定、つまり「1つ前の場合まで証明済み」という前提
  -- この1ステップごとにLeanstralがtactic(証明の手続き)を1つ探索し、
  -- 探索1回ごとにトークンを消費する。上記コスト比較(1問あたり$4)は
  -- この探索ステップの総量にほぼ比例する。
  induction n with
  | zero => rfl
  | succ n ih =>
    simp [double, Nat.succ_eq_add_one, Nat.mul_succ, ih]

inductionやsimpのような tactic (証明手順)の呼び出し回数が、そのままトークン消費、つまりコストに直結する。実際にLeanstralが解いたAVL木の高さ証明では、22回の コンパクション (文脈の圧縮処理)で2.7Mトークンを消費し、木の高さ1単位あたり約48ステップ探索したとMistralは報告している。動かせるモデル本体と正確なコード例は、Mistral公式のモデル解説ページから入手できる。

証明はここでも実務化している――ただしLeanstralの話ではない

ここからはLeanstral自身の話ではない。Certoraという会社が、同じ「AIが書いたコードを形式手法で検証する」という発想を、すでに実務に持ち込んでいる例だ。グローバルに展開する分散型金融(DeFi)大手のAaveは、Certoraと6年にわたる協業の末に、最新版「V4」のセキュリティ基盤を固めたと公表した。Certora社が示す2025年の実績全体では、720件超の脆弱性を防ぎ、およそ1,965億ドル相当のDeFi資産を保護したという。繰り返すが、この数字はCertoraという別プロダクトの実績であり、Leanstral自身が生んだ成果ではない。DeFiに縁がなくても、決済や在庫データの整合性のように「絶対に崩れてはいけない」処理を抱えているなら、遠い話ではない。

証明が保証しないもの

証明が保証するのはあくまで「書かれた仕様への忠実さ」であり、仕様そのものが誤っていれば意味をなさない。技術メディアThe New Stackは、Leanstralが人間によるレビューを丸ごと代替しようとしている点に懐疑的な見方を示している。Lean4という証明支援系の世界から、実際に動く実運用言語へ翻訳する過程にもギャップが残る。

「本物か」への答え――条件付きの実力

57件のOSSリポジトリから実在するバグを見つけ、1問4ドルという際立った低コストで数学的な証明を成立させている点で、Leanstral 1.5は「本物」と言っていい。ただし、その「本物」には条件が付く。証明が保証するのは書かれた仕様への忠実さだけであり、仕様自体の正しさや、金融・DeFiのような高リスク領域での独立した第三者検証はまだこれからだ。テストは通ったが、証明はしていない——そんなコードが、自分の手元にどれだけ眠っているだろうか。バグが許されない領域から慎重に適用範囲を広げていく、その最初の一歩として向き合うのが、今のところ現実的な距離感だろう。

参考文献

  1. Mistral AI公式ブログ「Leanstral 1.5: Proof Abundance for All」 - https://mistral.ai/news/leanstral-1-5/
  2. Mistral公式モデルカード「Leanstral 1.5」 - https://docs.mistral.ai/models/model-cards/leanstral-1-5
  3. MarkTechPost「Mistral AI Releases Leanstral 1.5」 - https://www.marktechpost.com/2026/07/03/mistral-ai-releases-leanstral-1-5-an-apache-2-0-lean-4-code-agent-model-solving-587-of-672-putnambench-problems/
  4. the-decoder「Mistral's open-source Leanstral 1.5 aces formal math benchmarks and catches real bugs in code」 - https://the-decoder.com/mistrals-open-source-leanstral-1-5-aces-formal-math-benchmarks-and-catches-real-bugs-in-code/
  5. VentureBeat「Lean4: How the theorem prover works and why it's the new competitive edge」 - https://venturebeat.com/technology/lean4-how-the-theorem-prover-works-and-why-its-the-new-competitive-edge-in
  6. Martin Kleppmannブログ「AI and the mainstreaming of formal verification」 - https://martin.kleppmann.com/2025/12/08/ai-formal-verification.html
  7. The New Stack「Leanstral, formal verification, and the limits of proof」 - https://thenewstack.io/leanstral-formal-verification-code/
  8. Certora公式サイト - https://www.certora.com/
  9. CryptoBriefing「Certora Secures Nearly $200 Billion in DeFi Value in 2025」 - https://cryptobriefing.com/certora-secures-nearly-200-billion-in-defi-value-in-2025-preventing-over-700-vulnerabilities-across-leading-protocols/
  10. CryptoBriefing「Certora and Aave Reveal Security Framework Behind Aave V4」 - https://cryptobriefing.com/certora-and-aave-reveal-security-framework-behind-aave-v4-following-six-year-collaboration/
0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?