Leanstral: Agente de código para verificación formal en Lean 4

El Pitch

Mistral AI ha lanzado Leanstral, el primer agente de código abierto bajo licencia Apache 2.0 diseñado específicamente para la ingeniería de pruebas formales utilizando Lean 4 (Mistral.ai Blog). Su objetivo es garantizar la fiabilidad del software mediante el uso de un verificador matemático que valida las implementaciones frente a especificaciones estrictas.

Bajo el capó

Leanstral se integra en la familia Mistral Small 4 con una arquitectura de Mezcla de Expertos (MoE) de 119B de parámetros totales, aunque solo activa 6.5B por token (Hugging Face mistralai/Leanstral-2603). Esta configuración le permite mantener una latencia de inferencia baja mientras gestiona una ventana de contexto de 256k tokens, procesando tanto texto como imágenes (Mistral.ai Documentation).

En términos de rendimiento, ha registrado una puntuación de 29.3 en el benchmark FLTEval (pass@4), superando a otros modelos de pesos abiertos como Qwen 3.5 (25.4) y GLM-5 (16.6) (Mistral Evaluation Report). Sin embargo, existe una brecha técnica notable frente a los modelos frontera: Leanstral queda más de 10 puntos por debajo de Claude 4.5 Opus en pruebas de demostración formal (HN Comment).

A nivel operativo, el modelo presenta una especialización de nicho que sacrifica su desempeño en tareas de programación generalista fuera del ecosistema Lean 4 (Simon Willison Weblog). Para alcanzar su máximo potencial agente, requiere integración obligatoria con infraestructuras específicas como Mistral Vibe o protocolos MCP como lean-lsp-mcp (Mistral.ai Tech Report).

Todavía no disponemos de datos comparativos sobre su rendimiento en benchmarks generalistas como SWE-bench Verified 2026 frente a Claude 4 Sonnet. Tampoco hay información pública sobre un roadmap que incluya soporte para otros lenguajes de verificación formal como Coq o TLA+ (Dossier UsedBy).

La opinión de Diego

Leanstral no va a sustituir a Claude 4.5 Opus para diseñar la arquitectura de tus microservicios, pero su coste de ejecución 100 veces menor lo hace imbatible para bucles de verificación automatizada. Si trabajas en sistemas críticos donde el "parece que funciona" no es suficiente, este modelo es la pieza que faltaba en tu pipeline de CI/CD para formalizar el código. Úsalo para lo que fue diseñado: machacar pruebas en Lean 4 de forma masiva y barata, pero mantén a Claude 4.5 cerca para el razonamiento complejo multiactivo.

Código limpio siempre,
Diego.