Mistral lanza Leanstral para verificar código con IA

Mistral ha lanzado Leanstral, un agente de código abierto que no solo escribe programas: también intenta demostrar formalmente que cumplen unas reglas concretas. El objetivo es reducir una de las mayores limitaciones de la IA aplicada al desarrollo de software: el tiempo que una persona debe dedicar a revisar cada resultado.

Del código generado a las pruebas verificables

La mayoría de los asistentes de programación generan código y explican por qué creen que funciona. Leanstral añade una capa más estricta: trabaja con Lean 4, una herramienta capaz de comprobar matemáticas y especificaciones de software de forma automática.

En la práctica, puedes pedirle que complete una demostración, traduzca un programa desde otro lenguaje o verifique que una función cumple el comportamiento esperado. Si la prueba no encaja con las reglas de Lean, el sistema no puede darla por válida. Eso no elimina todos los errores, pero evita confiar únicamente en una explicación convincente del modelo.

Mistral presenta Leanstral como el primer agente de código abierto diseñado específicamente para Lean 4 y para trabajar en repositorios formales realistas, no solo en problemas matemáticos aislados. El modelo usa una arquitectura dispersa con 6.000 millones de parámetros activos, lo que reduce el coste de cada respuesta aunque su versión de evaluación aparece identificada como Leanstral-120B-A6B.

Qué ofrece y cuánto cuesta

Leanstral está disponible en varias modalidades:

• Sus pesos se publican con licencia Apache 2.0, que permite estudiarlos, modificarlos y ejecutarlos con pocas restricciones.
• Está integrado en Mistral Vibe, el entorno de programación de Mistral. Se activa con el comando /leanstall.
• También se puede probar mediante el endpoint labs-leanstral-2603, que Mistral describe como gratuito o de coste casi nulo durante un periodo limitado.
• Es compatible con MCP, un estándar para conectar agentes de IA con herramientas y fuentes externas. La compañía lo ha entrenado especialmente con lean-lsp-mcp, usado para interactuar con proyectos Lean.

El acceso propio importa sobre todo para equipos que no quieren enviar código sensible a un servicio externo. Pueden descargar el modelo y ejecutarlo en su propia infraestructura, aunque eso exige contar con hardware y conocimientos técnicos suficientes.

El rendimiento según las pruebas de Mistral

La compañía evaluó Leanstral con FLTEval, una prueba centrada en tareas de ingeniería de demostraciones. En vez de medir solo si resuelve un ejercicio matemático, analiza si puede completar pruebas y definir conceptos en cada cambio de un repositorio del proyecto FLT.

En esa comparación, Leanstral obtuvo una puntuación de 26,3 con dos intentos, frente a 23,7 de Claude Sonnet 4.6. Mistral calcula que esos dos intentos costaron 36 dólares, frente a 549 dólares para Sonnet. Con 16 intentos, Leanstral llegó a 31,9 puntos y un coste estimado de 290 dólares.

Claude Opus 4.6 logró la puntuación más alta, 39,6, pero con un coste estimado de 1.650 dólares. Entre los modelos de código abierto comparados, Leanstral alcanzó 29,3 puntos con cuatro intentos, por encima de Qwen3.5, que llegó a 25,4 con cuatro pasadas.

Son cifras proporcionadas por Mistral y dependen del número de intentos, el modelo utilizado y el entorno de evaluación. No significan que Leanstral sea mejor en cualquier tarea de programación.

Para qué puede servirte

El caso más claro aparece en proyectos donde un fallo no se detecta fácilmente con una prueba convencional: librerías matemáticas, compiladores, sistemas críticos o software que debe respetar reglas formales.

En una demostración, Leanstral analizó un problema provocado por un cambio en Lean 4.29.0. Identificó que una definición rígida impedía a una táctica encontrar un patrón y recomendó sustituir def por abbrev, un alias más transparente. En otra prueba, convirtió a Lean un pequeño lenguaje de programación escrito originalmente en Rocq y demostró una propiedad sobre un programa que suma dos unidades a una variable.

Para el desarrollo cotidiano, esto no convierte automáticamente cada aplicación en software seguro. Leanstral necesita especificaciones claras y trabaja mejor cuando el proyecto ya tiene una estructura formal. Pero cambia la forma de usar un agente: en lugar de pedirle solo que escriba código, puedes pedirle que escriba código y aporte una prueba que otro sistema pueda comprobar.

La apuesta de Mistral apunta a un futuro en el que la IA genere implementaciones junto con evidencias verificables. El siguiente punto que habrá que vigilar es si estos agentes pueden mantener esa fiabilidad en proyectos grandes y cambiantes, no solo en demostraciones controladas.