Lean 4를 위한 오픈소스 코드 에이전트 모델 Leanstral

AI가 짠 코드가 겉보기엔 완벽해도 수학적으로 정말 옳은지 확신하지 못해 밤새 검증하며 야근하던 개발자들이 많았다. Mistral AI는 이런 갈증을 해결하기 위해 Lean 4를 위한 오픈소스 코드 에이전트 모델 Leanstral 1.5를 공개했다.

Lean 4는 퍼펙토이드 공간 같은 복잡한 수학적 대상이나 러스트 언어 조각의 속성과 같은 소프트웨어 사양을 정밀하게 표현하는 증명 보조 도구(수학적 정답을 논리적으로 입증하도록 돕는 소프트웨어)다. Leanstral 1.5는 단순한 텍스트 생성을 넘어 논리적 추론을 통해 정답을 찾아가는 에이전트 역할을 수행하도록 최적화됐다. AI가 단순히 그럴듯한 답변을 내놓는 것이 아니라, 정해진 논리 체계 안에서 증명 과정을 밟아나가며 정답을 도출하는 방식이다. 이는 단순 생성 모델과 달리 스스로 추론 경로를 설계하는 에이전트로서의 특성을 갖췄음을 의미한다.

한 번에 처리하는 정보량인 컨텍스트 길이는 최대 256k 토큰을 지원한다. 덕분에 매우 방대한 양의 수학적 증명 과정이나 대규모 프로젝트 코드를 끊김 없이 한 번에 처리할 수 있다. 텍스트뿐 아니라 수식 이미지나 도표를 분석해 텍스트 결과물을 내놓는 멀티모달(여러 형태의 데이터를 동시에 처리하는 능력) 입력 능력도 갖췄다. 사용자는 Reasoning Effort 옵션을 통해 추론 강도를 직접 설정하며, 작업의 난이도나 성격에 맞춰 결과물의 정밀도를 세밀하게 조절한다.

혼합 전문가 구조(MoE)를 채택하여 연산 효율성을 극대화했다

119B라는 거대한 숫자가 전부 움직인다면 연산 비용은 감당하기 어렵다. Leanstral 1.5는 Mistral Small 4 제품군을 기반으로 전체 파라미터 119B 중 토큰당 6.5B의 파라미터만 활성화하는 혼합 전문가 구조(MoE, 특정 작업에 필요한 일부 신경망만 선택적으로 사용하는 방식)를 사용한다. 128명의 각기 다른 전문 지식을 가진 전문가가 대기하고 있다가, 입력된 토큰에 가장 적합한 4명의 전문가만 호출해 답을 내놓는 식이다. 모든 지식을 한꺼번에 훑지 않고 필요한 부분만 골라 쓰기에 연산 비용을 획기적으로 낮추면서도 거대 모델의 성능을 유지했다. 지식의 양은 방대하게 유지하되 실제 가동 인원만 줄여 효율을 잡은 셈이다.

실제 구동은 Mistral Vibe라는 명령줄 인터페이스(CLI, 텍스트 입력으로 컴퓨터를 제어하는 도구)를 통해 이뤄진다. 특히 모델 컨텍스트 프로토콜(MCP, AI 모델이 외부 도구와 데이터를 주고받는 표준 규약) 기반의 lean-lsp-mcp와 결합했을 때 강력한 성능을 낸다. AI 에이전트가 Lean 환경과 직접 소통하며 수학 정리를 증명하거나 프로젝트 내의 코드를 수정하는 장기적인 작업을 스스로 수행한다. 모델이 단순히 텍스트를 생성하는 수준을 넘어, 표준 도구를 통해 외부 환경과 상호작용하며 결과물을 검증하고 수정하는 루프를 돌리는 구조다. 개발자는 이를 통해 고비용의 폐쇄형 모델 없이 로컬 vLLM(가상 가속 라이브러리) 환경에서 수학적 추론과 소프트웨어 무결성 검증 자동화를 구현할 수 있다.

고도의 수학적 추론 영역을 오픈소스 생태계로 확장하여 정형

개발자가 짠 코드가 정말 완벽하게 작동하는지 수학적으로 확인하고 싶어 하는 순간이 있다. Mistral AI는 이런 갈증을 풀기 위해 Leanstral 1.5를 공개했다. 이 모델은 정형 검증, 즉 수학적 논리를 이용해 소프트웨어가 설계대로 정확히 작동하는지 증명하는 능력을 오픈소스로 제공한다. 그동안 일부 폐쇄형 모델들이 독점했던 고도의 수학적 추론 영역을 누구나 사용할 수 있게 풀어내며 정형 검증 분야의 접근성을 크게 높였다.

보안이나 비용 문제로 외부 API를 쓰기 꺼려하는 개발자는 자신의 서버에 모델을 직접 올릴 수 있다. 거대 모델을 적은 자원으로 빠르게 돌려주는 추론 엔진인 vLLM을 지원하기 때문이다. 로컬 vLLM 서버를 구동한 뒤 `~/.vibe/agents/lean.toml` 설정 파일을 생성해 정보를 입력하면 외부 연결 없이 모델을 운용할 수 있다. 데이터 유출 걱정 없이 내 컴퓨터의 자원만으로 고성능 추론 모델을 구동하는 방식이다.

이제 고비용의 폐쇄형 모델에 의존하지 않고도 로컬 vLLM 환경에서 수학적 추론과 소프트웨어 무결성 검증 자동화를 구현할 수 있게 됐다. 개발자는 외부 서버에 데이터를 보내지 않고도 코드의 결함을 수학적으로 입증하고 수정하는 전 과정을 스스로 통제한다. 이는 소프트웨어의 무결성을 확보하는 비용과 시간을 획기적으로 줄이는 결과로 이어진다.

AI가 짠 코드가 겉보기에만 완벽한지 의심하며 밤을 지새우던 개발자의 갈증이 해소된다. 이제 고가의 폐쇄형 모델에 의존하지 않고도 로컬 vLLM 환경에서 Leanstral 1.5를 통해 소프트웨어의 무결성을 수학적으로 증명할 수 있다. 작업의 난이도에 맞춰 Reasoning Effort 옵션을 조절하며 결과물의 정밀도를 직접 최적화해보자.

결국 코드의 완성도를 판단하는 기준은 이제 개발자의 감각이 아니라 수학적 증명이라는 객관적 사실로 옮겨간다.