💡 站外导读:2026年AI行业出现频率最高的词汇之一是“Slop”(大模型生成的低质废料)。当工程团队每天接收成千上万行AI吐出的PR,传统靠跑单元测试、静态扫描和另一个LLM做Code Review的“概率质检”越来越力不从心。Latent Space最新特稿指出,用数学证明取代概率猜测的“形式化验证(Formal Verification)”正借助AI与Lean走向自动化,软件开发正悄然迈入“Veri-coding”时代。

一、 概率测试永远不知道“Bug 是否找完了”:SMT 求解器 cvc5 与亚马逊日均数十亿次调用
长期以来,通过数学证明软件绝对正确一直是只有航天、内核或密码学少数专家才玩得起的奢侈品。为了厘清形式化验证在当下 AI 编程浪潮中的真实定位,Latent Space 专访了斯坦福大学计算机科学教授、知名自动化推理引擎 cvc5 联合创始人、同时也是新晋形式化验证公司 &Truth 联合创始人兼联席 CEO 的 Clark Barrett。
cvc5 属于可满足性模理论(SMT)求解器阵营,早已不是停留在论文里的学术玩具——在亚马逊及其 Agent 开发环境 Kiro 中,cvc5 正被广泛用于规约分析与测试生成。Barrett 透露,他当年在实验室里写出的推理工具,如今在亚马逊生产流水线上每天被调用数十亿次。
当谈及当前许多 AI 编程工具标榜的“自我验证(让智能体跑单测、自我反思或找另一个模型充当裁判)”时,Barrett 一针见血地指出两者的本质鸿沟:测试、打补丁与代码扫描确实能揪出大量已知漏洞,但它们永远无法回答一个终极问题——“你怎么知道自己已经找完了?”概率式校验总可能遗漏隐蔽在边界条件里的第 N+1 个缺陷,而形式化验证依托严密的逻辑演绎,一旦证明通过,便从数学上消除了整类错误存在的可能。


二、 Lean 如何把 AI 从“猜对”变成“证明对”:&Truth、Axiom Math 与 Harmonic 三条演进线
推动这场范式迁移的核心基础设施,正是开源编程语言兼定理证明助手 Lean(以及同类的 Rocq)。前沿大模型在极其艰深的形式化数学领域已经连破纪录:例如 GPT-6.2 Astra 在本周给出了据信是首个 Smoktunowicz 间隙定理的 Lean 证明;Anthropic 此前使用 Lean 完成了长达 1300 万行代码的费马大定理形式化工程,其研究员 Levent Alpöge 近日更公开声称借助 Claude 结合 Lean 提交了黎曼猜想证明。
由于 Lean 本身只是一台极度冷酷、绝不放过任何逻辑跳跃的“数学检查器”,大模型哪怕存在幻觉,也绝对无法糊弄过类型系统的硬约束。围绕这层“AI 负责猜想构造、Lean 负责死磕验真”的黄金组合,几家头部玩家走出了清晰的技术分化:
- &Truth(&Atlas 验证机):正基于 Lean 构建通用“验证机(Verification Machine)”,目标是读取任意语言代码并证明其是否严格满足规约,让人类无需逐行审阅源码也能信任结果;其首款产品
&Atlas正从 C 语言切入,为全球开源软件绘制内存安全与可验证图谱; - Axiom Math(AxiomProver & AXLE):除了用于生成和校验证明的工具套件外,更把形式化验证直接变成模型训练的确定性反馈信号(RL Reward)。CEO Carina Hong 强调,可验证 AI 的价值不只是剔除幻觉与低质代码,更是推动超级智能继续向上扩展推理上限;
- Harmonic(Aristotle 自动定理证明器):将“AI 撰写证明、Lean 逐行核验”封装成商业化工作流,从架构根源上保证最终交付结论绝不依赖“AI 这次碰巧说对了”。


三、 Opus 5.5 验证 Token 骤降 40%!网络安全逼近 AGI 前夜与四大新锐格局对比
在网络安全攻防进入白热化的当下,“开源与闭源 C 代码内存安全普查”成为形式化验证最迫切落地的战区之一。专攻安全验证的另一家代表企业 Theorem 在首页直言:“当攻击者的能力随算力规模化扩张时,形式化验证是唯一能够稳住的防线。”
阻碍形式化验证普及的最大现实门槛向来是高昂的算力与 Token 消耗,但最新的工程实测数据正在打破这一僵局。Theorem 与 Anthropic 联合披露的一项包含 36 个小型验证任务的测评显示:Claude Opus 5.5 在达成 50% 解决率的同时,所消耗的 Token 比上一代 Opus 5 减少了约 40%;随着后续前沿模型持续在长周期形式化验证任务上强化训练,单位机器码验证成本的下降斜率仍在加速。


| 代表厂商 / 实验室 | 核心技术底座与产品 | 主攻落地场景与客户方向 | 关键技术亮点与公开实测进展 |
|---|---|---|---|
| &Truth | Lean + SMT 求解器(联合创始人曾共创 cvc5);首推 &Atlas |
全语言代码验证机,率先扫描全球开源/闭源 C 语言内存安全 | 打通自动化推理与大模型,“从氛围编程转向验证编程(Veri-coding)” |
| Theorem & Anthropic | LLM 规模化形式化验证(涵盖 Lean 与 Rocq 证明器路线) | 底层系统安全防御与机器码级可证明安全保证 | 36 项验证基准中 Opus 5.5 达 50% 解决率且省 Token 约 40% |
| Harmonic | 自动定理证明器 Aristotle + Lean 强制核验引擎 |
复杂数学推演与高可靠性逻辑证明自动化交付 | 严格分离生成与校验环节,结果绝不押注于 AI 单次概率正确 |
| Axiom Math | AxiomProver 证明生成 + AXLE 验证工具链 |
用形式化证明信号反哺数学推理大模型后训练 | 将验证反馈转化为强化学习确定性奖励,兼顾纠错与能力扩展 |
四、 从 Vibe-Coding 到 Veri-Coding 与结果工程:开发者的核心工种正在变成写规范
在软件开发一线工作流层面,形式化验证的普及正在催生一个全新的交互概念——Veri-coding(验证式编程),以取代此前野蛮生长但隐患重重的 Vibe-coding。Clark Barrett 描绘了这样一个即将成真的场景:当验证机直接挂载在编程智能体背后,开发者依然只需用自然语言提出“我想构建什么”,唯一的额外工作量是和智能体把前置功能规约(Specification)敲定清晰。
在此之后,智能体会在底层自主调用形式化验证工具不断试错、修补、完成数学证明;人类开发者看到的体验与过去并无二致,区别只在于“代码第一次运行就能正确工作”。这也与 Cognition 开发者关系负责人 Nader Dabit 提出的 “结果工程(Outcome Engineering)”高度呼应:当编码智能体军团接管了具体实现,人类工程师的核心时间正不可逆地从“手写代码与逐行 Code Review”,全面迁移至“撰写精确无歧义的系统规约并验收数学级正确结果”。
📝 站长洞察 (Editor’s Insight)
2026年软件工程最大的矛盾,已经从“AI写代码够不够快”变成了“人类审不过来AI吐出的Slop废码”。单靠多模型互相打分或跑几条AI自编单测,本质上只是用一种概率幻觉掩盖另一种概率幻觉,越到核心系统越容易翻车。Lean与SMT求解器的真正价值,在于给概率模型立了一面零容错的“数学硬墙”——模型可以天马行空搜索解空间,过不了形式化编译器就打回重练。随着Opus 5.5把验证Token消耗压缩40%,形式化验证正从航空航天专享下沉为金融与安全模块的CI标配;未来值钱的工程师,不再是打字最快的人,而是最能把模糊需求抽象为精确Spec的人。
形式化验证和单元测试有什么区别?
单元测试只能覆盖已写出的样例,无法证明“没有漏掉别的Bug”;形式化验证则用数学逻辑证明代码满足规约,能从理论上排除一整类错误,更适合安全关键场景。
Lean在AI编程里具体起什么作用?
Lean相当于严格的数学检查器。大模型负责生成证明思路或代码草案,Lean负责逐步核验每一步逻辑是否成立,避免模型幻觉混入最终结论。
Claude Opus 5.5在验证任务上有什么进展?
文中提到,Theorem与Anthropic联合披露的36个小型验证任务中,Claude Opus 5.5在达到50%解决率时,Token消耗比Opus 5减少约40%,说明验证成本正在下降。
Lean和SMT该怎么分工落地?
Lean更适合做可证明的规格与定理,SMT更适合做约束求解和局部校验。实战里通常是“先用SMT快速筛错,再把关键路径交给Lean做最终证明”,这样兼顾覆盖率和工程效率。
Token省40%对团队真有意义吗?
有意义,但前提是验证任务足够稳定、提示词和证明脚手架已标准化。否则省下的Token可能被反复修证明、补规格抵消。真正的收益来自更少返工和更高的可复用证明资产。
