&Truth 在 2026 年 11 月 12 日上线了只读看板 &Atlas。按公司披露,它为超过 3,000 个开源 C 代码库、上亿行代码建了图。一份看板快照里,被标为已验证的代码行约占 0.079%。这个比例量的是看板进度。工程团队要拿它做验收,还得知道这些代码究竟通过了哪一项验证。(andtruth.com、atlas.andtruth.com)

测试告诉你跑过的样例有没有通过。形式化验证能进一步证明,只要满足写明的假设,某项性质就在规定的范围内成立。&Truth 用 AI 和自动推理构造证明,再交给 Lean 检查。它眼下瞄准内存安全和无未定义行为,更广泛的功能正确性还在路线图上。

建图、求解、验收各有各的账

0.079% 的分子是快照里标为已验证的 112,199 行,分母还包括验证中和开放待验证的代码行。按行计数看不出关键函数覆盖了多少,也看不出同一个函数证明了几项性质。&Truth 的公告称看板可以查看规格,开源 C 语义模型、规格和证明仍列在后续计划里。维护者看到一处已验证标签,最实用的凭据是能对应到那次代码修订、可以自行重放的证明。(atlas.andtruth.com、andtruth.com)

每天约十亿次是多项应用的总量,未单列 Kiro(示意图)
每天约十亿次是多项应用的总量,未单列 Kiro(示意图)

亚马逊的数字也得放回原来的统计范围。AWS 披露的约每天 10 亿次,是 cvc5 在多项应用中的求解器调用量。另一份材料里的每天数十亿次,统计的是自动推理团队更广泛的生产服务查询。Kiro 确实用 cvc5 分析规格、生成测试,但 AWS 没有单列 Kiro 的用量。调用量能说明工具用得多勤,交付保证还得逐项看它检查了什么。(amazon.science)

同样的口径问题也出现在证明成绩上。Harmonic 报告 Aristotle 在 VERINA 的证明生成任务上达到 96.8%,题目已经给出实现和形式化规格。Theorem 的 lf-lean 从已有的形式化命题出发,把证明相关工作迁移到 Lean。Axiom Math 的 Putnam 成绩则来自数学竞赛。它们各自回答了一个具体问题,谁来把真实需求写成可证明的规格,仍是另一项工程工作。

空列表也能拿到排序证明

假设你要验收一个排序函数,规格只写了输出必须有序。一个永远返回空列表的实现就能通过,因为空列表里没有任何一对元素违反顺序。规格还得要求输出保留输入的全部元素及其出现次数,才能排除这种实现。Lean 可以把写下来的命题验得很严,漏写的要求仍得由人补上。

空列表也算有序,却没有保留任何输入元素(示意图)
空列表也算有序,却没有保留任何输入元素(示意图)
<svg viewBox='0 0 760 268' width='100%' height='268' role='img' aria-label='排序规格对比,空列表满足有序要求,非空输入时无法满足保留全部元素的要求'>
<rect x='1' y='1' width='758' height='266' rx='18' fill='#fbf9f4' stroke='#e2dccf'/>
<text x='32' y='43' font-size='20' font-weight='700' fill='#b25a3a'>非空输入下的排序验收</text>
<line x1='32' y1='61' x2='728' y2='61' stroke='#e2dccf' stroke-width='1'/>
<rect x='32' y='88' width='334' height='148' rx='12' fill='#fffdf8' stroke='#e2dccf'/>
<rect x='394' y='88' width='334' height='148' rx='12' fill='#fffdf8' stroke='#e2dccf'/>
<text x='199' y='126' text-anchor='middle' font-size='16' fill='#2c2822'>只要求有序</text>
<text x='561' y='126' text-anchor='middle' font-size='16' fill='#2c2822'>有序且保留元素</text>
<line x1='64' y1='147' x2='334' y2='147' stroke='#e2dccf' stroke-width='1'/>
<line x1='426' y1='147' x2='696' y2='147' stroke='#e2dccf' stroke-width='1'/>
<text x='199' y='194' text-anchor='middle' font-size='21' font-weight='700' fill='#c0392b'>空列表也通过</text>
<text x='561' y='194' text-anchor='middle' font-size='21' font-weight='700' fill='#2c2822'>空列表被拒绝</text>
</svg>

到了生产环境,还要对一次版本。证明如果针对某次源码修订在特定语义模型下的行为,验收就得核对上线的二进制是否来自这次修订,以及编译、依赖和运行环境需要满足哪些假设。证明能重放,回答的是推导是否仍然成立。构建记录和部署记录才回答这份证明能否用于这一版交付。

采购时,把评测做成两场

我会把证明自动化和交付保障拆开测。一场锁定实现和规格,看工具能完成多少证明、花多少算力、卡住时需要多少人工。另一场给真实需求和现有代码,请独立评审者核对规格,再对应部署版本重放证明。后一场还得列出没证成的要求和仍需信任的假设,工程团队才能决定余下的测试和审查往哪放。

采购评测要分开衡量证明效率与交付保障(示意图)
采购评测要分开衡量证明效率与交付保障(示意图)

等 &Atlas 下一次更新,比新增多少已验证行更有分量的,是维护者能否拿到某个关键函数的规格和证明,在改动后重新跑一遍,并看清哪些保证还能随新版本交付。代码库天天变,这笔维护账才决定看板能不能进发布流程。