今天，我们推出 Forge，一个让企业能够构建基于其专有知识的前沿级 AI 模型的系统。
当今可用的大多数 AI 模型主要基于公开可用的数据进行训练。它们被设计为在广泛的任务中表现良好。但企业的运营依赖于内部知识：工程标准、合规政策、代码库、运营流程以及多年积累的机构决策。
Forge 弥合了通用 AI 与企业特定需求之间的差距。组织无需依赖广泛的公开数据，而是可以训练模型来理解嵌入在系统、工作流程和政策中的内部语境，使 AI 与其独特的运营方式保持一致。
Mistral AI 已与全球领先的组织合作，如 ASML、新加坡 DSO National Laboratories、Ericsson、European Space Agency、新加坡 Home Team Science and Technology Agency (HTX) 和 Reply，基于驱动其最复杂系统和未来定义技术的专有数据来训练模型。
基于机构知识训练模型。
Forge 使企业能够构建内化其领域知识的模型。组织可以基于大量内部文档、代码库、结构化和运营记录来训练模型。在训练过程中，模型学习定义该环境的词汇、推理模式和约束条件。
这使团队能够开发使用内部术语进行推理并理解企业工作流程的模型和智能体。Forge 支持模型生命周期多个阶段的现代训练方法：
预训练允许组织通过从大型内部数据集中学习来构建领域感知模型。
后训练方法允许团队针对特定任务和环境优化模型行为。
强化学习帮助组织将模型和智能体与内部政策、评估标准和运营目标对齐，同时提升在复杂编排、工具使用和决策等真实环境中的智能体性能。
这些能力共同使企业能够超越通用 AI 行为，开发反映机构智能的模型。
控制与战略自主权。
对许多组织而言，采用 AI 引发了对模型、数据和长期知识产权的控制问题。Forge 允许企业构建仍处于其控制之下的模型。模型可以使用专有数据集进行训练，并依据内部政策、评估标准和运营要求进行治理。
这使组织能够保留对其知识如何被 AI 系统编码和使用的控制权。在受监管的环境中，这种控制水平至关重要。企业必须确保模型反映合规要求、运营约束和内部治理框架。
通过允许组织构建基于自身知识并在自身基础设施环境中运行的模型，Forge 在 AI 成为核心企业系统一部分的过程中实现了更高程度的战略自主权。
定制模型使企业智能体可靠。
企业智能体必须做的不仅仅是生成答案。它们需要导航内部系统、正确使用工具，并在组织的约束条件内做出决策。
定制模型之所以能做到这一点，是因为它们让智能体对其运行环境有了更深入的理解。由领域训练模型驱动的智能体不再依赖通用推理，而是能够解读内部术语、遵循操作流程，并理解不同系统和数据源之间的相互关系。
这改变了智能体在实践中的行为方式。工具选择变得更加精准。多步骤工作流变得更加可靠。决策能够反映内部政策和业务逻辑，而非通用假设。
其结果是，智能体超越了简单的辅助功能，开始作为企业系统的运营组件发挥作用，能够执行任务、跨工具协调，并以更高的准确性和速度支持复杂流程。
支持多种模型架构。
Forge 提供灵活性，同时支持稠密和专家混合（MoE）架构。这使组织能够针对性能、成本和运营约束进行优化。稠密模型在广泛的企业任务中提供强大的通用能力，而 MoE 使超大规模模型能够更高效地运行；与同等规模的稠密模型相比，以更低的延迟和计算成本提供相当的能力。Forge 还在需要时支持多模态输入，允许模型从文本、图像和其他数据格式中学习。
智能体优先的设计理念
代码智能体正在成为开发者工具的主要用户，因此我们首先为它们构建了 Forge，而非事后考虑。像 Mistral Vibe 这样的自主智能体可以用它来微调模型、寻找最优超参数、调度任务，并生成合成数据以通过爬山法提升评估指标。在整个过程中，Forge 监控指标以确保模型不会在您关注的基准上出现退化。由于 Forge 处理基础设施并包含经过实战检验的数据管道配方和 Mistral AI 自身的训练方法，任何人——包括智能体——只需用简单的英语编写即可定制模型。
通过强化学习和评估实现持续改进。
企业环境不断演变。法规变化。系统更新。新数据变得可用。Forge 专为持续适应而非一次性训练而设计。组织可以使用强化学习管道，利用来自内部评估和运营工作流的反馈来优化模型行为。
这使团队能够随时间改进模型，并使输出与组织目标保持一致。评估框架允许企业在将模型部署到生产环境之前，针对内部基准、合规规则和领域特定任务进行测试。
其结果是支持持续改进而非静态部署的模型生命周期。
企业应用示例。
组织可以将 Forge 应用于多种类型的企业工作流。
政府机构可以构建针对不同语言和方言、政策框架、法规文本和行政程序训练的模型。这使 AI 智能体在政策分析、公共服务交付和运营规划方面工作时能够可靠运行，同时反映机构使命和治理要求。
金融机构可以基于合规框架、风险流程和监管文档训练模型。这使 AI 系统能够生成符合内部治理政策的输出。
软件团队可以基于专有代码库和开发标准训练模型。真正的价值在于让模型在公司内部推动生产力和质量的特定工程任务上表现出色。基于专有代码库和开发标准训练的模型，能够更好地理解内部抽象、模式和架构选择。当针对实现、调试、迁移、审查或系统设计支持等优先工作流进行后训练时，它可以提供更具上下文感知、更符合内部实践、在软件开发生命周期中更有用的输出。
制造商可以基于工程规格、运营数据和维护记录训练模型。这些模型可以支持诊断、设计分析和运营决策。
大型企业可以部署基于内部知识系统训练的模型所构建的智能体。这些智能体可以利用公司文档、运营记录和历史决策，在复杂工作流中协助员工。由于底层的定制模型理解组织的术语和知识结构，智能体能够以更高的准确性和速度检索信息并执行任务。
在每种情况下，目标都是相同的：使模型以及构建在其之上的智能体能够在组织的领域上下文中运作。
使用 Forge 构建你自己的前沿模型。
AI 模型正在成为企业基础设施的基础层。随着组织将 AI 智能体整合到核心运营中，将机构知识编码到模型行为中的能力将变得越来越重要。
Forge 使企业能够构建并持续改进基于自身数据训练、与其运营上下文对齐的模型。这些模型可以驱动使用组织术语、流程和约束运作的 AI 系统和智能体。随着时间的推移，这种方法使组织能够将 AI 模型不仅仅视为外部工具，而是视为与其知识、流程和专业知识共同演进的战略资产。
如果你的组织已准备好探索围绕自身知识构建 AI 意味着什么，请注册以了解更多关于 Forge 的信息。