今天，我们推出 Forge，这是一套帮助企业基于自身专有知识构建前沿级 AI 模型的系统。
如今市面上的大多数 AI 模型主要基于公开数据训练，旨在广泛任务上表现良好。但企业依赖的是内部知识：工程标准、合规政策、代码库、运营流程，以及多年积累的组织决策。
Forge 弥合了通用 AI 与企业特定需求之间的鸿沟。组织不必依赖宽泛的公开数据，而可以训练出理解其系统、工作流和政策中内嵌的内部语境的模型，让 AI 与自身独特的运营保持一致。
Mistral AI 已与 ASML、新加坡 DSO 国家实验室（DSO National Laboratories Singapore）、Ericsson、欧洲航天局（European Space Agency）、新加坡内政科技局（Home Team Science and Technology Agency，HTX）和 Reply 等世界领先组织合作，基于驱动其最复杂系统和未来定义性技术的专有数据训练模型。
基于组织知识训练模型。
Forge 让企业能够构建内化自身领域知识的模型。组织可以基于大量内部文档、代码库、结构化数据和运营记录训练模型。在训练过程中，模型会学习定义该环境的词汇、推理模式和约束条件。
这使团队能够开发出使用内部术语进行推理、理解企业工作流的模型和智能体。Forge 在模型生命周期的多个阶段支持现代训练方法：
- 预训练让组织通过学习大规模内部数据集，构建具备领域认知的模型。
- 后训练方法让团队针对特定任务和环境优化模型行为。
- 强化学习帮助组织使模型和智能体与内部政策、评估标准和运营目标保持一致，同时提升智能体在真实环境中的表现，例如复杂编排、工具使用和决策。
这些能力共同使企业得以超越通用的 AI 行为，开发出体现组织智慧的模型。
掌控权与战略自主。
对许多组织而言，采用 AI 会引出对模型、数据和长期知识产权掌控权的担忧。Forge 让企业能够构建始终处于自身掌控之下的模型。模型可以使用专有数据集训练，并依据内部政策、评估标准和运营要求进行治理。
这让组织能够掌控自身知识被 AI 系统编码和使用的方式。在受监管的环境中，这种掌控至关重要。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。
Forge 让组织能够构建基于自身知识、并在自有基础设施环境中运行的模型，随着 AI 成为企业核心系统的一部分，这带来了更高程度的战略自主。
定制模型让企业智能体变得可靠。
企业智能体不能只会生成答案。它们需要在内部系统中穿行、正确使用工具，并在组织的约束范围内做出决策。
定制模型让智能体对其所处环境有更深的理解，从而使这一切成为可能。由领域训练模型驱动的智能体不再依赖通用推理，而能理解内部术语、遵循运营流程，并理解不同系统和数据源之间的关联。
这改变了智能体在实践中的行为。工具选择更加精准，多步骤工作流更加可靠，决策能够体现内部政策和业务逻辑，而不是通用的假设。
其结果是，智能体超越了简单的辅助，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，并以更高的准确度和速度支持复杂流程。
支持多种模型架构。
Forge 灵活支持稠密（dense）和混合专家（MoE）两种架构，让组织能够在性能、成本和运营约束之间进行优化。稠密模型在广泛的企业任务上提供强大的通用能力，而 MoE 则让超大模型运行得更高效：相比规模相近的稠密模型，能以更低的延迟和算力成本提供相当的能力。Forge 还在需要时支持多模态输入，让模型能够从文本、图像和其他数据格式中学习。
为智能体优先而设计
代码智能体正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，而不是事后补充。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、调度作业，并生成合成数据来逐步攀升评测（evals）成绩。整个过程中，Forge 会监控指标，确保模型在你关心的基准测试上没有退步。由于 Forge 负责处理基础设施，并包含经过实战检验的数据流水线配方以及 Mistral AI 自家的训练方法，任何人，包括智能体，只需用平实的英语书写，就能定制模型。
通过强化学习和评估持续改进。
企业环境在不断演变。法规会变，系统会更新，新数据会出现。Forge 为持续适应而设计，而非一次性训练。组织可以使用强化学习流水线，借助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推移不断改进模型，使输出与组织目标保持一致。评估框架让企业在将模型部署到生产环境之前，先依据内部基准、合规规则和特定领域任务对其进行测试。
其结果是一个支持持续改进、而非静态部署的模型生命周期。
企业应用示例。
组织可以把 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、监管文本及行政程序训练的模型。这使 AI 智能体在从事政策分析、公共服务交付和运营规划时更加可靠，同时体现机构的职责授权和治理要求。
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 系统产出的结果与内部治理政策保持一致。
软件团队可以基于专有代码库和开发规范训练模型。真正的价值在于塑造模型，使其在推动公司内部生产力和质量的具体工程任务上表现出色。基于专有仓库和开发规范训练的模型，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、评审或系统设计支持等重点工作流进行后训练后，它能给出更具上下文感知、更符合内部实践的输出，并在整个软件开发生命周期中更有用。
制造企业可以基于工程规格、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体系训练的模型所构建的智能体。这些智能体能够利用公司文档、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，智能体能以更高的准确度和速度检索信息并执行任务。
在每种情形下，目标都是一致的：让模型以及构建在其之上的智能体，在组织的领域语境中运行。
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。随着组织把 AI 智能体融入核心运营，将组织知识编码进模型行为的能力将变得越来越重要。
Forge 让企业能够构建并持续改进基于自身数据训练、并与其运营语境对齐的模型。这些模型可以驱动 AI 系统和智能体，使其依照组织自身的术语、流程和约束运行。久而久之，这种方式让组织不再仅仅把 AI 模型视为外部工具，而是视为随自身知识、流程和专长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。