Mistral 推出企业定制模型系统 Forge
来自 Mistral AI · 期号 2026-03-18
摘要
Mistral AI 推出 Forge，一个让企业基于自有知识构建前沿 AI 模型的系统。它把 Mistral 的模型架构与企业的内部数据结合，无需从头训练就能定制。Forge 面向需要领域专属 AI 的组织，比如法律、医疗或金融行业。
深读
导读 Mistral AI 推出 Forge，一个让企业利用自有知识构建前沿 AI 模型的系统。它解决了通用 AI 模型无法理解企业内部术语、流程和合规要求的核心矛盾。读完能理解 Forge 如何通过预训练、后训练和强化学习，让模型成为企业专属的智能资产，而非通用工具。 关键信息 - Forge 支持密集模型和混合专家（MoE）两种架构，企业可根据性能、成本和运营约束进行选择；MoE 能以更低延迟和计算成本实现与同规模密集模型相当的能力。 - Forge 已与ASML、DSO National Laboratories Singapore、Ericsson、European Space Agency、Home Team Science and Technology Agency (HTX) Singapore和Reply等组织合作，在其专有数据上训练模型。 - Forge 支持预训练（从大规模内部数据集构建领域感知模型）、后训练（针对特定任务和环境微调模型行为）和强化学习（使模型和智能体与内部策略、评估标准和运营目标对齐）三阶段训练。 - Forge 被设计为智能体优先，像 Mistral Vibe 这样的自主智能体可直接用自然语言通过 Forge 微调模型、寻找最优超参数、调度任务和生成合成数据，Forge 会监控指标防止模型在关键基准上退化。 逐节讲解 通用 AI 与企业知识的鸿沟 当前大多数 AI 模型基于公开数据训练，旨在广泛任务中表现良好。但企业运行依赖内部知识：工程标准、合规政策、代码库、运营流程和多年的制度决策。Forge 的目标是弥合通用 AI 与企业特定需求之间的差距，让组织能够训练理解其内部上下文的模型。 基于机构知识的训练 Forge 使企业能够构建内化其领域知识的模型。组织可以在大量内部文档、代码库、结构化数据和运营记录上训练模型，让模型学习该环境中的词汇、推理模式和约束条件。训练过程覆盖模型生命周期的多个阶段：预训练从大规模内部数据集构建领域感知模型；后训练针对特定任务和环境微调行为；强化学习则用于使模型和智能体与内部策略、评估标准和运营目标对齐，同时提升在真实环境中的智能体性能（如复杂编排、工具使用和决策）。 控制权与战略自主 AI 采用引发了对模型、数据和长期知识产权控制权的担忧。Forge 允许企业构建保持自身控制的模型，模型可使用专有数据集训练，并受内部策略、评估标准和运营要求治理。在受监管环境中，这种控制至关重要，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。通过在自有基础设施中运行模型，Forge 实现了更高程度的战略自主。 定制模型驱动可靠的企业智能体 企业智能体需要导航内部系统、正确使用工具并在组织约束内做决策。定制模型通过提供对运行环境的深层理解使这成为可能：基于领域训练的模型能解释内部术语、遵循操作程序、…