Mistral Forge：填补通用 AI 与企业需求鸿沟，开启定制模型新时代

【导语：Mistral AI 推出的 Forge 系统，为企业基于自身专有知识构建前沿级 AI 模型提供了可能。它填补了通用 AI 与企业特定需求间的空白，助力企业掌控模型，提升智能体可靠性，在多领域展现出巨大应用潜力。】

填补通用 AI 与企业需求空白

目前市面上多数 AI 模型基于公开数据训练，而企业运营依赖内部知识。Forge 系统的出现，让企业无需依赖公开数据，就能训练出理解自身系统、工作流程和政策的模型，与阿斯麦、爱立信等世界领先组织的合作，也证明了其在实际应用中的价值。

多阶段训练与多种架构支持

Forge 支持在模型生命周期的多个阶段采用现代训练方法，包括预训练、后训练和强化学习。预训练可让企业构建具有领域感知能力的模型，后训练能针对特定任务和环境优化模型行为，强化学习则使模型和智能体与内部政策等保持一致。此外，它还支持密集型和专家混合（Mixture-of-Experts，MoE）架构，能根据性能、成本和运营约束进行优化，如有需要还支持多模态输入。

密集型模型在广泛企业任务中有强大通用能力，MoE 架构使超大型模型运行更高效，与同等规模密集型模型相比，具有更低延迟和计算成本。

掌控模型与提升智能体可靠性

对于许多组织而言，采用 AI 会担忧模型、数据和长期知识产权控制权。Forge 让企业能够构建并掌控自己的模型，依据内部政策等进行管理，在受监管环境中，这种控制至关重要。

定制模型让企业智能体更可靠，能深入了解运行环境，解释内部术语，遵循运营程序，理解系统和数据源关系。智能体不再仅提供简单辅助，而是成为企业系统运营组件，更准确、快速执行任务。

多领域应用与持续改进能力

Forge 在多种企业工作流程中都有应用。政府机构可构建针对不同语言、政策等训练的模型；金融机构能在合规框架等上训练模型；软件团队可在专有代码库和开发标准上训练；制造商可在工程规范等上训练；大型企业可部署基于内部知识系统训练的智能体。

企业环境不断变化，Forge 旨在实现持续适应，通过强化学习管道和评估框架，使团队能随时间改进模型，形成支持持续改进的模型生命周期。

编辑观点：Mistral Forge 为企业 AI 应用带来了新的解决方案，解决了通用 AI 与企业特定需求不匹配的问题，提升了企业对模型的掌控力和智能体的可靠性，在多领域的应用前景广阔，有望推动企业 AI 应用迈向新高度。