Today, we’re introducing Forge, a system for enterprises to build frontier-grade AI models grounded in their proprietary knowledge.

Most AI models available today are trained primarily on publicly available data. They are designed to perform well across a broad range of tasks. But enterprises operate using internal knowledge: engineering standards, compliance policies, codebases, operational processes, and years of institutional decisions.

Forge bridges the gap between generic AI and enterprise-specific needs. Instead of relying on broad, public data, organizations can train models that understand their internal context embedded within systems, workflows, and policies, aligning AI with their unique operations.

Mistral AI has already partnered with world-leading organizations, like ASML, DSO National Laboratories Singapore, Ericsson, European Space Agency, Home Team Science and Technology Agency (HTX) Singapore, and Reply to train models on the proprietary data that powers their most complex systems and future-defining technologies.

Training models on institutional knowledge.

Forge enables enterprises to build models that internalize their domain knowledge. Organizations can train models on large volumes of internal documentation, codebases, structured data, and operational records. During training, the model learns the vocabulary, reasoning patterns, and constraints that define that environment.

This allows teams to develop models and agents that reason using internal terminology and understand enterprise workflows. Forge supports modern training approaches across several stages of the model lifecycle:

• Pre-training allows organizations to build domain-aware models by learning from large internal datasets.
• Post-training methods allow teams to refine model behavior for specific tasks and environments.
• Reinforcement learning helps organizations align models and agents with internal policies, evaluation criteria, and operational objectives while improving agentic performance in real environments, like complex orchestration, tool use, and decision-making.

Together, these capabilities allow enterprises to move beyond generic AI behavior and develop models that reflect institutional intelligence.

Control and strategic autonomy.

For many organizations, AI adoption raises questions about control over models, data, and long-term intellectual property. Forge allows enterprises to build models that remain under their control. Models can be trained using proprietary datasets and governed using internal policies, evaluation standards, and operational requirements.

This allows organizations to retain control over how their knowledge is encoded and used by AI systems. In regulated environments, this level of control is critical. Enterprises must ensure that models reflect compliance requirements, operational constraints, and internal governance frameworks.

By allowing organizations to build models grounded in their own knowledge and operated within their own infrastructure environments, Forge enables a higher degree of strategic autonomy as AI becomes part of core enterprise systems.

カスタムモデルはエンタープライズエージェントを信頼性の高いものにします。

エンタープライズエージェントは回答を生成する以上のことを求められます。内部システムをナビゲートし、ツールを正しく使用し、組織の制約の範囲内で意思決定を行う必要があります。

カスタムモデルは、エージェントに彼らが操作する環境をより深く理解させることによって、これを可能にします。汎用的な推論に頼るのではなく、ドメイン訓練済みモデルによって駆動されるエージェントは、内部用語を解釈し、運用手順に従い、異なるシステムやデータソースが互いにどのように関連しているかを理解できます。

これにより、実際のエージェントの挙動が変わります。ツールの選択がより正確になります。複数ステップのワークフローはより信頼性が高くなります。意思決定は汎用的な仮定ではなく、内部ポリシーとビジネスロジックを反映できるようになります。

その結果は、単なる支援を超え、タスクを実行し、ツール間を調整し、より高い精度と速度で複雑なプロセスをサポートできるエンタープライズシステムの運用コンポーネントとして機能し始めるエージェントです。

複数のモデルアーキテクチャをサポート

Forge は、密結合型（dense）と専門家の混成（MoE: mixture of experts）アーキテクチャの両方をサポートする柔軟性を提供します。これにより、パフォーマンス、コスト、運用上の制約を最適化できます。密結合モデルは、エンタープライズの幅広いタスクに対して強力な汎用能力を提供します。一方、MoE は非常に大きなモデルをより効率的に実行でき、密結合モデルと比較して同程度の規模でありながら待機時間と計算コストを低く保つことができます。Forge は必要に応じてマルチモーダル入力にも対応しており、テキスト、画像、その他のデータ形式から学習させることができます。

設計上、エージェントを最優先に

コードエージェントは開発者ツールの主要なユーザーになりつつあるため、私たちは Forge を最初に彼らのために作りました。後付けではありません。Mistral Vibe のような自律エージェントは、それを用いてモデルの微調整、最適なハイパーパラメータの探索、ジョブのスケジューリング、評価を山のようにするための合成データの生成を行うことができます。プロセス全体を通じて、Forge は指標を監視し、モデルがあなたが関心を持つベンチマークで後退していないことを確認します。Forge はインフラを扱い、データパイプラインの実証済みのレシピと Mistral AI の独自の学習手法を含んでいるため、エージェントを含む誰でも、平易な英語を書くだけでモデルをカスタマイズできます。

強化学習と評価による継続的な改善

エンタープライズ環境は絶えず変化します。規制は変わります。システムは更新されます。新しいデータが利用可能になります。Forge は一度きりのトレーニングではなく、継続的な適応を前提として設計されています。組織は内部評価と運用ワークフローから得られるフィードバックを使用して、モデルの挙動を改良するための強化学習パイプラインを活用できます。

これにより、チームは時間とともにモデルを改善し、出力を組織の目標に合わせることができます。評価フレームワークは、企業が内部ベンチマーク、コンプライアンス規則、ドメイン固有のタスクに対してモデルをテストし、実運用環境にデプロイする前に検証することを可能にします。

その結果、静的なデプロイメントではなく、継続的な改善を支えるモデルのライフサイクルが生まれます。

エンタープライズアプリケーションの例

組織は Forge を、さまざまなタイプのエンタープライズワークフローに適用できます。

政府機関は、さまざまな言語と方言、政策フレームワーク、規制文書、事務手続きに適したモデルを訓練できます。これにより、AIエージェントは政策分析、公共サービスの提供、運用計画に携わる際に信頼性を維持しつつ、制度的な指令とガバナンス要件を反映できます。

金融機関は、コンプライアンスフレームワーク、リスク手順、規制文書に適したモデルを訓練できます。これにより、AI システムは内部ガバナンス方針と整合する出力を生成できます。

ソフトウェアチームは、社内のコードベースと開発基準に合わせたモデルを訓練できます。真の価値は、企業内の生産性と品質を推進する特定のエンジニアリングタスクで卓越したパフォーマンスを発揮するようモデルを形作ることにあります。社内リポジトリと開発基準に基づいて訓練されたモデルは、内部の抽象概念、パターン、アーキテクチャの選択をよりよく理解できるようになります。実装、デバッグ、移行、レビュー、システム設計の支援といった優先ワークフローのために事後トレーニングを行うと、より文脈を意識した出力、内部実践と整合性のある出力、ソフトウェア開発ライフサイクル全体でより有用な出力を提供できます。

製造業者は、エンジニアリング仕様、運用データ、保守記録に基づくモデルを訓練できます。これらのモデルは診断、設計分析、運用意思決定をサポートできます。

大企業は、内部知識システムで訓練されたモデルを基盤としたエージェントを展開できます。これらのエージェントは、社内文書、運用記録、過去の意思決定を活用して、複雑なワークフロー全体を通じて従業員を支援します。基盤となるカスタムモデルが組織の用語と知識構造を理解しているため、エージェントはより高い精度とスピードで情報を取得し、タスクを実行できます。

各ケースの目的は同じです。モデルとそれより上に構築されたエージェントを、組織のドメインコンテキスト内で動作させること。

Forge で自分のフロンティアモデルを構築する。

AI モデルは、エンタープライズインフラストラクチャの基盤層となりつつあります。組織が AI エージェントを中核的な業務に統合していく中で、組織的知識をモデルの挙動に組み込む能力はますます重要になるでしょう。

Forge は、企業が自社データで訓練し、運用コンテキストに合わせて継続的に改善されるモデルを構築するのを可能にします。これらのモデルは、組織の用語、プロセス、制約を用いて動作する AI システムとエージェントを支えることができます。時間を重ねるにつれて、このアプローチは、AI モデルを単なる外部ツールとしてではなく、組織の知識、プロセス、専門知識とともに進化する戦略資産として扱えるようにします。

組織が自社の知識を核とした AI の構築という意味を探求する準備ができている場合は、Forge について詳しく知るために登録してください。

このフォームを送信することにより、私たちの 利用規約に同意します。私たちは、あなたの連絡依頼に対応するためにデータを処理します。私たちの プライバシーポリシーに従います。

AIの次の章はあなたのものです。