Французька компанія Mistral AI презентувала Forge — платформу для повного циклу навчання AI-моделей, яка дає можливість організаціям створювати, налаштовувати та постійно вдосконалювати моделі на основі власних даних. Запуск позиціонує компанію як прямого конкурента великих хмарних провайдерів у сегменті корпоративного AI.
Forge виходить далеко за межі стандартного fine-tuning через API. Платформа охоплює весь процес: pre-training на внутрішніх датасетах, post-training із застосуванням supervised fine-tuning, DPO, ODPO та reinforcement learning. Ключова відмінність — доступ до бойових методик навчання, які Mistral використовує для власних моделей.
«Forge дає можливість підприємствам і державним організаціям адаптувати AI під свої конкретні потреби», — заявила керівниця продукту Mistral AI Еліза Саламанка.
Фактично компанія просуває нову модель: не орендувати AI через API, а володіти ним. За словами Mistral, підхід із використанням готових моделей швидко досягає межі, особливо коли йдеться про конкурентні переваги.
«Усі можуть використовувати однакові моделі. Але коли потрібно зробити крок далі, необхідно створювати власні», — пояснила Саламанка.
Саме тут Forge намагається зайняти нішу, яку гіперскейлери поки що не закривають: глибокий контроль над навчанням моделей і повна інтеграція з внутрішніми даними компаній. На відміну від хмарних сервісів, платформа підтримує розгортання on-premise — без передавання даних третім сторонам.
«Дані залишаються на стороні клієнта. Ми їх не бачимо», — підкреслили у Mistral.
Цей аспект є критичним для секторів із високими вимогами до безпеки — фінансів, оборони, медицини. Саме на такі компанії орієнтується Mistral, серед партнерів якої вже є ASML, Європейське космічне агентство та інші організації.
Окремо компанія робить ставку на незвичну модель впровадження: разом із платформою клієнти можуть отримати embedded AI-фахівців, які працюють всередині їхніх команд. Це нагадує підхід Palantir і вказує на те, що технології самі по собі вже не є достатніми — потрібна експертиза.
Практичні кейси показують, чому універсальні моделі не закривають потреби бізнесу. У одному з проєктів Mistral створила модель для відновлення пошкоджених стародавніх рукописів — задача, з якою готові моделі не справлялися через відсутність подібних даних. В іншому випадку — допомогла Ericsson автоматизувати трансформацію власної внутрішньої мови програмування, що скоротило тривалість процесів із місяців до значно коротших термінів.
Ще один показовий сценарій — хедж-фонди, які використовують Forge для навчання моделей на пропрієтарних фінансових мовах і стратегіях, отримуючи унікальні конкурентні переваги.
Попри тренд на AI-агентів у Mistral вважають, що саме кастомні моделі залишаються ключем до ефективності. Навіть в агентних системах потрібні моделі, які розуміють внутрішній контекст компанії, її дані та процеси.
Запуск Forge відбувся на тлі серії інших анонсів: нових моделей Mistral Small 4, open-source агента Leanstral і участі в Nvidia Nemotron Coalition. У сукупності це демонструє зміну амбіцій компанії — від конкуренції за бенчмарки до побудови повноцінної AI-інфраструктури.
Нагадаємо, нещодавно Mistral випустила Voxtral Transcribe 2.