Forge の紹介：企業固有の知識に基づく最先端 AI モデル構築システム
Mistral AI は、企業が独自知識で最先端AIモデルを構築・制御できる「Forge」を発表し、汎用AIと企業固有のニーズを繋ぐ新たな枠組みを提供した。
キーポイント
企業固有知識に基づくモデル構築
Forge は、公開データに依存する既存モデルに対し、企業の内部文書、コードベース、業務プロセスなどの独自データを学習させることで、組織の文脈を理解するAIを可能にする。
包括的なトレーニング手法の提供
ドメイン特化型の事前学習（Pre-training）、タスク指向の微調整（Post-training）、および社内ポリシーや実環境での意思決定能力向上のための強化学習（Reinforcement Learning）の全ライフサイクルをサポートする。
データ主権と戦略的自律性の確保
企業がモデル、データ、知的財産を完全に制御・管理できる環境を提供し、社内ポリシーや評価基準に準拠した運用を実現することで、AI 導入におけるリスクを低減する。
主要企業との実証パートナーシップ
ASML、欧州宇宙機関（ESA）、エリクソンなど、世界トップクラスの組織が既に Forge を活用し、複雑なシステムや未来の技術を支えるモデル開発を進めている。
影響分析・編集コメントを表示
影響分析
この発表は、企業向けAI市場における「汎用モデル依存」から「独自ドメイン特化型モデル」への転換点を示唆しており、特に高度な専門知識や厳格なコンプライアンスが求められる産業においてAI導入の現実的な解決策となる。Mistral AI が提供する制御性とトレーニング機能は、他社製大規模言語モデルでは実現困難だった「企業内知恵のデジタル化」を加速させ、競争優位性の源泉としてAIを位置づける動きを後押しする。
編集コメント
Mistral AI の「Forge」は、企業が自社の知見をAIとして定着させるための具体的な手段を提供する画期的な発表です。特に強化学習による実環境でのエージェント制御や、データ主権の確保は、企業導入における最大の課題であるセキュリティと信頼性の壁を取り払う可能性を秘めています。
本日、私たちはForgeを発表します。これは、企業が独自の知識に基づいて最先端の AI モデルを構築するためのシステムです。
現在利用可能なほとんどの AI モデルは、主に公開されているデータを用いて訓練されています。これらは幅広いタスクで良好に機能するように設計されています。しかし、企業は内部知識、すなわちエンジニアリング基準、コンプライアンスポリシー、コードベース、運用プロセス、そして何年にもわたる組織的な意思決定に基づいて運営されています。
Forge は、汎用的な AI と企業固有のニーズとの間のギャップを埋めます。広範な公開データに依存するのではなく、組織はシステム、ワークフロー、およびポリシーに埋め込まれた自社の内部文脈を理解し、独自の運用と AI を一致させるモデルを訓練することができます。
Mistral AI はすでに、ASML、DSO National Laboratories Singapore、Ericsson、European Space Agency、Home Team Science and Technology Agency (HTX) Singapore、そしてReplyといった世界有数の組織とパートナーシップを結び、彼らの最も複雑なシステムや未来を定義する技術を支える独自のデータを用いたモデルの訓練を行っています。
組織の知識に基づくモデルの訓練
Forge は、企業がドメイン知識を内蔵したモデルを構築することを可能にします。組織は、大量の内部文書、コードベース、構造化データ、運用記録を学習データとしてモデルを訓練できます。訓練中、モデルはその環境を定義する語彙、推論パターン、および制約を学習します。
これにより、チームは内部用語を用いて推論し、企業のワークフローを理解するモデルやエージェントを開発できるようになります。Forge は、モデルのライフサイクルにおける複数の段階にわたる現代的な訓練アプローチをサポートしています:
- 事前学習（Pre-training）では、組織が大量の内部データセットから学習することで、ドメイン認識型のモデルを構築できます。
- 事後学習（Post-training）手法により、チームは特定のタスクや環境に合わせてモデルの動作を微調整できます。
- 強化学習（Reinforcement learning）は、複雑なオーケストレーション、ツール使用、意思決定といった実際の環境におけるエージェントのパフォーマンスを向上させながら、組織がモデルやエージェントを内部ポリシー、評価基準、運用目標に整合させることを支援します。
これらの機能を組み合わせることで、企業は汎用的な AI の振る舞いを超え、機関の知性を反映したモデルを開発することが可能になります。
コントロールと戦略的自律性。
多くの組織において、AI の導入は、モデルやデータ、長期的な知的財産に対するコントロールに関する疑問を提起します。Forge を利用すれば、企業は自らの管理下にあるモデルを構築できます。これらのモデルは、独自データセットを用いてトレーニングされ、内部ポリシー、評価基準、運用要件に基づいて管理されます。
これにより、組織は自社の知識がどのように AI システムに符号化され、利用されるかをコントロールし続けることが可能になります。規制の厳しい環境では、このレベルのコントロールが極めて重要です。企業は、モデルがコンプライアンス要件、運用上の制約、および内部ガバナンスフレームワークを反映していることを確実にする必要があります。
組織が自らの知識に基づき、自社のインフラ環境内で稼働するモデルを構築することを可能にする Forge は、AI が中核的なエンタープライズシステムの一部となるにつれて、より高いレベルの戦略的自律性を可能にします。
カスタムモデルにより、エンタープライズエージェントは信頼性を得ます。
エンタープライズエージェントは単に回答を生成するだけでなく、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、エージェントが動作する環境に対する深い理解を提供することでこれを可能にします。汎用的な推論に依存するのではなく、ドメイン特化型トレーニングを受けたモデルで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相互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、エージェントの実践的な振る舞いが変化します。ツール選択はより精密になり、多段階のワークフローはより信頼性が高まります。意思決定は、一般的な仮定ではなく、内部ポリシーやビジネスロジックを反映したものとなります。
その結果、単なる支援を超え、タスクを実行し、ツール間で調整を行い、より高い精度と速度で複雑なプロセスをサポートする、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するエージェントが生まれます。
複数のモデルアーキテクチャへの対応
Forge は、密結合型（Dense）および混合専門家（MoE: Mixture-of-Experts）の両方のアーキテクチャをサポートすることで柔軟性を提供します。これにより、組織はパフォーマンス、コスト、運用上の制約に対して最適化を行うことができます。密結合型モデルは幅広いエンタープライズタスクにわたって強力な汎用能力を提供する一方、MoE は非常に大規模なモデルをより効率的に実行可能にし、同規模の密結合型モデルと比較して、同等の能力をより低いレイテンシと計算コストで実現します。Forge は必要に応じてマルチモーダル入力もサポートしており、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可能です。
デザインにおけるエージェントファースト
コードエージェントが開発者ツールの主要ユーザーとなっているため、Forge は彼らのために最初に構築されたものであり、後付けの機能ではありません。Mistral Vibe のような自律型エージェントは、これを使用してモデルのファインチューニングを行い、最適なハイパーパラメータを見つけ、ジョブをスケジューリングし、評価指標（evals）を改善するための合成データを生成できます。プロセス全体を通じて、Forge は監視を行い、モデルがあなたが重視するベンチマークで後退していないことを確認します。Forge がインフラストラクチャを処理し、データパイプラインや Mistral AI 独自のトレーニング手法のための実戦経験豊富なレシピ（recipes）を含んでいるため、エージェントを含む誰でも、単にプレーンな英語を書くだけでモデルをカスタマイズできます。
強化学習と評価を通じた継続的な改善。
エンタープライズ環境は絶えず進化します。規制が変更され、システムが更新され、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、継続的な適応のために設計されています。組織は、内部評価や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動作を洗練させるために、強化学習（reinforcement learning）パイプラインを利用できます。
これにより、チームは時間をかけてモデルを改善し、出力を組織の目標と整合させることができます。評価フレームワーク（evaluation frameworks）を使用すれば、エンタープライズは本番環境への展開前に、内部ベンチマーク、コンプライアンスルール、ドメイン固有のタスクに対してモデルを検証できます。
その結果、静的なデプロイメントではなく、継続的な改善をサポートするモデルライフサイクルが実現されます。
エンタープライズアプリケーションの例。
組織は、Forge をさまざまな種類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、異なる言語や方言、政策枠組み、規制文書、行政手続き向けにトレーニングされたモデルを構築できます。これにより、AI エージェントは政策分析、公共サービス提供、運用計画の遂行において信頼性が高く、組織の使命とガバナンス要件を反映した活動が可能になります。
金融機関は、コンプライアンス枠組み、リスク手順、規制文書に基づいてモデルをトレーニングできます。これにより、AI システムは内部ガバナンスポリシーに整合した出力を生み出すことが可能になります。
ソフトウェアチームは、独自のコードベースや開発標準に基づいてモデルをトレーニングできます。真の価値は、組織内で生産性と品質を高める特定のエンジニアリングタスクにおいて卓越したパフォーマンスを発揮するようにモデルを設計することにあります。独自のリポジトリと開発標準でトレーニングされたモデルは、内部の抽象化、パターン、アーキテクチャ選択をより深く理解できます。実装、デバッグ、移行、レビュー、システム設計支援といった優先度の高いワークフロー向けにポストトレーニング（追加学習）を行うことで、文脈をより意識し、内部慣行と一貫性があり、ソフトウェア開発ライフサイクル全体を通じてより有用な出力を提供できるようになります。
製造業は、エンジニアリング仕様、運用データ、保守記録に基づいてモデルをトレーニングできます。これらのモデルは、診断、設計分析、運用上の意思決定をサポートします。
大企業は、内部知識システムにトレーニング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、企業のドキュメント、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で従業員をサポートします。基盤となるカスタムモデルが組織の用語や知識構造を理解しているため、エージェントは情報をより正確かつ迅速に検索し、タスクを実行できます。
どのケースにおいても目的は同じです：モデルとそれの上に構築されたエージェントが、組織のドメインコンテキスト内で動作できるようにすることです。
Forge で独自の最先端モデルを構築しましょう。
AI モデルは、企業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業務に統合するにつれ、機関知識をモデルの振る舞いに組み込む能力はますます重要になっていきます。
Forge は、企業が独自のデータでトレーニングされ、運用コンテキストと整合したモデルを構築し、継続的に改善することを可能にします。これらのモデルは、組織の用語、プロセス、制約に基づいて動作する AI システムやエージェントを駆動できます。時間の経過とともに、このアプローチにより、組織は AI モデルを単なる外部ツールとしてではなく、知識、プロセス、専門知識と共に進化していく戦略的資産として扱うことができるようになります。
ご自身の知識を中心に AI を構築することの意味を探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サインアップしてください。
原文を表示
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.
Custom models make enterprise agents reliable.
Enterprise agents must do more than generate answers. They need to navigate internal systems, use tools correctly, and make decisions within the constraints of the organization.
Custom models make this possible by providing agents with a deeper understanding of the environment in which they operate. Instead of relying on generic reasoning, agents powered by domain-trained models can interpret internal terminology, follow operational procedures, and understand how different systems and data sources relate to one another.
This changes how agents behave in practice. Tool selection becomes more precise. Multi-step workflows become more reliable. Decisions can reflect internal policies and business logic rather than generic assumptions.
The result is agents that move beyond simple assistance and begin to function as operational components of enterprise systems capable of executing tasks, coordinating across tools, and supporting complex processes with greater accuracy and speed.
Support for multiple model architectures.
Forge offers flexibility with support for both dense and mixture-of-experts (MoE) architectures. This lets organizations optimize for performance, cost, and operational constraints. Dense models provide strong general capability across a wide range of enterprise tasks, while MoE enables very large models to run more efficiently; delivering comparable capability with lower latency and compute cost than a dense model of similar scale. Forge also supports multimodal inputs where required, allowing models to learn from text, images, and other data formats.
Agent-first by design
Code agents are becoming the primary users of developer tools, so we built Forge for them first, not as an afterthought. An autonomous agent like Mistral Vibe can use it to fine-tune models, find optimal hyperparameters, schedule jobs, and generate synthetic data to hill-climb evals. Throughout the process, Forge monitors metrics to make sure the model isn't regressing on the benchmarks you care about. Because Forge handles infrastructure and includes battle-tested recipes for data pipelines and Mistral AI's own training methods, anyone, including agents, can customize a model just by writing plain English.
Continuous improvement through reinforcement learning and evaluation.
Enterprise environments evolve constantly. Regulations change. Systems are updated. New data becomes available. Forge is designed for continuous adaptation rather than one-time training. Organizations can use reinforcement learning pipelines to refine model behavior using feedback derived from internal evaluations and operational workflows.
This allows teams to improve models over time and align outputs with organizational objectives. Evaluation frameworks allow enterprises to test models against internal benchmarks, compliance rules, and domain-specific tasks before deploying them into production environments.
The result is a model lifecycle that supports ongoing improvement rather than static deployment.
Examples of enterprise applications.
Organizations can apply Forge across many types of enterprise workflows.
Government agencies can build models trained for different languages and dialects, policy frameworks, regulatory texts, and administrative procedures. This allows AI agents to be reliable when working on policy analysis, public service delivery, and operational planning while reflecting institutional mandates and governance requirements.
Financial institutions can train models on compliance frameworks, risk procedures, and regulatory documentation. This allows AI systems to produce outputs consistent with internal governance policies.
Software teams can train models on proprietary codebases and development standards. The real value comes from shaping models to perform exceptionally well on the specific engineering tasks that drive productivity and quality inside the company. A model trained on proprietary repositories and development standards can better understand internal abstractions, patterns, and architectural choices. When post-trained for priority workflows like implementation, debugging, migration, review, or system design support, it can provide outputs that are more context-aware, more consistent with internal practices, and more useful across the software development lifecycle.
Manufacturers can train models on engineering specifications, operational data, and maintenance records. These models can support diagnostics, design analysis, and operational decision-making.
Large enterprises can deploy agents built on models trained on internal knowledge systems. These agents can use company documentation, operational records, and historical decisions to assist employees across complex workflows. Because the underlying custom models understand the organization’s terminology and knowledge structures, agents can retrieve information and execute tasks with greater accuracy and speed.
In each case, the objective is the same: enabling models and the agents built on top of them to operate within the organization’s domain context.
Build your own frontier models with Forge.
AI models are becoming a foundational layer of enterprise infrastructure. As organizations integrate AI agents into core operations, the ability to encode institutional knowledge into model behavior will become increasingly important.
Forge enables enterprises to build and continuously improve models trained on their own data and aligned with their operational context. These models can power AI systems and agents that operate using the organization’s terminology, processes, and constraints. Over time, this approach allows organizations to treat AI models not simply as external tools, but as strategic assets that evolve alongside their knowledge, processes, and expertise.
If your organization is ready to explore what it means to build AI around its own knowledge, sign up to learn more about Forge.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み