Mistral, proprietary knowledge 기반 enterprise model 플랫폼 Forge 공개

Forge가 겨냥하는 문제

Mistral은 2026년 3월 17일 Forge를 발표하며, 기업이 generic model 위에 retrieval layer만 얹는 방식으로는 더 이상 충분하지 않다고 주장했다. 회사가 제시한 문제는 명확하다. 대부분의 AI model은 public data 중심으로 학습되기 때문에 engineering standard, compliance policy, codebase, operational record, institutional decision처럼 조직 내부 지식을 충분히 반영하지 못한다는 것이다.

Forge는 바로 그 간극을 메우는 시스템으로 소개된다. 기업은 internal documentation, proprietary codebase, structured data, operational workflow를 이용해 domain-specific model을 만들 수 있고, 이 model은 조직 고유의 terminology와 reasoning pattern, constraint를 더 깊게 internalize하도록 설계됐다. Mistral은 이를 enterprise-specific AI의 기반으로 본다.

단순 fine-tuning을 넘는 full lifecycle

Mistral의 설명에 따르면 Forge는 단일 customization 기능이 아니라 model lifecycle 전반을 다루는 시스템이다. Pre-training으로 large internal dataset에서 domain-aware model을 만들고, post-training으로 특정 task와 environment에 맞게 behavior를 조정하며, reinforcement learning으로 internal policy와 evaluation objective, real-world agent workflow에 정렬시킬 수 있다.

또한 Forge는 dense model과 mixture-of-experts, 즉 MoE architecture를 모두 지원하고, 필요할 경우 multimodal input도 다룬다. 이는 기업이 성능, 비용, latency, operational constraint 사이에서 아키텍처를 선택할 수 있음을 뜻한다. Mistral은 ASML, DSO National Laboratories Singapore, Ericsson, European Space Agency, HTX Singapore, Reply 같은 조직이 이미 Forge를 활용해 future-defining technology에 필요한 proprietary data로 model을 훈련하고 있다고 밝혔다.

핵심 키워드는 control과 autonomy

이번 발표에서 눈에 띄는 또 다른 주제는 control이다. Mistral은 기업이 model, data, evaluation standard, 장기적인 intellectual property에 대한 통제권을 원한다고 본다. 특히 regulated environment에서는 model이 internal governance framework와 compliance requirement를 정확히 반영해야 하므로, custom model은 단순한 품질 개선이 아니라 strategic autonomy의 문제라는 주장이다.

Mistral은 Forge를 agent-first로 설계했다고도 강조한다. 예를 들어 Mistral Vibe 같은 autonomous agent가 Forge를 이용해 fine-tuning을 수행하고, hyperparameter를 찾고, synthetic data를 생성하고, benchmark regression을 감시할 수 있으며, 그 과정이 plain English instruction으로 가능하다는 것이다. 이 약속이 실제로 구현된다면, 기업은 custom model을 외부 tool이 아니라 internal knowledge와 함께 진화하는 strategic asset으로 다루게 될 가능성이 크다.