Mistral、proprietary knowledge を学習する enterprise model 基盤 Forge を公開

Forgeが解こうとしている課題

Mistralは2026年3月17日、Forgeを発表し、general-purpose modelの上にretrieval layerを載せるだけではenterprise needsを満たしきれないと主張した。同社によれば、現在の多くのAI modelはpublic data中心で学習されているため、engineering standards、compliance policies、codebases、operational records、institutional decisionsのような組織固有の知識を十分には取り込めない。

Forgeはそのギャップを埋める仕組みとして位置付けられる。企業はinternal documentation、proprietary codebase、structured data、operational workflowを使ってdomain-specific modelを構築し、そのenvironment特有のterminology、reasoning pattern、constraintを深くinternalizeさせられるという。Mistralはこれをenterprise-specific AIの基盤とみなしている。

単なるfine-tuning機能ではない

MistralはForgeを単一のcustomization optionではなく、model lifecycle全体を扱うsystemとして売り出している。Pre-trainingでlarge internal datasetからdomain-aware modelを作り、post-trainingでspecific taskやenvironmentに合わせてbehaviorを整え、reinforcement learningでinternal policy、evaluation objective、real-world agent workflowに合わせていく構成だ。

さらにForgeはdense modelとmixture-of-experts、つまりMoE architectureの両方をサポートし、必要に応じてmultimodal inputも扱える。これは企業がperformance、cost、latency、operational constraintの間で適切な設計を選べることを意味する。MistralはASML、DSO National Laboratories Singapore、Ericsson、European Space Agency、HTX Singapore、Replyといった組織が既にForgeを使い、future-defining technologyを支えるproprietary dataでmodelを訓練していると述べている。

controlとautonomyが中心テーマ

今回の発表で目立つもう一つの軸はcontrolだ。Mistralは、enterpriseがmodel、data、evaluation standards、長期的なintellectual propertyに対するstrategic autonomyを必要としていると論じる。特にregulated environmentでは、modelがinternal governance frameworkやcompliance requirementを確実に反映する必要があるため、custom modelは単なる品質向上策ではなくgovernance toolにもなるという見方だ。

同社はForgeをagent-firstに設計したとも強調する。Mistral Vibeのようなautonomous agentがForgeを使ってfine-tuningを行い、hyperparameterを探索し、synthetic dataを生成し、benchmark regressionを監視でき、その操作をplain-English instructionで行えると説明する。この約束が機能すれば、企業はcustom modelを外部toolではなく、自社のknowledgeとともに進化するstrategic assetとして扱うようになる可能性が高い。