Qué es Forge
En esta página
Actualización 2 de noviembre de 2026 — Le Chat pasa a llamarse Vibe. Desde el 28 de mayo de 2026, Le Chat se ha renombrado como Vibe (todavía en chat.mistral.ai): un único agente para el trabajo y el código que conserva tus conversaciones, configuraciones y suscripciones. La experiencia heredada de Le Chat sigue disponible en el modo Chat; en el modo Work, los agentes son ahora habilidades (que se invocan con
@), las memorias forman la base de conocimientos y la búsqueda profunda es la habilidad Deep Research. Los planes se llaman ahora Mistral Free, Pro, Team y Enterprise. Esta lección utiliza el nombre Vibe; ten en cuenta que algunos menús descritos aquí pueden haber cambiado de nombre o de ubicación.
Un modelo construido en torno a tu empresa
Toda organización arrastra una historia formada por años de decisiones, lecciones aprendidas y procesos perfeccionados gracias a la experiencia. Con el tiempo, esta historia se convierte en conocimiento institucional: cómo se plantean los problemas en tu empresa, cómo se evalúan los riesgos, cómo se construyen los sistemas y cómo se toman las decisiones. Este conocimiento reside en documentos internos, manuales técnicos, marcos normativos, bases de código e incluso en los juicios silenciosos que se emiten cada día laboral.
Los modelos de propósito general no heredan nada de esto: conocen internet, no tu empresa. Mistral Forge, anunciado en la conferencia NVIDIA GTC en marzo de 2026, es la respuesta de Mistral AI a esta brecha. Personaliza los modelos de vanguardia de Mistral con los datos propietarios de tu organización para ofrecer una IA que razone como tu empresa.
Dos palancas que no compiten
Hasta ahora, la principal forma de adaptar un modelo a las necesidades empresariales era RAG (Generación Aumentada por Recuperación), exactamente lo que hace Enterprise Search. RAG deja el modelo sin cambios e inyecta contexto documental con cada consulta; sobresale cuando la pregunta es: «¿Cuál es la cláusula de rescisión del contrato del año pasado?». El ajuste fino (fine-tuning) opera en un nivel diferente: modifica los pesos del modelo para codificar permanentemente tu conocimiento. La petición se convierte entonces en: «Redacta esta cláusula como lo haría nuestro departamento jurídico», y ningún extracto de documento por sí solo puede lograr eso. Estos enfoques no se sustituyen entre sí; se superponen.
| Criterio | RAG (Enterprise Search) | Ajuste fino (Forge) |
|---|---|---|
| Principio | Inyecta contexto por consulta | Modifica los pesos del modelo |
| Actualización | En tiempo real (documentos indexados) | Requiere reentrenamiento |
| Ideal para | Recuperar hechos específicos | Comportamiento, tono, experiencia de dominio |
| Coste | Incluido en Enterprise | Servicio premium (Forge) |
Forge aporta valor en cuatro dimensiones. En primer lugar, el modelo habla el idioma de tu empresa: sabe que tus acrónimos internos se refieren a repositorios específicos y deja de traducirlos a generalidades. En segundo lugar, aplica tus procesos, de modo que una solicitud de aprobación sigue tu cadena real de validación en lugar de un flujo de trabajo genérico. En tercer lugar, integra tu experiencia —diagnósticos técnicos, evaluaciones de riesgos, recomendaciones específicas del sector— en lugar de reconstruirla mediante inferencia. Por último, adopta tu tono, adaptándose a tus comunicaciones internas, interacciones con clientes y documentación técnica, lo que reduce la reescritura posterior a la generación.
Arquitectura técnica
Forge nunca parte de cero. El punto de partida es un modelo de vanguardia de Mistral —Mistral Large o Mistral Medium— que conserva todas sus capacidades de razonamiento general, multilingüismo y codificación, ahora enriquecidas con tu experiencia. No estás intercambiando versatilidad por especialización; estás añadiendo esta última a la primera.
El entrenamiento se ejecuta en la infraestructura segura de Mistral, con garantías tan importantes como el rendimiento: tus datos de entrenamiento están cifrados y aislados, el cómputo se ejecuta en GPU dedicadas en Europa, el modelo resultante es propietario y de tu propiedad, y los datos utilizados para entrenarlo se eliminan tras la entrega. El modelo personalizado se despliega luego según tus restricciones: en la infraestructura de Mistral, donde pasa a ser accesible a través de Mistral Enterprise y la API; en una VPC dedicada para un aislamiento de red completo; on-premise en tus propios servidores para un control total; o en una nube asociada (Azure, AWS o GCP) mediante integraciones existentes.
Ingenieros de Despliegue Anticipado
El elemento más distintivo de Forge no es técnico. Son los ingenieros dedicados de Mistral, llamados Ingenieros de Despliegue Anticipado (FDE, por sus siglas en inglés), que trabajan directamente con tus equipos. Identifican casos de uso en los que un modelo personalizado aporta verdadero valor, estructuran y limpian conjuntos de datos de entrenamiento, ajustan los hiperparámetros para maximizar el rendimiento, miden la calidad frente a puntos de referencia específicos de tu sector y guían la integración en tus sistemas existentes. Este modelo de compromiso, inspirado en las prácticas de las principales empresas tecnológicas, garantiza que la personalización responda a tus necesidades reales y no a una interpretación aproximada de tu pliego de condiciones.
Lo que muestran las primeras colaboraciones
Forge se lanzó con socios que ilustran su gama de casos de uso: ASML lo aplica a la optimización de la litografía para semiconductores, la Agencia Espacial Europea al procesamiento de datos de observación terrestre, Ericsson a la optimización de redes de telecomunicaciones y los Laboratorios Nacionales DSO de Singapur a aplicaciones de defensa y seguridad. Cuatro sectores, cuatro vocabularios, cuatro regímenes de restricciones y una necesidad compartida de rendimiento, seguridad y soberanía que un modelo genérico por sí solo no puede satisfacer. La siguiente lección detalla estos despliegues.
Puntos clave
- Forge personaliza los modelos de vanguardia de Mistral con tus datos propietarios
- El ajuste fino complementa a RAG: uno cambia el comportamiento del modelo, el otro inyecta contexto
- El entrenamiento se ejecuta en GPU dedicadas en Europa; tus datos se eliminan tras la entrega
- Eres propietario del modelo, que se despliega en la infraestructura de Mistral, en una VPC, on-premise o en una nube asociada
- Los Ingenieros de Despliegue Anticipado guían el proyecto desde la definición del alcance hasta la integración