Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Mi az a Forge

7. lecke 10 közül Frissítve 2026. november 2. Középhaladó
Ezen az oldalon
  1. Egy vállalatod köré épített modell
  2. Két egymást nem kizáró eszköz
  3. Technikai architektúra
  4. Kihelyezett mérnökök (Forward-Deployed Engineers)
  5. Amit a korai partnerségek mutatnak
  6. Főbb megállapítások

Frissítés: 2026. november 2. — A Le Chat mostantól Vibe. 2026. május 28-tól a Le Chat új neve Vibe (továbbra is a chat.mistral.ai címen érhető el): egyetlen ügynök munkára és kódolásra, amely megőrzi beszélgetéseidet, beállításaidat és előfizetéseidet. A régi Le Chat élmény továbbra is elérhető a Chat módban; a Work módban az ügynökök készségekké (skills) váltak (a @ jellel hívhatók meg), az emlékezet alkotja a tudásbázist, a mély keresés pedig a Deep Research készség. A csomagok neve mostantól Mistral Free, Pro, Team és Enterprise. Ez a lecke a Vibe nevet használja; vedd figyelembe, hogy az itt leírt egyes menük neve vagy elhelyezkedése megváltozhatott.

Egy vállalatod köré épített modell

Minden szervezet történelme éveknyi döntésekből, levont tanulságokból és tapasztalatokkal csiszolt folyamatokból áll. Idővel ez a történelem intézményi tudássá válik: hogyan fogalmazzák meg a problémákat a cégedben, hogyan mérik fel a kockázatokat, hogyan építik fel a rendszereket és hogyan hoznak döntéseket. Ez a tudás belső dokumentumokban, technikai kézikönyvekben, szabályozási keretrendszerekben, kódbázisokban, sőt a mindennapi munka során hozott csendes ítéletekben is él.

Az általános célú modellek ebből semmit sem örökölnek: az internetet ismerik, nem a cégedet. A Mistral Forge, amelyet 2026 márciusában jelentettek be az NVIDIA GTC konferencián, a Mistral AI válasza erre a hiányosságra. A Mistral legfejlettebb modelljeit a szervezeted saját adataira szabja, hogy olyan AI-t biztosítson, amely vállalatodként gondolkodik.

Két egymást nem kizáró eszköz

Eddig a modellek üzleti igényekhez igazításának elsődleges módja a RAG (Retrieval-Augmented Generation) volt – pontosan ez az, amit az Enterprise Search tesz. A RAG változatlanul hagyja a modellt, és minden lekérdezéshez dokumentumkontextust注入; akkor kiváló, ha a kérdés így hangzik: „Mi a felmondási záradék a tavalyi szerződésben?“ A finomhangolás (fine-tuning) más szinten működik: módosítja a modell súlyait, hogy tartósan kódolja a tudásodat. A kérés ekkor így hangzik: „Fogalmazd meg ezt a záradékot úgy, ahogy a jogi osztályunk tenné“, amit egyetlen dokumentumrészlet önmagában nem képes teljesíteni. Ezek a megközelítések nem helyettesítik egymást; rétegződnek.

KritériumRAG (Enterprise Search)Finomhangolás (Forge)
ElvKontextus注入 lekérdezésenkéntModell súlyainak módosítása
FrissítésValós idejű (indexelt dokumentumok)Újra tanítást igényel
Ideális erreKonkrét tények visszakereséseViselkedés, hangnem, szakmai jártasság
KöltségAz Enterprise részePrémium szolgáltatás (Forge)

A Forge négy dimenzióban teremt értéket. Először is, a modell a céged nyelvén beszél: tudja, hogy a belső mozaikszavaid konkrét tárolókra utalnak, és nem általánosítja le őket. Másodszor, alkalmazza folyamataidat, így egy jóváhagyási kérelem a valós aláírási láncodat követi, nem pedig egy általános munkafolyamatot. Harmadszor, beágyazza szakértelmedet – technikai diagnosztika, kockázatfelmérés, ágazatspecifikus ajánlások –, ahelyett, hogy következtetéssel újraépítené azt. Végül pedig felveszi a hangnemedet, illeszkedik a belső kommunikációdhoz, az ügyfélkapcsolataidhoz és a technikai dokumentációdhoz, ami csökkenti a generálás utáni átirás szükségességét.

Technikai architektúra

A Forge soha nem tiszta lappal indul. A kiindulópont egy Mistral csúcsmodell – Mistral Large vagy Mistral Medium –, amely megőrzi általános következtetési, többnyelvű és kódolási képességeit, most pedig kiegészülve a te szakértelmeddel. Nem a sokoldalúságot cseréled le a specializációra; hanem ezt adod hozzá ahhoz.

A tanítás a Mistral biztonságos infrastruktúráján fut, olyan garanciákkal, amelyek ugyanolyan fontosak, mint a teljesítmény: a tanítási adataid titkosítva és elkülönítve vannak, a számítási kapacitás dedikált GPU-kon fut Európában, a resulting modell saját tulajdonodban marad, és a tanításához használt adatokat a kézbesítés után törlik. A testreszabott modell ezután a te korlátaid szerint kerül telepítésre: a Mistral infrastruktúráján, ahol a Mistral Enterprise és az API révén válik elérhetővé; dedikált VPC-ben a teljes hálózati elszigeteltség érdekében; helyi szervereken (on-premise) a teljes kontroll érdekében; vagy partner felhőben (Azure, AWS vagy GCP) a meglévő integrációkon keresztül.

Kihelyezett mérnökök (Forward-Deployed Engineers)

A Forge legmegkülönböztetőbb eleme nem technikai jellegű. Hanem a dedikált Mistral mérnökök, úgynevezett Forward-Deployed Engineers (FDE-k), akik közvetlenül dolgoznak a csapataiddal. Azonosítják azokat a használati eseteket, ahol a testreszabott modell valódi értéket teremt, strukturálják és tisztítják a tanítási adatkészleteket, hangolják a hiperparamétereket a maximális teljesítmény érdekében, méréseket végeznek az iparágadra specifikus referenciaértékek alapján, és útmutatást nyújtanak a meglévő rendszereidbe való integráláshoz. Ez a bevonási modell, amelyet vezető technológiai vállalatok gyakorlata ihletett, biztosítja, hogy a testreszabás a valódi igényeidet elégítse ki, nem pedig a megbízásod hozzávetőleges értelmezését.

Amit a korai partnerségek mutatnak

A Forge olyan partnerekkel indult, amelyek szemléltetik használati eseteinek széles körét: az ASML a félvezetők litográfiai optimalizálására alkalmazza, az Európai Űrügynökség a Föld-megfigyelési adatok feldolgozására, az Ericsson a távközlési hálózatok optimalizálására, a szingapúri DSO National Laboratories pedig a védelmi és biztonsági alkalmazásokra. Négy ágazat, négy szókincs, négy korlátozási rendszer – és egy közös igény a teljesítményre, biztonságra és szuverenitásra, amelyet egy általános modell önmagában nem tud kielégíteni. A következő lecke ezeket a telepítéseket részletezi.

Főbb megállapítások

  • A Forge a Mistral csúcsmodelljeit szabja testre a te saját adataid alapján
  • A finomhangolás kiegészíti a RAG-ot: az egyik a modell viselkedését változtatja meg, a másik kontextust注入
  • A tanítás dedikált európai GPU-kon fut; az adataidat a kézbesítés után törlik
  • Tiéd a modell, amely telepíthető a Mistral infrastruktúráján, VPC-ben, helyi szervereken vagy partner felhőben
  • A Forward-Deployed Engineers végigkísérik a projektet a meghatározástól az integrációig