Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Aan de slag met Forge

Les 9 van 10 Bijgewerkt op 2 november 2026 Gemiddeld
Op deze pagina
  1. Een project in vier fasen
  2. Fase 1 — Beoordeling en scopebepaling
  3. Fase 2 — Datavoorbereiding
  4. Fase 3 — Modeltraining
  5. Fase 4 — Productie-implementatie
  6. Typische tijdslijn
  7. Belangrijkste punten

Update 2 november 2026 — Le Chat is nu Vibe. Sinds 28 mei 2026 is Le Chat omgedoopt tot Vibe (nog steeds op chat.mistral.ai): een enkele agent voor werk en code die uw gesprekken, instellingen en abonnementen behoudt. De legacy Le Chat-ervaring blijft beschikbaar in de modus Chat. In de modus Werk zijn agents nu vaardigheden (aan te roepen met @), vormen herinneringen de kennisbank, en is diepgaand onderzoek de vaardigheid Deep Research. Abonnementen heten nu Mistral Free, Pro, Team en Enterprise. Deze les gebruikt de naam Vibe; sommige hier beschreven menu’s kunnen van naam of locatie zijn veranderd.

Een project in vier fasen

Het lanceren van een Forge-project vereist planning. Het vraagt om rigoureuze voorbereiding, nauwe samenwerking met de teams van Mistral en een heldere visie op uw doelstellingen. Elke fase bereidt de volgende voor: een vaag afgebakend scope leidt tot slechte dataselectie, slechte data leveren een teleurstellend model op, en u ontdekt het probleem pas drie maanden later.

Fase 1 — Beoordeling en scopebepaling

Identificeer eerst scenario’s waar fine-tuning meer waarde oplevert dan een basismodel of RAG. In de praktijk vallen kandidaten in vier terugkerende categorieën. Begin met repetitieve taken die diepgaande expertise vereisen—technische diagnostics, compliance-analyses, gespecialiseerde code reviews—waarbij het model expertredeneringen moet repliceren in plaats van een document op te halen. Daarna volgen gestandaardiseerde klantinteracties: support van niveau 1–2, reacties op aanbestedingen (RFP’s), sectorrapporten, waarbij toon en structuur uw gevestigde conventies volgen. Vervolgens komen specifieke bedrijfsprocessen, zoals risicobeoordeling tegen uw interne criteria of documentclassificatie met uw taxonomie. Tot slot geldt regelgeving wanneer u documenten moet produceren die voldoen aan sectorspecifieke normen die een generiek model niet in detail kent.

Beoordeel vervolgens uw datavolwassenheid, wat direct de modelkwaliteit bepaalt. Begin met volume: verifieer dat u voldoende hoogwaardige voorbeelden heeft—doorgaans enkele duizenden voor effectieve fine-tuning. Onderzoek daarna de kwaliteit zelf: zijn de voorbeelden betrouwbaar, up-to-date en representatief voor uw expertise? Controleer vervolgens de diversiteit: dekken ze het volledige scala aan scenario’s dat het model moet afhandelen? Bekijk tot slot het formaat: zijn ze al gestructureerd, of is voorbereiding nodig? De fase wordt afgesloten met een vergadering tussen uw team en de commerciële en technische teams van Mistral: presenteer uw doelstellingen, bespreek use cases, bevestig de technische haalbaarheid, schat scope en tijdslijn in, en ontvang een commercieel voorstel.

Fase 2 — Datavoorbereiding

Forward-Deployed Engineers bouwen de trainingsdataset samen met uw teams. Extractie haalt data uit uw bronsystemen—kennisbanken, ticketgeschiedenissen, technische documentatie, klantuitwisselingen. Opschoning verwijdert duplicaten, corrigeert fouten en anonimiseert persoonsgegevens. Formatteren transformeert alles naar instructie/antwoord-paren geschikt voor fine-tuning. Validatie legt de dataset voor aan uw domeinexperts om de kwaliteit en relevantie van de voorbeelden te verifiëren. Dit is de meest onderschatte stap: een niet-gevalideerde dataset leert het model uw benaderingen naast uw best practices.

Een aparte evaluatieset loopt parallel: bedrijfsbenchmarks—vragen en antwoorden gevalideerd door uw experts—en edge cases, complexe of ambiguë scenario’s ontworpen om robuustheid te testen. U stelt dezelfde vragen aan zowel het basismodel als het aangepaste model, en vergelijkt ze vervolgens aan de hand van expliciete metrics: nauwkeurigheid, relevantie en naleving van uw interne toon en processen. Gedurende deze fase verplaatst data zich via versleutelde kanalen, verblijft het in een geïsoleerde omgeving die aan uw organisatie is toegewezen, blijft het alleen toegankelijk voor Mistral-engineers die aan het project zijn toegewezen, en valt het onder een specifieke geheimhoudingsovereenkomst.

Fase 3 — Modeltraining

De selectie van het basismodel hangt af van de use case: Mistral Large voor complexe taken die geavanceerde redenering vereisen, Mistral Medium voor de beste prestatie-kostenverhouding in de meeste situaties, en gespecialiseerde modellen geoptimaliseerd voor code, meertalige taken of andere domeinen.

Training draait op de GPU-infrastructuur van Mistral in Europa. Engineers configureren hyperparameters, starten gesuperviseerde training op uw data, monitoren convergentie in real-time en voeren meerdere iteraties uit. De duur varieert van enkele uren tot meerdere dagen, afhankelijk van het datavolume en de grootte van het basismodel. Na elke cyclus wordt het model geëvalueerd op de testset—vergeleken met het basismodel, met analyse van fouten en edge cases, data-aanpassingen indien nodig, en validatie door uw domeinexperts—totdat het voldoet aan de prestatiedoelstellingen die tijdens de scopebepaling zijn gedefinieerd.

Fase 4 — Productie-implementatie

Implementeer het aangepaste model volgens uw infrastructuur- en compliance-eisen.

OptieWat het inhoudt
Mistral CloudGehost op de infrastructuur van Mistral, toegankelijk via Mistral Enterprise en de API. Snelst te implementeren.
Dedicated VPCVolledige netwerxisolatie in een private cloud. Aanbevolen voor gereguleerde sectoren (financiën, gezondheidszorg).
On-premiseOp uw servers: volledige controle, geen data verlaat uw locatie. Vereist geschikte GPU-infrastructuur.
Partner CloudAzure, AWS of GCP via bestaande integraties. Ideaal als uw cloudomgeving al aanwezig is.

Integratie volgt vervolgens via verschillende complementaire paden: Mistral Enterprise, waar het model beschikbaar komt in de conversationele interface; de REST API, om het aan te roepen vanuit uw applicaties, workflows en bedrijfshulpmiddelen; Python- en JavaScript-SDK’s voor programmatische integratie; en webhooks, die het model activeren bij bedrijfsgebeurtenissen. Implementatie betekent niet het einde van het project. Continue monitoring volgt latentie, nauwkeurigheid en gebruikerstevredenheid, detecteert drift, activeert waarschuwingen bij degradatie en plant updates en hertrainingen in.

Typische tijdslijn

PeriodeStap
Week 1–2Beoordeling en scopebepaling
Week 3–6Datavoorbereiding
Week 7–10Training en evaluatie (iteratief)
Week 11–14Implementatie en integratie
DaarnaMonitoring, optimalisatie en updates

De totale duur varieert van 3 tot 6 maanden, afhankelijk van de complexiteit van de use case en de datavolwassenheid. Als u begint met verspreide, niet-gevalideerde data, breidt Fase 2 uit—nooit de trainingsfase.

Belangrijkste punten

  • Het Forge-proces volgt vier fasen: beoordeling, data, training, implementatie
  • De kwaliteit van de trainingsdata bepaalt de modelprestaties
  • Forward-Deployed Engineers begeleiden elke stap van het project
  • Implementatieopties omvatten Mistral Cloud, VPC, on-premise of partner cloud
  • Een typisch project duurt 3 tot 6 maanden van beoordeling tot productie