Jak rozpocząć pracę z Forge
Na tej stronie
Aktualizacja z 2 listopada 2026 r. — Le Chat to teraz Vibe. Od 28 maja 2026 r. usługa Le Chat zmieniła nazwę na Vibe (nadal dostępna pod adresem chat.mistral.ai): to pojedynczy agent do pracy i kodowania, który zachowuje Twoje konwersacje, ustawienia i subskrypcje. Legacyjne doświadczenie Le Chat pozostaje dostępne w trybie Chat. W trybie Work agenci są teraz umiejętnościami (wywoływanymi za pomocą `@»), pamięci tworzą bazę wiedzy, a głębokie badania to umiejętność Deep Research. Plany noszą teraz nazwy Mistral Free, Pro, Team i Enterprise. W tej lekcji używamy nazwy Vibe; niektóre opisane tu menu mogły zmienić nazwy lub lokalizację.
Czteroetapowy projekt
Uruchomienie projektu Forge wymaga planowania. Konieczne jest rzetelne przygotowanie, ścisła współpraca z zespołami Mistral oraz jasna wizja celów. Każdy etap przygotowuje grunt pod kolejny: nieprecyzyjne określenie zakresu prowadzi do złego doboru danych, słabe dane dają rozczarowujący model, a problem odkryjesz dopiero trzy miesiące później.
Etap 1 — Ocena i określenie zakresu
Po pierwsze, zidentyfikuj scenariusze, w których dostrajanie przynosi większą wartość niż model bazowy lub RAG. W praktyce kandydaci wpadają do czterech powtarzających się kategorii. Zacznij od zadań powtarzalnych, wymagających głębokiej ekspertyzy — diagnostyki technicznej, analizy zgodności, specjalistycznych przeglądów kodu — gdzie model musi odwzorować rozumowanie eksperta, a nie jedynie odszukać dokument. Następnie idą standaryzowane interakcje z klientem: wsparcie poziomu 1–2, odpowiedzi na zapytania ofertowe (RFP), raporty branżowe, gdzie ton i struktura podlegają Twoim ustalonym konwencjom. Kolejne to specyficzne procesy biznesowe, takie jak ocena ryzyka według Twoich wewnętrznych kryteriów czy klasyfikacja dokumentów przy użyciu Twojej taksonomii. Na końcu mamy zgodność regulacyjną, która ma zastosowanie, gdy musisz tworzyć dokumenty adherentne do specyficznych standardów branżowych, których model ogólny nie zna w szczegółach.
Po drugie, oceń dojrzałość swoich danych, która bezpośrednio determinuje jakość modelu. Zacznij od wolumenu: zweryfikuj, czy masz wystarczającą liczbę wysokiej jakości przykładów — zazwyczaj kilka tysięcy dla efektywnego dostrajania. Następnie zbadaj samą jakość: czy przykłady są wiarygodne, aktualne i reprezentatywne dla Twojej ekspertyzy? Dalej sprawdź różnorodność: czy pokrywają pełen zakres scenariuszy, z jakimi model będzie miał do czynienia? Na koniec przejrzyj format: czy są już ustrukturyzowane, czy wymagają przygotowania? Etap kończy się spotkaniem między Twoim zespołem a zespołami handlowymi i technicznymi Mistral: przedstawiasz cele, omawiasz przypadki użycia, potwierdzasz wykonalność techniczną, szacujesz zakres i harmonogram oraz otrzymujesz ofertę handlową.
Etap 2 — Przygotowanie danych
Inżynierowie Forward-Deployed budują zbiór treningowy wraz z Twoimi zespołami. Ekstrakcja pobiera dane z systemów źródłowych — baz wiedzy, historii zgłoszeń, dokumentacji technicznej, wymian z klientami. Czyszczenie usuwa duplikaty, koryguje błędy i anonimizuje dane osobowe. Formatowanie przekształca wszystko w pary instrukcja/odpowiedź odpowiednie do dostrajania. Walidacja przekazuje zbiór danych Twoim ekspertom merytorycznym, aby zweryfikowali jakość i trafność przykładów. To najbardziej niedoceniany krok: niewalidowany zbiór danych uczy model zarówno Twoich przybliżeń, jak i najlepszych praktyk.
Równolegle działa osobny zbiór ewaluacyjny: benchmarki biznesowe — pytania i odpowiedzi zatwierdzone przez Twoich ekspertów — oraz przypadki brzegowe, czyli złożone lub niejednoznaczne scenariusze zaprojektowane do testowania odporności. Zadajesz te same pytania zarówno modelowi bazowemu, jak i dostosowanemu, a następnie porównujesz je według wyraźnych metryk: dokładności, trafności oraz zgodności z Twoim wewnętrznym tonem i procesami. Przez cały ten etap dane przemieszczają się szyfrowanymi kanałami, znajdują się w izolowanym środowisku dedykowanym Twojej organizacji, są dostępne wyłącznie dla inżynierów Mistral przypisanych do projektu i objęte konkretną umową o poufności.
Etap 3 — Trening modelu
Dobór modelu bazowego zależy od przypadku użycia: Mistral Large do złożonych zadań wymagających zaawansowanego rozumowania, Mistral Medium dla najlepszego stosunku wydajności do kosztów w większości sytuacji oraz modele specjalistyczne zoptymalizowane pod kod, zadania wielojęzyczne lub inne domeny.
Trening odbywa się na infrastrukturze GPU Mistral w Europie. Inżynierowie konfigurują hiperparametry, uruchamiają trening nadzorowany na Twoich danych, monitorują zbieżność w czasie rzeczywistym i przeprowadzają wiele iteracji. Czas trwania waha się od kilku godzin do kilku dni, w zależności od wolumenu danych i rozmiaru modelu bazowego. Po każdym cyklu model jest ewaluowany na zbiorze testowym — porównywany z modelem bazowym, z analizą błędów i przypadków brzegowych, ewentualnymi korektami danych oraz walidacją przez Twoich ekspertów merytorycznych — dopóki nie osiągnie celów wydajnościowych zdefiniowanych podczas określania zakresu.
Etap 4 — Wdrożenie produkcyjne
Wdróż dostosowany model zgodnie z ograniczeniami swojej infrastruktury i wymaganiami zgodności.
| Opcja | Na czym polega |
|---|---|
| Mistral Cloud | Hostowany na infrastrukturze Mistral, dostępny przez Mistral Enterprise i API. Najszybszy do wdrożenia. |
| Dedykowany VPC | Pełna izolacja sieciowa w chmurze prywatnej. Zalecane dla sektorów regulowanych (finanse, ochrona zdrowia). |
| On-premise | Na Twoich serwerach: pełna kontrola, dane nie opuszczają Twojej siedziby. Wymaga odpowiedniej infrastruktury GPU. |
| Chmura partnerska | Azure, AWS lub GCP poprzez istniejące integracje. Idealne, jeśli Twoje środowisko chmurowe jest już gotowe. |
Integracja przebiega następnie kilkoma uzupełniającymi się ścieżkami: Mistral Enterprise, gdzie model staje się dostępny w interfejsie konwersacyjnym; REST API, aby wywoływać go z aplikacji, przepływów pracy i narzędzi biznesowych; SDK dla Pythona i JavaScript do integracji programistycznej; oraz webhooki, które uruchamiają model w odpowiedzi na zdarzenia biznesowe. Wdrożenie nie kończy projektu. Ciągły monitoring śledzi opóźnienia, dokładność i satysfakcję użytkowników, wykrywa dryf, wyzwala alerty w przypadku degradacji i harmonogramuje aktualizacje oraz ponowne treningi.
Typowy harmonogram
| Okres | Krok |
|---|---|
| Tygodnie 1–2 | Ocena i określenie zakresu |
| Tygodnie 3–6 | Przygotowanie danych |
| Tygodnie 7–10 | Trening i ewaluacja (iteracyjne) |
| Tygodnie 11–14 | Wdrożenie i integracja |
| Później | Monitoring, optymalizacja i aktualizacje |
Całkowity czas trwania wynosi od 3 do 6 miesięcy, w zależności od złożoności przypadku użycia i dojrzałości danych. Jeśli zaczniesz z rozproszonymi, niewalidowanymi danymi, Etap 2 się wydłuża — nigdy natomiast etap treningu.
Kluczowe wnioski
- Proces Forge składa się z czterech etapów: oceny, danych, treningu, wdrożenia
- Jakość danych treningowych determinuje wydajność modelu
- Inżynierowie Forward-Deployed prowadzą każdy krok projektu
- Opcje wdrożenia obejmują Mistral Cloud, VPC, on-premise lub chmurę partnerską
- Typowy projekt trwa od 3 do 6 miesięcy, od oceny do produkcji