Ir para o conteúdo principal
Português— Escolher um idioma
Menu

O que é o Forge

Aula 7 de 10 Atualizada a 2 de novembro de 2026 Intermediario
Nesta página
  1. Um modelo construído à volta da sua empresa
  2. Duas alavancas que não competem
  3. Arquitetura técnica
  4. Engenheiros de Implementação no Terreno
  5. O que revelam as primeiras parcerias
  6. Pontos-chave

Atualização de 2 de novembro de 2026 — O Le Chat é agora o Vibe. Desde 28 de maio de 2026, o Le Chat foi rebatizado como Vibe (ainda em chat.mistral.ai): um único agente para trabalho e código que mantém as suas conversas, definições e subscrições. A experiência legada do Le Chat permanece disponível no modo Chat; no modo Work, os agentes são agora competências (invocadas com @), as memórias constituem a base de conhecimento e a pesquisa profunda é a competência Deep Research. Os planos denominam-se agora Mistral Free, Pro, Team e Enterprise. Esta lição utiliza o nome Vibe; note que alguns menus aqui descritos podem ter alterado de nome ou de localização.

Um modelo construído à volta da sua empresa

Cada organização carrega uma história feita de anos de decisões, lições aprendidas e processos refinados pela experiência. Com o tempo, esta história torna-se conhecimento institucional: a forma como os problemas são enquadrados na sua empresa, como os riscos são avaliados, como os sistemas são construídos e como as decisões são tomadas. Este conhecimento reside em documentos internos, manuais técnicos, quadros regulamentares, bases de código e até nos julgamentos silenciosos feitos em cada dia de trabalho.

Os modelos de uso geral não herdam nada disto: conhecem a internet, não a sua empresa. O Mistral Forge, anunciado na conferência NVIDIA GTC em março de 2026, é a resposta da Mistral AI a esta lacuna. Personaliza os modelos de ponta da Mistral com os dados proprietários da sua organização para fornecer uma IA que raciocina como a sua empresa.

Duas alavancas que não competem

Até agora, a principal forma de adaptar um modelo às necessidades empresariais era o RAG (Retrieval-Augmented Generation) — exatamente o que a Pesquisa Empresarial faz. O RAG deixa o modelo inalterado e injeta contexto documental em cada consulta; destaca-se quando a pergunta é: «Qual é a cláusula de rescisão no contrato do ano passado?». O ajuste fino (fine-tuning) opera num nível diferente: modifica os pesos do modelo para codificar permanentemente o seu conhecimento. O pedido torna-se então: «Redija esta cláusula da forma como o nosso departamento jurídico faria», e nenhum excerto de documento isolado consegue entregar isso. Estas abordagens não se substituem; sobrepõem-se.

CritérioRAG (Pesquisa Empresarial)Ajuste Fino (Forge)
PrincípioInjeta contexto por consultaModifica os pesos do modelo
AtualizaçãoEm tempo real (documentos indexados)Exige retreino
Ideal paraRecuperar factos específicosComportamento, tom, especialização de domínio
CustoIncluído na EnterpriseServiço premium (Forge)

O Forge gera valor em quatro dimensões. Primeiro, o modelo fala a língua da sua empresa: sabe que os seus acrónimos internos se referem a repositórios específicos e deixa de os traduzir em generalidades. Segundo, aplica os seus processos, pelo que um pedido de aprovação segue a sua cadeia real de validação em vez de um fluxo genérico. Terceiro, incorpora a sua especialização — diagnósticos técnicos, avaliações de risco, recomendações específicas do setor — em vez de a reconstruir por inferência. Por fim, adota o seu tom, adequando-se às suas comunicações internas, interações com clientes e documentação técnica, o que reduz a reescrita pós-geração.

Arquitetura técnica

O Forge nunca parte de uma folha em branco. O ponto de partida é um modelo de ponta da Mistral — Mistral Large ou Mistral Medium — que mantém todas as suas capacidades gerais de raciocínio, multilinguismo e codificação, agora enriquecidas com a sua especialização. Não está a trocar versatilidade por especialização; está a adicionar esta àquela.

O treino decorre na infraestrutura segura da Mistral, com garantias tão importantes quanto o desempenho: os seus dados de treino são encriptados e isolados, o processamento ocorre em GPUs dedicadas na Europa, o modelo resultante é proprietário e pertence-lhe, e os dados utilizados para o treinar são eliminados após a entrega. O modelo personalizado é depois implementado de acordo com as suas restrições — na infraestrutura da Mistral, onde se torna acessível via Mistral Enterprise e API; numa VPC dedicada para isolamento total de rede; no local (on-premise) nos seus próprios servidores para controlo total; ou numa cloud de parceiro (Azure, AWS ou GCP) através de integrações existentes.

Engenheiros de Implementação no Terreno

O elemento mais distintivo do Forge não é técnico. São os engenheiros dedicados da Mistral, denominados Engenheiros de Implementação no Terreno (Forward-Deployed Engineers ou FDEs), que trabalham diretamente com as suas equipas. Identificam casos de uso onde um modelo personalizado agrega verdadeiro valor, estruturam e limpam conjuntos de dados de treino, afinam hiperparâmetros para maximizar o desempenho, medem a qualidade face a benchmarks específicos do seu setor e orientam a integração nos seus sistemas existentes. Este modelo de envolvimento, inspirado nas práticas das principais empresas de tecnologia, garante que a personalização responde às suas necessidades reais e não a uma interpretação aproximada do seu briefing.

O que revelam as primeiras parcerias

O Forge foi lançado com parceiros que ilustram a sua gama de casos de uso: a ASML aplica-o à otimização da litografia para semicondutores, a Agência Espacial Europeia ao processamento de dados de observação da Terra, a Ericsson à otimização de redes de telecomunicações e os Laboratórios Nacionais DSO em Singapura a aplicações de defesa e segurança. Quatro setores, quatro vocabulários, quatro regimes de restrições — e uma necessidade partilhada de desempenho, segurança e soberania que um modelo genérico, por si só, não consegue satisfazer. A próxima lição detalha estas implementações.

Pontos-chave

  • O Forge personaliza os modelos de ponta da Mistral com os seus dados proprietários
  • O ajuste fino complementa o RAG: um altera o comportamento do modelo, o outro injeta contexto
  • O treino decorre em GPUs dedicadas na Europa; os seus dados são eliminados após a entrega
  • É proprietário do modelo, que pode ser implementado na infraestrutura da Mistral, numa VPC, no local ou numa cloud de parceiro
  • Os Engenheiros de Implementação no Terreno orientam o projeto desde o dimensionamento até à integração