La startup francesa de inteligencia artificial Mistral ha presentado Mistral Forge, una nueva plataforma diseñada para que empresas y organismos públicos entrenen modelos de IA con sus propios datos internos, en lugar de depender solo de modelos genéricos entrenados en información de internet.

El anuncio se hizo durante la conferencia Nvidia GTC, centrada este año en aplicaciones de IA para empresas. Forge permite a los clientes construir modelos desde cero sobre la base de la librería de modelos de código abierto de Mistral —incluidos modelos ligeros como Mistral Small 4— y adaptarlos con documentación interna, flujos de trabajo y conocimiento específico de cada organización.

A diferencia de muchas soluciones actuales, que se limitan a ajustar modelos existentes o a conectarlos a bases de datos corporativas mediante técnicas como el RAG, Mistral promete un nivel de personalización más profundo: entrenamiento completo, mejor rendimiento en idiomas no ingleses o dominios muy especializados, más control sobre el comportamiento del modelo y menor dependencia de proveedores externos.

Para facilitar la adopción, Forge incluye herramientas para generar datos sintéticos, definir sistemas de evaluación (evals) y elegir la infraestructura adecuada. Además, Mistral despliega equipos de ingenieros que se integran temporalmente en los clientes —al estilo de IBM o Palantir— para ayudarles a seleccionar los datos adecuados y diseñar sistemas a medida.

Entre los primeros usuarios se encuentran Ericsson, la Agencia Espacial Europea, la consultora italiana Reply, los organismos de defensa DSO y HTX de Singapur y la fabricante de chips ASML, que también lideró la última ronda de financiación de Mistral. La compañía, muy centrada en clientes corporativos frente al enfoque más orientado al consumidor de OpenAI o Anthropic, asegura que va camino de superar los 1.000 millones de dólares en ingresos recurrentes anuales.

Con Forge, Mistral apunta sobre todo a gobiernos que necesitan modelos adaptados a su idioma y cultura, entidades financieras sometidas a fuertes requisitos regulatorios, grandes fabricantes con procesos muy específicos y empresas tecnológicas que quieren modelos entrenados sobre su propio código.