На рынке корпоративного ИИ наметился новый вектор: французский стартап Mistral делает ставку на кастомизацию, противопоставляя свой подход решениям от OpenAI и Anthropic. Основная проблема индустрии сегодня заключается в том, что большинство внедрений ИИ в компаниях буксуют. Причина не в дефиците мощностей, а в том, что базовые модели обучаются на данных из открытого интернета. В итоге они плохо ориентируются во внутренней документации, специфических рабочих процессах и накопленных десятилетиями знаниях конкретного бизнеса.
Для устранения этого разрыва Mistral представила на конференции Nvidia GTC платформу Mistral Forge. Этот инструмент позволяет организациям создавать собственные модели, обученные непосредственно на их проприетарных данных. В то время как конкуренты активно развивают потребительский сегмент, глава Mistral Артур Менш сосредоточен исключительно на B2B-секторе и госсекторе. Согласно прогнозам компании, такая стратегия позволит ей преодолеть порог в 1 миллиард долларов годовой регулярной выручки уже в текущем году.
Глубокая тренировка против надстроек
На практике многие игроки на рынке ИИ уже предлагают функции адаптации нейросетей под задачи бизнеса. Чаще всего это реализуется через дообучение (fine-tuning) или использование RAG (Retrieval-Augmented Generation) — технологии, которая позволяет модели обращаться к базе знаний компании в режиме реального времени. Однако эти методы не меняют фундамент модели, а лишь корректируют её ответы или предоставляют контекст.
Подход Mistral Forge радикально иной: компания предлагает возможность тренировать модели практически «с нуля». Это позволяет более эффективно работать с редкими языками или узкоспециализированными отраслевыми данными, где стандартные модели пасуют. Кроме того, такой метод дает возможность создавать продвинутые агентские системы с помощью обучения с подкреплением (reinforcement learning). Для бизнеса это означает независимость от сторонних поставщиков и рисков, связанных с внезапным изменением или закрытием API популярных моделей.
Оптимизация под конкретные задачи
Пользователи Forge могут выбирать базу из обширной библиотеки моделей Mistral с открытыми весами, включая компактные решения вроде Mistral Small 3. Как поясняет технический директор компании Тимоте Лакруа, использование малых моделей всегда сопряжено с компромиссами — они не могут знать всё обо всем одинаково хорошо. Кастомизация через Forge позволяет бизнесу самостоятельно решать, на каких знаниях сделать акцент, а какие данные можно смело отсечь ради производительности и экономии ресурсов.
Процесс работы с платформой не ограничивается только предоставлением инструментов. В Mistral внедрили практику работы «передовых инженеров» (forward-deployed engineers). Специалисты стартапа внедряются непосредственно в команды заказчиков, помогая подготовить данные и выстроить процессы оценки качества ответов ИИ. Такой формат работы напоминает модель консалтинга, которую успешно используют Palantir или IBM. Проще говоря, Mistral не просто дает «движок», но и помогает настроить его под конкретную трассу.
Целевая аудитория и первые внедрения
Список ранних пользователей платформы уже включает такие структуры, как Европейское космическое агентство, телеком-гигант Ericsson, итальянская Reply и оборонные ведомства Сингапура (DSO и HTX). Среди клиентов значится и нидерландский производитель литографического оборудования ASML, который ранее участвовал в инвестиционном раунде Mistral, оценившем компанию в 11,7 млрд евро.
В Mistral выделяют несколько ключевых сценариев использования Forge: — государственные структуры, которым необходимо адаптировать ИИ под национальный язык и культурный контекст; — финансовые организации с жесткими требованиями к безопасности и комплаенсу; — промышленные предприятия, нуждающиеся в глубокой настройке под производственные нужды; — технологические компании, адаптирующие модели под свои уникальные кодовые базы.