Forge verändert die Kalkulation beim App-Bau innerhalb von Bolt: Es ist ein Agent, der ausschließlich offene Modelle nutzt – standardmäßig GLM 5.3 Flash, daneben GLM 5.3 sowie experimentelle Kimi K3 und DeepSeek v4 Pro – und beim Start bis zu 50× mehr Nutzung für einzelne Pro-Pläne ermöglicht. Im Bolt Build Index erreichen diese Modelle zusammen 92,2 gegenüber 101 für ein führendes kostenpflichtiges Modell, ein etwa neun Punkte umfassender Leistungstausch. Die Annahme ist, dass die Entwurfsphase eher durch Token-Ökonomie als durch Talent begrenzt wird. Mit Forge können Sie mehr brainstormen, strukturieren und korrigieren, ohne tägliche Limits, und wechseln dann für die Produktionsfeinabstimmung zurück zu Standard oder Max, wenn jeder Output auf Anhieb sitzen muss.

Die Ökonomie hinter Forge ist genauso wichtig wie die Modelle. Die Kosten für KI-Inferenz sind drastisch gesunken, und Bolt kombiniert reservierte Kapazitäten mit WebContainers, um Aufschläge pro Anfrage und Serverüberhang zu eliminieren. Diese Struktur unterstützt eine einzige monatliche Nutzungsskala mit einem harten Stopp bei 100 % – keine tägliche Drosselung, keine überraschenden Übernutzungen. Für kleine Unternehmen und Einzelentwickler schafft das Raum, Architekturen zu erkunden, Integrationen zu testen und UI-Flows zu iterieren, die zuvor Premium-Credits verbrauchten. Es ist eine praktische Trennung der Anliegen: Verwenden Sie die Open-Model-Zuteilung für divergentes Denken und Codeänderungen; sparen Sie kostenpflichtige Credits für konvergente Aufgaben, Qualitätskontrollen und latenzkritische Nutzerflüsse.

Forge ist bewusst als experimentell positioniert. Projekte sollten vor dem Wechsel dupliziert werden, und komplexe Produktionslasten sollten auf Standard oder Max verbleiben. Die Modellauswahl ist entscheidend: Kimi K3 und DeepSeek v4 Pro verbrauchen Zuteilungen schneller als das GLM-Paar, starten Sie also mit den Standardmodellen und eskalieren Sie selektiv bei Bedarf an Denk- oder Code-Reparaturphasen. Aktuelle Einschränkungen umfassen keine PDF-Uploads und die übliche Variabilität offener Modelle bei intensiven Refaktorierungsschleifen. Trotz dieser Grenzen ist der Wert überzeugend für das Strukturieren von Dashboards, das Verdrahten von CRUD-Endpunkten oder schnelle Fix-Test-Zyklen, bei denen die dominierende Kostenquelle die Iterationszeit und nicht die Qualität der Einzelergebnisse ist.

Die Governance ist explizit. Das Training erfolgt nur, wenn Sie beim Einstieg in Forge zustimmen; Geheimnisse und persönliche Identifikatoren werden entfernt, bevor Daten Bolt’s Infrastruktur verlassen, und Teams/Enterprise-Arbeitsbereiche sind ausgeschlossen. Geteilte Sitzungen speisen das Open-Weight-Training über Arcee AI, wobei die Gewichte veröffentlicht werden. Das erzeugt einen Kreislauf: Entwickler erhalten heute großzügige Entwurfsressourcen, und die Modelle, die sie verbessern, bleiben morgen prüfbar und portierbar. Für technische Käufer ist die Bewertung zweigleisig – Unit Economics, die Experimente belohnen, und eine Datenpolitik, die im Moment der Wahl sichtbar ist, statt in einer einmaligen Nutzungsvereinbarung versteckt zu sein.