Forge redefine el cálculo para construir aplicaciones dentro de Bolt: es un agente que ejecuta únicamente modelos abiertos—GLM 5.3 Flash por defecto, GLM 5.3 junto a él, además de los experimentales Kimi K3 y DeepSeek v4 Pro—ofreciendo hasta 50× más uso para planes Pro individuales durante el lanzamiento. En el Índice de Construcción de Bolt, estos modelos suman 92.2 frente a 101 de un modelo de pago líder, un intercambio de rendimiento de aproximadamente nueve puntos. La apuesta es que la fase de borrador está limitada por la economía de tokens, no por el talento. Con Forge, puedes idear, estructurar y corregir más sin límites diarios, y luego cambiar a Standard o Max para pulir la producción cuando cada resultado debe acertar a la primera.

La economía detrás de Forge es tan importante como los modelos. Los costos de inferencia de IA han caído drásticamente, y Bolt combina capacidad reservada con WebContainers para eliminar recargos por solicitud y la expansión de servidores. Esa estructura soporta una única barra mensual de uso con un límite estricto al 100%—sin limitaciones diarias ni cargos sorpresa. Para pequeñas empresas y desarrolladores individuales, esto crea espacio para explorar arquitecturas, probar integraciones e iterar flujos de interfaz que antes consumían créditos premium. Es una separación práctica de responsabilidades: gasta la asignación de modelos abiertos en pensamiento divergente y cambios de código; reserva créditos de modelos pagos para tareas convergentes, control de calidad y flujos de usuario críticos en latencia.

Forge está intencionadamente posicionado como experimental. Los proyectos deben duplicarse antes de cambiar, y las cargas de trabajo complejas de producción deben mantenerse en Standard o Max. La elección del modelo importa: Kimi K3 y DeepSeek v4 Pro pueden consumir la asignación más rápido que el par GLM, así que comienza con los predeterminados y escala selectivamente para ráfagas de razonamiento o reparación de código. Las limitaciones actuales incluyen la ausencia de cargas PDF y la variabilidad habitual de modelos abiertos bajo ciclos intensos de refactorización. Aun con esos límites, el valor es convincente para estructurar paneles, conectar endpoints CRUD o ejecutar ciclos rápidos de corrección y prueba donde el costo dominante es el tiempo de iteración, no la calidad de la respuesta única.

La gobernanza es explícita. El entrenamiento ocurre solo cuando optas por ello al entrar a Forge; los secretos e identificadores personales se eliminan antes de que los datos salgan de la infraestructura de Bolt, y los espacios de trabajo Teams/Enterprise están excluidos. Las sesiones compartidas alimentan el entrenamiento de peso abierto vía Arcee AI, con pesos publicados. Esto crea un ciclo virtuoso: los desarrolladores obtienen capacidad generosa para el borrador hoy, y los modelos que ayudan a mejorar permanecen inspeccionables y portátiles mañana. Para compradores técnicos, la evaluación es doble: economía unitaria que premia la experimentación y una política de datos visible en el momento de la elección, no enterrada en una aceptación de términos única.