Forge는 Bolt 내 앱 개발 방식을 재정의합니다: GLM 5.3 Flash를 기본으로, GLM 5.3, 실험적 Kimi K3 및 DeepSeek v4 Pro를 포함한 오픈 모델만 실행하는 에이전트로, 출시 기간 동안 개별 프로 플랜에 최대 50배 더 많은 사용량을 제공합니다. Bolt의 빌드 지수에서 이 모델들은 상위 유료 모델 101점에 비해 92.2점을 기록하며 약 9포인트의 성능 차이를 보입니다. 핵심은 초안 작성 단계가 재능이 아닌 토큰 경제에 의해 제한된다는 점입니다. Forge를 사용하면 일일 제한 없이 더 많이 아이디어를 내고, 구조를 잡고, 수정할 수 있으며, 모든 출력물이 첫 시도에 완벽해야 하는 경우에는 다시 Standard 또는 Max로 전환해 생산 품질을 다듬을 수 있습니다.
Forge의 경제성도 모델만큼 중요합니다. AI 추론 비용이 크게 하락했고, Bolt는 예약 용량과 WebContainers를 결합해 요청별 마크업과 서버 과다 확장을 제거했습니다. 이 구조는 일일 제한 없이 100%에서 단단히 멈추는 단일 월간 사용량 바를 지원합니다. 소규모 기업과 개인 개발자에게는 이전에 프리미엄 크레딧을 소모하던 아키텍처 탐색, 통합 테스트, UI 흐름 반복에 여유를 제공합니다. 이는 실용적인 역할 분담으로, 오픈 모델 할당량은 발산적 사고와 코드 변경에, 유료 모델 크레딧은 수렴적 작업, 품질 검증, 지연 시간에 민감한 사용자 흐름에 사용하도록 설계되었습니다.
Forge는 의도적으로 실험적 위치에 있습니다. 전환 전에 프로젝트를 복제해야 하며, 복잡한 생산 작업은 Standard 또는 Max에 남겨두는 것이 좋습니다. 모델 선택이 중요합니다: Kimi K3와 DeepSeek v4 Pro는 GLM 쌍보다 할당량을 더 빨리 소모하므로 기본값에서 시작해 추론이나 코드 수리 작업이 필요할 때만 선택적으로 확장하세요. 현재 제약 사항으로는 PDF 업로드 불가와 무거운 리팩터링 루프에서의 오픈 모델 변동성이 있습니다. 이러한 한계에도 불구하고, 대시보드 구조화, CRUD 엔드포인트 연결, 빠른 수정-테스트 사이클 실행에 있어 반복 시간 비용이 가장 큰 상황에서 매우 매력적인 가치가 있습니다.
거버넌스는 명확합니다. Forge 진입 시 옵트인할 때만 학습이 이루어지며, 비밀 정보와 개인 식별자는 Bolt 인프라를 떠나기 전에 제거됩니다. 팀 및 엔터프라이즈 작업 공간은 제외됩니다. 공유 세션은 Arcee AI를 통한 오픈 가중치 학습에 활용되며, 가중치는 공개됩니다. 이는 선순환을 만듭니다: 빌더는 오늘 넉넉한 초안 작성 용량을 얻고, 그들이 개선에 기여한 모델은 내일도 투명하고 이식 가능하게 유지됩니다. 기술 구매자에게는 실험을 장려하는 단위 경제와 선택 시점에 명확히 드러나는 데이터 정책이라는 두 가지 평가 기준이 있습니다.