Forge 重新定義了 Bolt 內的應用程式建構計算方式：它是一個僅運行開放模型的代理——預設為 GLM 5.3 Flash，並搭配 GLM 5.3，還有實驗性的 Kimi K3 和 DeepSeek v4 Pro——在啟動期間為個別專業方案提供高達 50 倍的使用量。在 Bolt 的建構指數中，這些模型合計得分為 92.2，相較於頂尖付費模型的 101 分，約有九分的性能差異。這個賭注是草稿階段受限於代幣經濟，而非人才。使用 Forge，您可以無每日限制地進行更多頭腦風暴、搭建框架和修正，然後在每個輸出必須一次成功時，切換回 Standard 或 Max 以進行生產級潤飾。

Forge 背後的經濟學與模型同樣重要。AI 推理成本大幅下降，Bolt 結合預留容量與 WebContainers，消除每次請求的加價與伺服器擴散。此架構支援單一月度使用量上限，硬性停止於 100%——無每日節流，無意外超額。對於小型企業和獨立建構者，這創造了探索架構、測試整合與迭代使用者介面流程的空間，這些過去會消耗高額點數。這是實用的職責分離：將開放模型配額用於發散思考與程式碼變動；將付費模型點數保留給收斂任務、品質把關與延遲關鍵的使用者流程。

Forge 有意被定位為實驗性質。切換前應複製專案，複雜的生產工作負載應保留在 Standard 或 Max。模型選擇很重要：Kimi K3 和 DeepSeek v4 Pro 的配額消耗速度比 GLM 兩款快，因此建議從預設開始，並根據推理或程式碼修復需求有選擇地升級。目前限制包括無法上傳 PDF 以及在大量重構迴圈下開放模型的變異性。即使有這些限制，對於搭建儀表板、連接 CRUD 端點或執行快速修正測試迴圈，當主要成本是迭代時間而非單次答案品質時，其價值仍然非常吸引人。

治理機制明確。訓練僅在您進入 Forge 時選擇加入；在資料離開 Bolt 基礎設施前，秘密與個人識別資訊會被剝除，且團隊與企業工作區不包含在內。共享的會話透過 Arcee AI 支援開放權重訓練，且權重會公開。這形成一個良性循環：建構者今天獲得慷慨的草稿容量，明天他們協助改進的模型仍可被檢視與攜帶。對技術買家而言，評估視角有兩個面向——獎勵實驗的單位經濟，以及在選擇時即能看見的資料政策，而非埋藏於一次性條款接受中。