Forge 重新定义了 Bolt 内的应用构建计算方式：它是一款仅运行开源模型的代理——默认使用 GLM 5.3 Flash，同时支持 GLM 5.3，以及实验性的 Kimi K3 和 DeepSeek v4 Pro——在发布期间为个人专业计划提供高达50倍的使用量。在 Bolt 的构建指数中，这些模型综合得分为92.2，而领先的付费模型为101，约有9分的性能差距。核心假设是，草稿阶段受限于令牌经济，而非人才。使用 Forge，您可以无每日限制地进行头脑风暴、搭建框架和修复，然后在每个输出都必须一次成功的生产阶段切换回 Standard 或 Max 以进行精细打磨。

Forge 背后的经济模型与模型本身同样重要。AI 推理成本大幅下降，Bolt 结合预留容量和 WebContainers，消除了每次请求的加价和服务器扩散。该架构支持单一的月度使用上限，达到100%即停止——无每日限速，无意外超额。对于小型企业和独立开发者，这为探索架构、测试集成和迭代用户界面流程创造了空间，这些流程此前消耗了大量高级积分。这是一种实用的关注点分离：将开源模型配额用于发散思维和代码变更；将付费模型积分保留给收敛任务、质量把控和延迟关键的用户流程。

Forge 被刻意定位为实验性质。切换前应复制项目，复杂的生产工作负载应继续使用 Standard 或 Max。模型选择很关键：Kimi K3 和 DeepSeek v4 Pro 的配额消耗速度快于 GLM 组合，因此建议从默认模型开始，针对推理或代码修复高峰时有选择地升级。当前限制包括不支持 PDF 上传，以及在频繁重构循环中常见的开源模型波动。即便如此，其在搭建仪表盘、连接 CRUD 端点或快速修复测试循环中展现的价值依然令人信服，此类场景中主要成本是迭代时间，而非单次答案质量。

治理机制明确。训练仅在您进入 Forge 时选择同意后进行；在数据离开 Bolt 基础设施前，所有秘密和个人身份信息均被剥离，且团队/企业工作区被排除在外。共享会话通过 Arcee AI 支持开源权重训练，权重公开发布。这形成了良性循环：开发者今天获得慷慨的草稿容量，明天他们帮助改进的模型依然可被检查和迁移。对于技术采购者，评估视角双重——奖励实验的单位经济，以及在选择时即可见的数据政策，而非埋藏在一次性条款接受中。