AI 程式開發工具
Bolt Forge 以 50 倍代理額度交換除密後的程式修復軌跡
Bolt.new 的研究預覽以 GLM、Kimi 與 DeepSeek 開放權重模型執行建站代理，並把使用者主動加入的提示、程式碼及錯誤修復序列交給 Arcee AI 訓練。方案清楚呈現「運算換資料」模式，但自行公布的 91% 基準成績及除密效果仍待外部驗證。
Bolt.new 9 月 14 日推出 Forge。它不是新的單一模型，而是平台代理的第三種執行模式：預設使用 GLM 5.3 Flash，也提供 GLM 5.3，以及實驗性的 Kimi K3、DeepSeek v4 Pro。個人 Pro 用戶在 10 月 14 日前可取得最高 50 倍 Forge 額度，代價是每次切入 Forge 時主動同意分享該次建置工作階段。
資料不只包含最終程式碼。Bolt 表示會收集提示、編輯、執行錯誤、重試與修復軌跡，先在自家基礎設施移除秘密、個人資訊並匿名化，再依資料處理協議交給 Arcee AI。這類逐步軌跡比公開儲存庫更能呈現代理如何從失敗走到可運行版本，將用於 10 月開始的首輪訓練；雙方目標是訓練兆參數級開放權重模型。
成本結構同樣具技術意義。Forge 使用 Bolt 預留的推論硬體，而專案執行則留在瀏覽器內的 WebContainers，避免為每次建置另租伺服器。不同模型消耗額度的速度並不一致，Kimi K3 與 DeepSeek v4 Pro 比 GLM 選項更快用完配額。Forge 額度用盡後會回到 Standard，不會自動產生超額費用；Teams 與 Enterprise 工作區則完全排除在此資料計畫之外。
Bolt 的 Build Index 顯示 Forge 模型組合取得 92.2 分，約為最高付費模型 101.0 分的 91%。但這是平台自有基準，未公開完整題目、變異或各模型拆分結果，不能直接推論為生產環境品質相差九個百分點。更重要的風險是除密：即使過濾器以植入式測試資料驗證，程式碼仍可能藉商業邏輯、資料結構或註解洩漏組織資訊；而已進入訓練的資料無法再從模型權重移除。接下來應觀察資料保留期限、模型授權、訓練集稽核與獨立基準是否公開。