Mistralは2026年8月3日(現地時間)、オープンウェイトのマルチモーダル安全分類器「Shieldstral」を発表した。この3Bモデルは、コンテンツモデレーションをポリシー適応型の質問応答タスクとして扱うことで、最大7倍の規模のモデルを上回る性能を発揮する。従来のガードレールモデルとは異なり、再トレーニングなしで推論時に平易な言語のポリシーを受け入れ、テキストと画像の安全評価を統合する。
Shieldstralはコンテンツモデレーションをバイナリの質問応答タスクとして構築されている。各リクエストは評価コンテキストと厳格さ、任意で安全でないコンテンツの定義を含む「<Instruct>」、単一のイエス/ノー質問「<Query>」、そして判断対象のコンテンツ「<Document>」の3つの部分から構成される。
このアプローチにより、プロンプト分類、応答モデレーション、拒否検出、および毒性検出を単一の問題に統合する。ポリシーはプロンプト内に完全に記述されるため、単一のチェックポイントで新しいポリシーに適応できる。ShieldstralはApache 2.0ライセンスの下でオープンウェイトとしてリリースされており、単一の16GB NVIDIA GPUで効率的に動作する。
MistralはOpen Secure AI Allianceの初期メンバーとしてNVIDIAなどの組織と協力している。Shieldstralの開発は、トレーニング、アライメント、評価のための同社プラットフォームであるForge上でエンドツーエンドで行われた。今後は多言語対応、長文対応、広範なマルチモーダル安全性の強化を進めるとしている。
参考: mistral.ai (アーカイブ) — 2026年8月4日 09:00 (JST)
原文ハイライト"Shieldstral introduces a 3B open-weights multimodal safety classifier"