OmniTools 8月4日消息，Mistral AI于2026年8月4日正式发布开源多模态安全分类器Shieldstral。该模型参数量为3B，采用Apache 2.0许可证，支持文本与图像内容的安全评估，无需重新训练即可通过自然语言策略指令实时适配不同应用场景。
Shieldstral将内容审核建模为二元问答任务，接收三部分输入：评估上下文（<Instruct>）、具体安全问题（<Query>，如“该内容是否宣扬暴力？”）及待审内容（<Document>），单次前向传播即可输出校准后的连续安全分值。其在文本安全、拒绝检测、策略适应性及多模态安全等基准测试中，性能媲美或超越参数量高达7倍的同类开源守门模型。
该模型可在单张16GB NVIDIA GPU上高效运行，训练数据融合多种异构来源，并通过LoRA微调与SLERP权重合并技术整合多目标能力。Mistral表示，Shieldstral是其加入Open Secure AI Alliance后的首个开源安全模型，旨在推动上下文自适应的内容审核范式演进。
