Mistral AI发布Shieldstral：3B小模型重构AI安全审核范式

AI 摘要

Mistral AI 于2026年8月4日发布Shieldstral，一款3B参数的多模态安全分类器，支持通过自然语言自定义审核规则，统一审核文本、图片及图文混合内容。该模型采用三层设计，将审核任务转化为Yes/No判断，通过对比式训练和合成数据提升规则匹配能力，在多个基准上超越更大参数模型。Shieldstral降低了部署门槛，展示了小模型在垂直场景中的潜力。

正文节选

0 作者丨樊天骄 编辑丨郑佳美 2026 年 8 月 4 日，法国大模型厂商 Mistral AI 正式发布 Shieldstral，一款 3B 级规则自适应多模态安全分类器，可通过统一接口审核文本、图片以及图文混合内容。 与依赖固定风险标签的传统安全模型不同，Shieldstral 支持在推理阶段通过自然语言输入自定义审核规则，从而根据不同业务场景调整审核标准。 它围绕三层设计重构了安全审核流程：将不同审核任务统一为 Yes/No 判断题，通过对比式训练让模型学习具体的规则匹配关系，再将文本理解、视觉理解和规则适应能力整合到同一个轻量级模型中。 在多个文本和多模态安全基准上，Shieldstral 甚至取得了接近甚至超过部分参数量更大模型的结果，同时保持较低的部署门槛。 因此，本文将从任务建模、训练数据构造、视觉能力扩展和模型融合等方面，拆解这套方案的技术逻辑。 01 传统安全模型通常采用固定分类方式：开发者预先设定暴力、色情、仇恨等风险类别，再使用相应的标注数据训练模型。模型上线后，主要负责判断待审内容是否命中这些预设类别。 但企业真正需要判断的往往不是这个内容属于什么类别，而是按

发布时间：2026-08-17 17:02

抓取时间：2026-08-17 19:21

来源机构：雷峰网