Mistral AI 發布 3B 開放權重多模態安全分類器 Shieldstral，效能超越 7 倍大模型

據報導，Mistral AI 正式發布 3B 參數的開放權重（open-weights）多模態安全分類器 Shieldstral，可透過統一介面審核文本、圖片及圖文混合內容。該模型打破傳統固定風險標籤的限制，支援在推論階段輸入自然語言自訂審核規則，將任務轉化為由 <Instruct>（審核場景與尺度）、<Query>（具體問題）與 <Document>（待審內容）組成的 Yes/No 判斷題，並輸出 0 至 1 的連續分數供業務端設定閾值。訓練階段採用對比式訓練，建立包含 11 個上層與 73 個葉子類別的體系，並生成約 440 萬條合成對比文本樣本，使其在細粒度規則驗證集上的 F1 分數從 61.1% 提升至 84.4%。視覺方面，團隊針對風險類別生成約 2000 種不同措辭的審核問題（含 30% 反向問法），並結合違規、乾淨與通用圖像，經視覺語言重排序模型過濾後，構建約 450 萬條多模態訓練資料。評測結果顯示，Shieldstral 效能可超越體積達 7 倍的模型；在文本提示詞審核 HarmBench 測試中 F1 達 99.4%，優於 GPT-OSS-Safeguard-20B 與 LlamaGuard-4-12B；WildGuardTest F1 達 88.1%。在多模態場景 VLGuard 基準測試中，F1 達 97.7% 位列榜首，大幅領先 OmniGuard-7B 與 LlavaGuard-7B；UnsafeBench F1 則達 81.8%，領先第二名近 10 個百分點。