Mistral AI presenta Shieldstral 1.0 3B: clasificador de seguridad multimodal con pesos abiertos que supera a modelos siete veces más grandes

Mistral AI ha lanzado Shieldstral 1.0 3B, un clasificador de seguridad multimodal de pesos abiertos y adaptable a políticas, que trata la moderación de contenido como una única pregunta de sí o no, en lugar de una taxonomía fija de categorías de daño. A diferencia de la mayoría de los modelos de protección que incorporan categorías de daño en sus pesos, Shieldstral permite a los operadores escribir la política como una pregunta en lenguaje natural en el momento de la inferencia, devolviendo una puntuación de seguridad calibrada a partir de una única pasada hacia adelante. Construido sobre Ministral-3-3B-Base-2512 con un codificador visual nativo de Pixtral y publicado bajo Apache 2.0, reporta un F1 medio del 84,9% en seguridad de texto, igualando a GPT-OSS-Safeguard-20B, y un 83,8% en seguridad multimodal, superando a todos los sistemas de referencia evaluados por Mistral. El modelo cabe en 16 GB de VRAM en BF16, se ejecuta en una sola GPU y es compatible con vLLM, llama.cpp, SGLang y Transformers. Sus datos de entrenamiento incluyen aproximadamente 54,1 millones de muestras, con generación contrastiva que crea ejemplos negativos difíciles para enseñar violaciones específicas de políticas. Entre sus puntos débiles se incluyen un rendimiento inferior en idiomas con pocos recursos como el árabe y el indonesio, así como una menor fiabilidad con entradas adversariales u ofuscadas y documentos muy largos.