Shieldstral 1.0 3Bとは？
Shieldstral 1.0 3Bは、Mistral AIのコンテンツ安全性の分類モデルで、MistralがNVIDIAなどと設立したOpen Secure AI Allianceの最初のリリースとして、2026年8月4日に オープンウェイトで公開されました。固定された有害カテゴリーの一覧ではなく、実行時に記述したポリシーに照らしてコンテンツを確認します。yes/noの質問と、文脈と厳しさを定める指示を書くと、較正された安全性スコアを1つ返します。
プロンプト、モデルの応答、またはその両方を、テキストと画像で確認できます。Ministral 3 3Bのベースモデルに、MistralのPixtral画像エンコーダーを組み合わせており、約5,400万（54 million）件の例で学習されています。BF16で16 GBのビデオメモリに収まり、vLLM、llama.cpp、SGLang、Transformersで動き、Axolotlでファインチューンできます。
重みはApache 2.0で、Hugging FaceではMistralの規約への同意が必要なゲート付きです。ホスト型APIの価格はなく、自分で動かします。
Shieldstral 1.0 3Bの料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| Weights | Free | Apache 2.0、ゲート付きダウンロード |
| Self-hosted | Free | BF16で16 GBのGPU 1枚 |
重みはApache 2.0で無料、Hugging Faceではゲート付きです。セルフホストのみで、BF16なら16 GBのGPU 1枚で動きます 。
Shieldstral 1.0 3Bは使う価値があるか？
Shieldstralは、モデレーションモデルの現実的な問題である固定カテゴリーを解決します。ほとんどのガードモデルは決められた有害事項の一覧で学習されているため、新しいポリシーには再学習が必要になるか、ずれを受け入れるしかありません。Shieldstralは実行時にポリシーを平易な言葉の入力として受け取るので、チームはモデルに手を加えずに「医薬品の用量についての助言をしない」や「競合の価格に触れない」を追加できます。
Mistralの数値は、このサイズとしては強力です。テキストの安全性で平均F1が84.9%と、約7倍の大きさのOpenAIのGPT-OSS-Safeguard-20Bと並び、画像とテキストの安全性では83.8%で、OmniGuard-7Bの77.6%を上回ると報告しています。適応の度合いを確かめるため意図的に異なる有害カテゴリーで作ったテストでは、F1が91.3%です。拒否の検出ではGPT-OSS-Safeguard-20Bをわずかに下回り、91.5%対93.7%です。これらはMistralの数値で、技術レポートがarXivにあります。
実用上のコストはスループットです。ポリシーごとに別々の問い合わせになるため、1つのメッセージを10のポリシーで確認すると10回の推論が必要です。3Bパラメータなので1回あたりは安く、16 GBのGPU 1枚で動きますが、ルールの多いチームはバッチ化するかまとめるべきです。
これは分類モデルであって、完全なガードレール製品ではありません。周辺のパイプライン、ログ記録、異議申し立ての仕組みは引き続き必要です。モデレーションのためのオープンでセルフホストできる部品としては、入手できる中で最良のものの1つです。
真価を発揮する場面
独自の出品ルールを持つマーケットプレイス
商品の出品と写真を自社のポリシーに照らして審査する
各ルールをyes/noの質問として書き、出品のテキストと画像にShieldstralを実行します。関連するルールを1つのポリシーにまとめれば、推論の回数を減らせます。
顧客向けのチャットボットを提供するチーム
モデルの返信がユーザーに届く前に確認する
サポートのポリシーを指示にして、プロンプトと応答のペアにShieldstralを実行し、安全性スコアがしきい値を超えた返信をブロックするかエスカレーションします。
データを社内ネットワークの外に出せない企業
コンテンツのモデレーションを完全にオンプレミスで行う
16 GBのGPU 1枚で、vLLM 0.26以降、またはllama.cppのGGUF版を使って3Bモデルを配信します。コンテンツが第三者のAPIに送られることはありません。
導入前に確認すること
- 導入
- Hugging FaceでMistralの規約に同意し、mistralai/Shieldstral-1.0-3Bをダウンロードして、vLLM 0.26以降、SGLang、Transformers、またはGGUF版で配信します。各ポリシーは質問と指示の組として書きます。
- 連携
- vLLM、llama.cpp、SGLang、Transformersに対応し、Axolotlでファインチューンできます。NVIDIAとのOpen Secure AI Allianceの一部です。
- データとプライバシー
- セルフホストのみなので、コンテンツは自社のハードウェアに留まります。Apache 2.0は商用利用を認めていますが、ダウンロードにはMistralの規約への同意が必要です。
- 大規模利用時のコスト
- APIの料金はありません。BF16で16 GBのGPU 1枚で動きます。ポリシーの確認は1つずつ別の短い推論なので、コストはメッセージ数とポリシー数の積に比例します。
- 制限
- ポリシーの問い合わせ1回につき安全性スコアを1つ出力します。約5,400万（54 million）件の例で学習されており、多言語対応の範囲は明確に示されていません。
良い点
- ポリシーは実行時に平易な言葉で記述。再学習は不要
- Mistralによると、テキストの安全性のF1は84.9%で20Bのモデルと並ぶ
- テキストと画像、プロンプトと応答を確認できる
- Apache 2.0。16 GBのGPU 1枚で動作
気になる点
- ポリシーごとに1回の問い合わせでスループットが下がる
- ベンチマークはMistral自身によるもの
- Mistralの規約への同意が必要なゲート付きダウンロード
- 対応言語が明確に示されていない
おすすめの人
独自のモデレーションやガードレールの層を作り、モデルを再学習せずにテキストと画像に独自のポリシーを適用する必要があるチーム。
Shieldstral 1.0 3Bの代替
Shieldstral 1.0 3B：よくある質問
- Shieldstral 1.0 3Bは使う価値があるか？
- 再学習なしで独自のルールに適応する小型のオープンなモデレーションモデルで、Mistralのテストでは20Bの競合と並びます。ポリシーを1つ増やすごとに推論が1回増えます。 評価は5点満点中4.2点です。
- Shieldstral 1.0 3Bの料金は？
- 重みはApache 2.0で無料、Hugging Faceではゲート付きです。セルフホストのみで、BF16なら16 GBのGPU 1枚で動きます。
- Shieldstral 1.0 3Bの欠点 は？
- ポリシーごとに1回の問い合わせでスループットが下がる; ベンチマークはMistral自身によるもの; Mistralの規約への同意が必要なゲート付きダウンロード; 対応言語が明確に示されていない.
- Shieldstral 1.0 3Bは誰に向いているか？
- 独自のモデレーションやガードレールの層を作り、モデルを再学習せずにテキストと画像に独自のポリシーを適用する必要があるチーム。
- チームや本番環境でShieldstral 1.0 3Bを使うと費用はいくらか？
- APIの料金はありません。BF16で16 GBのGPU 1枚で動きます。ポリシーの確認は1つずつ別の短い推論なので、コストはメッセージ数とポリシー数の積に比例します。
- Shieldstral 1.0 3Bは企業データを扱っても安全か？
- セルフホストのみなので、コンテンツは自社のハードウェアに留まります。Apache 2.0は商用利用を認めていますが、ダウンロードにはMistralの規約への同意が必要です。
- Shieldstral 1.0 3Bの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はGLiNER2.5-Decide, Perplexity Decider (pplx-decider) 、 Jevです。
回答確認日：2026年10月25日