Shieldstral 1.0 3B의 개요
Shieldstral 1.0 3B는 Mistral AI의 콘텐츠 안전 분류기입니다. 2026년 8월 4일 오픈 가중치로 공개됐으며, Mistral이 NVIDIA 등과 함께 세운 Open Secure AI Alliance의 첫 결과물입니다. 고정된 유해 범주 목록 대신, 실행 시점에 사용자가 설명한 정책에 비춰 콘텐츠를 검사합니다. 예 또는 아니오로 답하는 질문 하나와 맥락 및 엄격도를 정하는 지시문 하나를 쓰면, 보정된 안전 점수 하나를 돌려줍니다.
프롬프트, 모델 응답, 또는 둘을 함께 텍스트와 이미지로 검사할 수 있습니다. Ministral 3 3B 베이스 모델에 Mistral의 Pixtral 비전 인코더를 얹어 만들었고, 약 5,400만 개의 예시로 학습했습니다. BF16에서 비디오 메모리 16 GB에 들어가며 vLLM, llama.cpp, SGLang, Transformers에서 돌아가고, Axolotl로 파인튜닝할 수 있습니다.
가중치는 Apache 2.0이며, Hugging Face에서 Mistral 약관 동의 후 받을 수 있습니다. 호스팅 API 가격은 없고 직접 실행해야 합니다.
Shieldstral 1.0 3B의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| Weights | Free | Apache 2.0, 승인제 다운로드 |
| Self-hosted | Free | BF16 기준 16 GB GPU 한 장 |
Apache 2.0의 무료 오픈 가중치이며 Hugging Face에서 승인 후 내려받습니다. 자체 호스팅만 가능하고, BF16 기준 16 GB GPU 한 장으로 돌아갑니다.
Shieldstral 1.0 3B, 쓸 만한 가치가 있습니까?
Shieldstral은 모더레이션 모델의 실제 문제인 고정 범주를 해결합니다. 대부분의 가드 모델은 정해진 유해 목록으로 학습되므로, 새 정책이 생기면 재학습하거나 불일치를 감수해야 합니다. Shieldstral은 정책을 실행 시점에 평이한 말로 입력받습니다. 그래서 팀은 모델을 건드리지 않고 "no medical dosing advice"나 "no competitor pricing" 같은 규칙을 추가할 수 있습니다.
Mistral의 수치는 크기에 비해 강합니다. 텍스트 안전에서 평균 F1 84.9%를 기록해, 약 일곱 배 큰 OpenAI의 GPT-OSS-Safeguard-20B와 같았다고 밝혔습니다. 이미지와 텍스트를 함께 보는 안전 검사에서는 83.8%로 OmniGuard-7B의 77.6%를 앞섰습니다. 적응력을 확인하려고 일부러 다른 유해 범주로 만든 테스트에서는 F1 91.3%였습니다. 거부 응답을 찾아내는 데서는 GPT-OSS-Safeguard-20B에 조금 뒤져 91.5% 대 93.7%입니다. 모두 Mistral의 수치이며, 기술 보고서는 arXiv에 있습니다.
실무상의 비용은 처리량입니다. 정책마다 별도 질의이므로, 메시지 하나를 정책 열 개에 비춰 보려면 패스가 열 번 필요합니다. 3B 파라미터라 패스 한 번은 저렴하고 16 GB GPU 한 장으로 돌아가지만, 규칙이 많은 팀은 배치로 묶거나 규칙을 그룹으로 합쳐야 합니다.
이 모델은 분류기이지 완성된 가드레일 제품이 아닙니다. 주변 파이프라인, 로깅, 이의 제기 절차는 여전히 따로 필요합니다. 모더레이션용 오픈 자체 호스팅 구성 요소로서는 손꼽히는 선택지입니다.
제 역할을 하는 곳
자체 등록 규칙이 있는 마켓플레이스
상품 등록 글과 사진을 사내 정책에 비춰 검사
규칙마다 예 또는 아니오 질문으로 쓰고 등록 글의 텍스트와 이미지에 Shieldstral을 돌립니다. 관련 규칙을 정책 하나로 묶으면 패스 수를 줄일 수 있습니다.
고객용 챗봇을 출시하는 팀
모델 응답이 사용자에게 가기 전에 검사
지원 정책을 지시문으로 삼아 프롬프트와 응답 쌍에 Shieldstral을 돌리고, 안전 점수가 기준선을 넘는 응답은 막거나 상위 단계로 넘깁니다.
데이터가 사내망 밖으로 나갈 수 없는 회사
콘텐츠 모더레이션을 전부 온프레미스에서 처리
16 GB GPU 한 장에서 vLLM 0.26+ 또는 llama.cpp의 GGUF 빌드로 3B 모델을 서빙합니다. 어떤 콘텐츠도 서드파티 API로 나가지 않습니다.
도입 전 확인할 점
- 설정
- Hugging Face에서 Mistral 약관에 동의하고 mistralai/Shieldstral-1.0-3B를 내려받은 뒤 vLLM 0.26+, SGLang, Transformers 또는 GGUF 빌드로 서빙합니다. 정책마다 질문 하나와 지시문 하나로 작성합니다.
- 연동
- vLLM, llama.cpp, SGLang, Transformers. Axolotl로 파인튜닝. NVIDIA와 함께하는 Open Secure AI Alliance의 일부입니다.
- 데이터와 개인정보
- 자체 호스팅만 가능하므로 콘텐츠는 자기 하드웨어에 머뭅니다. Apache 2.0은 상업적 이용을 허용하며, 다운로드는 Mistral 약관 동의가 필요합니다.
- 대규모 사용 시 비용
- API 요금은 없습니다. BF16 기준 16 GB GPU 한 장으로 돌아갑니다. 정책 검사 하나하나가 별도의 짧은 추론이므로 비용은 메시지 수 곱하기 정책 수로 늘어납니다.
- 제한
- 정책 질의 하나당 안전 점수 하나를 출력합니다. 약 5,400만 개의 예시로 학습했으며, 다국어 지원 범위는 분명히 명시되지 않았습니다.
좋은 점
- 실행 시점에 평이한 말로 정책 작성, 재학습 불필요
- Mistral에 따르면 텍스트 안전 F1 84.9%로 20B 모델과 대등
- 텍스트와 이미지, 프롬프트와 응답을 모두 검사
- Apache 2.0, 16 GB GPU 한 장에서 실행
아쉬운 점
- 정책마다 질의가 하나씩 들어 처리량이 줄어듦
- 벤치마크는 Mistral 자체 수치
- Mistral 약관 동의가 필요한 승인제 다운로드
- 지원 언어 범위가 분명히 밝혀지지 않음
추천 대상
모델을 재학습하지 않고 텍스트와 이미지에 자체 정책을 적용해야 하는, 자체 모더레이션이나 가드레일 계층을 만드는 팀.
Shieldstral 1.0 3B 대안
Shieldstral 1.0 3B: 자주 묻는 질문
- Shieldstral 1.0 3B, 쓸 만한 가치가 있습니까?
- 재학습 없이 자체 규칙에 맞춰 쓸 수 있는 작은 오픈 모더레이션 모델로, Mistral의 테스트에서 20B 경쟁 모델과 대등합니다. 다만 정책이 하나 늘 때마다 패스도 하나 늘어납니다. 평점은 5점 만점에 4.2점입니다.
- Shieldstral 1.0 3B의 가격은 얼마입니까?
- Apache 2.0의 무료 오픈 가중치이며 Hugging Face에 서 승인 후 내려받습니다. 자체 호스팅만 가능하고, BF16 기준 16 GB GPU 한 장으로 돌아갑니다.
- Shieldstral 1.0 3B의 단점은 무엇입니까?
- 정책마다 질의가 하나씩 들어 처리량이 줄어듦; 벤치마크는 Mistral 자체 수치; Mistral 약관 동의가 필요한 승인제 다운로드; 지원 언어 범위가 분명히 밝혀지지 않음.
- Shieldstral 1.0 3B에 적합한 사람은 누구입니까?
- 모델을 재학습하지 않고 텍스트와 이미지에 자체 정책을 적용해야 하는, 자체 모더레이션이나 가드레일 계층을 만드는 팀.
- 팀이나 프로덕션 환경에서 Shieldstral 1.0 3B의 비용은 얼마입니까?
- API 요금은 없습니다. BF16 기준 16 GB GPU 한 장으로 돌아갑니다. 정책 검사 하나하나가 별도의 짧은 추론이므로 비용은 메시지 수 곱하기 정책 수로 늘어납니다.
- Shieldstral 1.0 3B에 회사 데이터를 맡겨도 안전합니까?
- 자체 호스팅만 가능하므로 콘텐츠는 자기 하드웨어에 머뭅니다. Apache 2.0은 상업적 이용을 허용하며, 다운로드는 Mistral 약관 동의가 필요합니다.
- Shieldstral 1.0 3B의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 GLiNER2.5-Decide, Perplexity Decider (pplx-decider) 및 Jev입니다.
답변 확인일: 2026년 10월 25일.
Shieldstral 1.0 3B 개발사입니까? 이 평점을 사이트에 표시하십시오
