Mistral AI 發布 Shieldstral：用 3B 規格實現政策自適應的安全分類器
為何重要
Shieldstral 標誌著微調與合成資料在安全防禦領域的成功應用，證明小型模型能透過特定訓練策略彌補規模差距。對產業開發者而言，這大幅降低了部署邊緣或小型部署環境下安全攔截技術的門檻，不再受制於昂貴的專屬硬體。同時，它重新定義了防護模型的部署樣態，讓安全攔截變得更輕量且具備情境適應性。
Mistral AI 發布名為 Shieldstral 的多模態安全攔截模型，主打以極低規格達成高品質內容審核，解決傳統模型需預設固定類別且重新訓練才能適配新政策的痛點。
- 規格：3B 引數的開源權重（Apache 2.0），效率極高，可在單一 16GB NVIDIA GPU 上執行。
- 效能：在文字安全和多模態審核基準上，表現超越規模大 7 倍的現有模型。
- 機制：將內容審核框架化為 policy-adaptive 的問答任務，允許開發者以自然語言政策修改判斷標準，無需重新訓練。