Mistral lanza Shieldstral, clasificador de seguridad 3B igualando modelos 7x más grandes en moderación multimodal

Mistral lanzó Shieldstral el 4 de agosto de 2026, un clasificador de seguridad multimodal de código abierto de 3B bajo Apache 2.0 que iguala o supera modelos hasta 7x su tamaño en seguridad de texto, detección de rechazo y adaptabilidad de políticas. A diferencia de los modelos de guardias tradicionales que codifican una taxonomía fija durante el entrenamiento, Shieldstral acepta políticas de seguridad en lenguaje natural en tiempo de inferencia, haciendo que un único checkpoint se adapte a nuevas reglas de moderación sin reentrenamiento. El modelo se ejecuta en un único GPU NVIDIA de 16GB y unifica clasificación de prompts, moderación de respuestas, detección de rechazo y detección de toxicidad en una tarea de pregunta-respuesta binaria.

Shieldstral toma tres entradas en inferencia: un campo <Instruct> estableciendo contexto de evaluación y rigor, un campo <Query> con una pregunta de seguridad sí/no (p. ej., '¿Este contenido promueve violencia?'), y un campo <Document> conteniendo el contenido a juzgar (texto, imagen o texto+imagen). El modelo produce solo los logits sí/no, que se normalizan por softmax en un puntaje de seguridad continuo calibrado. Mistral entrenó en 54,1M muestras de datos públicos y sintéticos con taxonomías divergentes, utilizando fine-tuning LoRA en Ministral-3B-Base-2512. Logra un F1 promedio de 84,9% en benchmarks de seguridad y resultados multimodales de última generación, con limitaciones documentadas en cobertura de idiomas árabe e indonesio.

Para constructores de infraestructura desplegando moderación: la inyección de políticas en tiempo de inferencia de Shieldstral es una victoria estructural para sistemas multi-inquilino o de conmutación de contexto. Los modelos de taxonomía fija tradicionales fuerzan reentrenamiento por dominio; el enfoque basado en prompts de Mistral significa que los equipos pueden entregar diferentes posturas de seguridad a diferentes públicos sin proliferación de modelos. Esto es relevante para cualquier producto moderando salidas de LLM, imágenes o contenido generado por usuarios a escala, donde la desviación de políticas ocurre más rápido que ciclos de reentrenamiento. Shieldstral es el tercer modelo de moderación de Mistral, pero el primero lanzado como código abierto—señalando un desplazamiento de fosos de API propietarios hacia la construcción de ecosistema en seguridad de contenido.