Mistral AI、軽量安全分類モデル Shieldstral-1.0-3B を公開──自然言語の安全ポリシー適応とマルチモーダル対応
3Bパラメータ規模の軽量なマルチモーダル安全分類器であり、推論時に自然言語でポリシーを与えて再学習なしでガードレールを動的変更できる。
リリース: 2026-07-28 · 読了 3 分記事の要約
1. 核心（What）
- Mistral AI は、テキストおよび画像入力を評価する 3B パラメータのポリシー適応型マルチモーダル安全分類モデル Shieldstral-1.0-3B を発表した。
- モデルのベースには Ministral-3-3B-Base-2512 とネイティブの Pixtral ビジョンエンコーダを採用している。
- 推論時は単一の順方向パス（forward pass）により「yes」または「no」の単一トークンを出力し、ログプロバビリティから連続的な安全スコアを算出する。
- 対応言語には英語、日本語、フランス語、中国語など 12 言語が含まれている。
2. 影響（Why）
- 再学習コストの削減: 新たな安全ポリシーを追加するたびにモデルを再学習・ファインチューニングする必要がなくなり、プロンプトの指示だけでモデレーション基準を切り替えられる。
- インフラコストの低減: 3B という軽量なパラメータ数により、単一の GPU（16GB VRAM）で動作するため、大規模な商用ガードレール API に依存した運用コストを大幅に抑制できる。
3. 根拠・詳細（How）
- vLLM を用いたローカルサービング: vLLM（バージョン 0.26.0 以降）および mistral_common（バージョン 1.11.5 以降）を組み合わせ、最大 32k コンテキストでローカルサーバーを構築可能。
- 連続スコア算出の仕組み: max_tokens=1 かつ logprobs=True の設定で chat エンドポイントを呼び出し、生成された最初の位置における「yes」と「no」のロジットからソフトマックスにより安全スコアを導出する。
4. 展望・課題（Next）
- 実践的な検証範囲: 理論上は 256k トークンのコンテキストをサポートするが、公式には学習範囲である 32k トークン以内で運用することが推奨されている。