2026年8月，Mistral AI发布了Shieldstral，一款仅30亿参数（3B）的多模态AI安全审核模型。它能同时审核文本、图片及图文内容，表现媲美甚至超越大参数模型（如文本审核HarmBench得分高达99.4%）。

传统审核模型依赖固定的“违规标签”，规则一变就得重新训练。Shieldstral颠覆了这一刻板模式，将审核变为简单的“Yes/No”判断题。只需输入“自然语言规则+待审内容”，模型即可判断是否违规。企业能随时用大白话灵活调整审核标准，免去了重新训练的烦恼。

为防止模型“走捷径”死记硬背，团队采用了对比式训练：面对同一内容，问“是否非法拘禁”答Yes，问“是否身体伤害”则答No。配合440万条合成数据，模型真正学会了精准理解细粒度规则。

针对违规图片稀缺的痛点，团队设计了2000多种提问方式（含反向提问），并结合大量安全图片构建了450万条多模态数据，让模型练就识图的“火眼金睛”。

总之，Shieldstral用“小身板”扛起了大重任，以轻量灵活的设计大幅降低了AI安全审核的部署与运维成本，展现了小参数模型在垂直领域的巨大潜力。