Mistral Shieldstral: Offenes 3B-Sicherheitsmodell schlägt siebenmal grössere Guard-Modelle
Mistral hat Shieldstral veröffentlicht: einen offenen Sicherheits-Classifier mit nur 3 Milliarden Parametern, der Texte und Bilder moderiert. Die Regeln bekommt das Modell als Klartext-Frage zur Laufzeit — laut Mistral erreicht oder übertrifft es damit Guard-Modelle bis zu siebenfacher Grösse und läuft auf einer einzigen 16-GB-Grafikkarte.
Pascal Eugster
GRÜNDER & ENTWICKLER
5. AUGUST 2026
2 MIN. LESEZEIT
INHALT
INHALT
in
PARTNER · INOO GMBH
Wie viel KI verträgt dein Betrieb? In 30 Minuten Klartext.
Kostenloses Erstgespräch — herstellerneutral, direkt aus dem Rheintal.
Gespräch buchen →
DAS WICHTIGSTE IN KÜRZE
Mit Shieldstral gibt es erstmals einen frei nutzbaren Moderations-Wächter, dessen Regeln du per Klartext-Frage anpasst statt per Neutraining — klein genug für eine einzelne Grafikkarte im eigenen Serverraum. Die Benchmark-Werte stammen allerdings aus Mistrals eigenen Messungen.
Mistral hat am 4. August 2026 Shieldstral veröffentlicht — einen offenen Sicherheits-Classifier mit nur 3 Milliarden Parametern, der Texte und Bilder auf Regelverstösse prüft. Der Clou: Die Moderationsregeln werden dem Modell zur Laufzeit als Klartext-Frage mitgegeben statt fest eintrainiert. Laut Mistral erreicht oder übertrifft Shieldstral damit offene Guard-Modelle bis zu siebenfacher Grösse — und läuft auf einer einzelnen Grafikkarte mit 16 GB Speicher. Die Gewichte stehen unter Apache-2.0-Lizenz frei zum Download, auch für kommerzielle Nutzung.
Die Policy steckt im Prompt, nicht im Modell
Klassische Guard-Modelle (Wächter-KIs, die Ein- und Ausgaben anderer Modelle auf schädliche Inhalte filtern) haben einen festen Katalog von Schadenskategorien eintrainiert — wer andere Regeln braucht, muss neu trainieren. Shieldstral dreht das um: Du formulierst deine Policy als Ja/Nein-Frage, etwa «Verherrlicht dieser Inhalt Gewalt?», und das Modell antwortet mit einem einzigen Token. Aus den Wahrscheinlichkeiten für «yes» und «no» entsteht ein kalibrierter Risiko-Score zwischen 0 und 1, den du je nach Anwendung streng oder locker auslegen kannst. Ein einziger Checkpoint deckt Text, Bilder und Kombinationen ab und versteht zwölf Sprachen — darunter Deutsch, Französisch und Italienisch.
Drei Milliarden Parameter gegen zwanzig
Die Benchmark-Werte stammen aus Mistrals eigenen Messungen — mit publiziertem Tech-Report auf arXiv, laut dem rund Trainingsbeispiele in das Modell flossen. Auf dem Prompt-Moderations-Test ToxicChat meldet Mistral F1-Score — gegenüber 79,8 Prozent für OpenAIs fast siebenmal grösseres GPT-OSS-Safeguard-20B. Bei der Bild-Moderation beansprucht das Paper gar einen neuen Bestwert: 97,7 Prozent auf VLGuard, fast 10 Punkte vor dem nächstbesten offenen Modell. Unabhängige Nachmessungen stehen noch aus — dank offener Gewichte kann sie aber jede Firma selbst durchführen.
