AI2026-08-06約8分で読めます

Shieldstral 1.0 3B 徹底解説

Mistral製オープンウェイト・マルチモーダル安全性審査モデル、VRAM16GB・Apache 2.0で商用利用可【2026年8月最速レビュー】

Shieldstral 1.0 3BはMistral AIが2026年8月4日に公開したApache 2.0のオープンウェイト・マルチモーダル安全性審査モデルだ。BF16推論時のVRAM目安は16GBで、テキストと画像を単一モデルで一括審査できる。入出力フォーマットと動かし方のポイントをまとめて解説する。

Mistral Requirements VRAM Open Weight LLM ローカルLLM セキュリティ

Shieldstral 1.0 3Bは、Mistral AIが2026年8月4日に公開したオープンウェイトのマルチモーダル安全性審査（コンテンツモデレーション）モデルだ。結論から言うと、BF16推論のVRAM目安は16GBでNVIDIA GPU1枚で動かせる規模、ライセンスはApache 2.0で商用利用・改変・再配布に制限がない。テキストと画像の両方を単一モデルで審査でき、モデレーションポリシーを推論時に自然言語で渡せる点が最大の特徴だ。Mistral Small 4の解説記事で扱ったMistral 3系ファミリーの中でも、安全性審査に特化した軽量モデルという位置づけになる。

必要スペック早見表

精度・量子化	想定VRAM目安	ディスク容量目安	想定用途
BF16（フル精度）	約16GB	約6GB（3Bパラメータ相当）	公式推奨構成。GPUサーバでの本番運用・評価
GGUF Q8_0	16GB未満（BF16よりやや軽量）	BF16よりやや小さい	精度重視の量子化運用
GGUF Q5_K_M	さらに軽量	さらに小さい	VRAMが限られる環境での運用
GGUF Q4_K_M	最も軽量な部類	最小構成の一つ	低スペックGPU・CPU寄りの検証用途

GGUF量子化版は公式に8種類（Q8_0 / Q5_K_M / Q4_K_M などを含む）が公開されている。個々の量子化パターンごとの具体的なVRAM実測値はMistral公式から明示されていないため、上表は精度と用途の一般的な対応関係として参考にしてほしい。まずはBF16のフル精度版を16GB級GPUで動かし、必要に応じて量子化版へ切り替えるのが安全な進め方だ。

Shieldstral とは — ポリシーを推論時に渡す設計

Shieldstral 1.0はパラメータ3B、バックボーンにMinistral-3-3B-Base-2512、視覚エンコーダにPixtral系を採用したマルチモーダルモデルだ。学習データは12言語・5,410万件のコントラスティブペアで構成され、コンテキスト長は学習時最大32kトークン、理論上は256kまで対応するとされる。

従来のガードモデルの多くは、あらかじめ定義された固定のカテゴリ（暴力・性的表現・ヘイトスピーチ等）に対して分類を行う設計で、モデレーション方針を変えるにはファインチューニングや新バージョンのリリースが必要になりがちだった。Shieldstralはこれとは逆に、モデレーション方針そのものを推論時のプロンプトで自然言語として渡す設計を取っている。そのため、社内ポリシーの改定やドメイン固有のルール追加があっても、モデルを再学習せずにプロンプト側の変更だけで対応できる。

何ができるか

- テキストのモデレーション: チャット入力・出力、投稿文などのテキストを単体で審査する。
- 画像のモデレーション: 画像単体を入力として、安全性に関する質問に回答させる。
- マルチモーダル審査: テキストと画像を同時に入力し、両者を踏まえた1つの判定を得る。
- 拒否応答（refusal）検出: LLMが生成した応答が「拒否」に該当するかどうかの判定にも利用できる。チャットボットの出力品質モニタリングに応用しやすい。

入出力フォーマット

入力は3要素の構造化プロンプトで構成される。<Instruct>にタスクの文脈と厳しさの指定、<Query>に安全性に関するYes/No形式の単一の質問、<Document>に判定対象（テキスト・画像・両方）を渡す。出力はyes/noトークンのlogprobsから導出される0〜1の連続スコアで、しきい値を切ることで二値判定として使う。

<Instruct>
あなたはコンテンツモデレーターです。厳格な基準で判定してください。

<Query>
このメッセージには暴力を助長する内容が含まれますか？

<Document>
（ここに審査対象のテキスト、または画像＋テキストを入れる）

動かし方

推論はvLLMが推奨されている。max_tokens: 1、logprobs: true、top_logprobs: 20を指定してリクエストし、レスポンスのlogprobsからyes/noトークンのスコアを取り出す。

# サーバ起動
vllm serve mistralai/Shieldstral-1.0-3B --dtype bfloat16

from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="EMPTY")

prompt = (
    "<Instruct>\nあなたはコンテンツモデレーターです。厳格な基準で判定してください。\n\n"
    "<Query>\nこのメッセージには暴力を助長する内容が含まれますか？\n\n"
    "<Document>\n（審査対象のテキスト）"
)

resp = client.chat.completions.create(
    model="mistralai/Shieldstral-1.0-3B",
    messages=[{"role": "user", "content": prompt}],
    max_tokens=1,
    logprobs=True,
    top_logprobs=20,
)

top_logprobs = resp.choices[0].logprobs.content[0].top_logprobs
# yes/no トークンの logprobs から 0〜1 のスコアを算出する

transformersで直接ロードする場合は、Mistral3ForConditionalGenerationとMistralCommonBackendの組み合わせをdtype=torch.bfloat16で使う。GPUメモリが限られる環境では、まずvLLM経由でのAPI利用から試すほうが構成がシンプルだ。

import torch
from transformers import Mistral3ForConditionalGeneration

model = Mistral3ForConditionalGeneration.from_pretrained(
    "mistralai/Shieldstral-1.0-3B",
    dtype=torch.bfloat16,
    device_map="auto",
)
# トークナイザには MistralCommonBackend を使用する

既存のガードモデル・アプローチとの違い

アプローチ	ポリシー変更への対応	対応モダリティ	実行方式	ライセンス／コスト
Shieldstral 1.0 3B	`<Instruct>`に自然言語でポリシーを渡す設計。プロンプト変更のみで対応可能	テキスト・画像・両方（refusal検出も対応）	自前ホスト（オープンウェイト）	Apache 2.0。自社のホスティングコストのみ
Llama Guard系	一般に固定的なカテゴリ分類が中心。方針の大幅な変更にはファインチューニングが前提になりやすい	モデルにより異なる（主にテキスト、画像対応版もある）	自前ホスト	Llama系ライセンス
ShieldGemma系	学習済みの安全性カテゴリに基づく判定が中心	主にテキスト	自前ホスト	Gemma利用規約
クラウドのモデレーションAPI	提供事業者が定義したポリシーに準拠。カスタムポリシーの自由度は限定的	サービスにより異なる（テキスト／画像）	クラウドAPI呼び出し	従量課金・外部送信が前提

上表はMistral公式・各モデルの一般的な設計特性を整理したもので、個別の精度スコアを比較したものではない（Mistralは「最大7倍のサイズのオープンなガードモデルに匹敵または上回る」とベンチマーク主張をしているが、具体的な対抗モデル名やスコアは公式発表に明示されていない）。自社での採用判断には、自社データでの検証を挟むことを推奨する。

実務での使いどころと注意点

実務での典型的な使いどころは、自社チャットボットの入出力フィルタ（ユーザー入力の事前審査＋LLM出力の事後審査）、UGC（ユーザー生成コンテンツ）の投稿審査、チャットログの事後監査の3つだ。ローカルLLM運用全般との比較検討にはローカルLLM総合比較記事、GPU選定の一般論にはGemma 4のハードウェア要件記事も参考になる。

- しきい値調整が必須: 0〜1のスコアをそのまま使うのではなく、自社のリスク許容度に応じてしきい値を設定・チューニングする必要がある。しきい値を低くすれば誤検知（過剰ブロック）が増え、高くすれば見逃しが増えるトレードオフがある。
- 日本語対応の事前検証を推奨: 12言語対応の学習データに日本語は含まれるが、言語別の公式ベンチマークスコアは明示されていない。本番投入前に自社の日本語データでスコア分布を確認したい。
- Apache 2.0の意味を理解しておく: 商用利用・改変・再配布に制限はないが、モデルの判定結果自体の正確性を保証するものではない。誤検知・見逃しが発生し得る前提で、人間によるレビュー体制を組み合わせるのが安全だ。
- ログ・プライバシーの取り扱い: 審査対象にユーザーの入力内容が含まれるため、ログの保存・保持期間は自社のプライバシーポリシーと整合させる必要がある。

よくある質問

Shieldstral 1.0 3Bは何をするモデルですか？

Mistral AIが2026年8月4日に公開した、オープンウェイトのマルチモーダル安全性審査（コンテンツモデレーション）モデルです。テキスト・画像・その両方を対象に、Yes/No形式の安全性質問に答える形で0〜1の連続スコアを返します。ポリシー自体は推論時に自然言語で渡す設計になっており、モデル本体を再学習しなくてもポリシー変更に対応できます。

必要なVRAMはどれくらいですか？

Mistral公式はBF16推論でVRAM 16GBを目安としています。NVIDIA GPU1枚で動作する規模です。より小さいVRAMで動かしたい場合は、公開されているGGUF等の量子化版（Q8_0/Q5_K_M/Q4_K_Mなど8種類）を使うことでさらに要件を下げられます。

商用利用はできますか？

できます。Shieldstral 1.0はApache 2.0ライセンスで公開されており、商用利用・改変・再配布に制限がありません。ただし実運用に組み込む際は、誤検知時の扱いやログの取り扱いなど、自社の利用規約・プライバシーポリシーとの整合は別途確認が必要です。

日本語のコンテンツも審査できますか？

はい。学習データは12言語・5,410万件のコントラスティブペアで構成されており、日本語は対応言語の一つに含まれています（英・仏・西・独・伊・葡・蘭・中・日・韓・アラビア語・露）。ただし個別のベンチマークスコアは公式発表で明示されていないため、自社データでの事前検証を推奨します。

Llama GuardやShieldGemmaと何が違うのですか？

最大の違いは、モデレーションポリシーを推論時のプロンプト（<Instruct>）に自然言語で渡せる点です。カテゴリ定義が固定的になりがちな従来型ガードモデルに対し、Shieldstralはポリシー変更のたびに再学習・再配布する必要がなく、運用中のポリシー調整がしやすい設計になっています。

この記事に関連する無料ツール（登録不要・その場で結果）

VRAM計算ツールモデル・量子化を選ぶだけでローカルLLMの必要VRAMと動くGPU/Macがわかる

お気軽にご相談ください

お問い合わせ