Mistral AI · 轻薄本与普通 AI PC

Shieldstral 1.0 3B

Mistral 的 3B 策略自适应多模态安全分类器,可按自然语言政策在本地对文本和图像输出连续风险分数。

查看官方资料 官方源核验于 2026/08/20
参数规模约 3.85B
架构Policy-adaptive Multimodal Safety Classifier
模态文本、图像、多模态安全评分
上下文32K 训练;理论支持 256K
Local deployment verdict

部署判断

官方说明 BF16 可在 16GB 显存运行;图像审核需要语言模型与独立 mmproj 文件,量化时不能漏算视觉投影组件。

推荐起点
轻薄本与普通 AI PC
常见运行时
vLLM、llama.cpp、SGLang
许可
Apache 2.0

型号与精度版本

BF16
GGUF / llama.cpp 路径

同一模型家族中的基础、指令、推理、量化或多模态检查点用途可能完全不同。下载前应核对模型卡、提示模板、分词器、量化方法和运行时版本。

适合放进哪些本地工作流

本地内容安全
数字员工输入输出护栏
企业自定义安全政策
图文审核

端侧模型更适合边界清楚、输入可控、失败可回退的任务。涉及客户承诺、财务写入、生产控制或复杂多步工具调用时,应保留云端高能力模型与人工审批作为升级路径。

进入数字员工路由前怎么测

  1. 加载测试记录具体设备、精度、运行时、上下文与首 Token 时间,避免只写“能跑”。
  2. 任务测试用脱敏企业样本测任务成功率、结构化输出和工具参数正确率。
  3. 压力测试加入长上下文、并发、热启动、内存峰值、功耗和降频观察。
  4. 治理测试验证模型许可、日志、更新、漏洞响应、人工接管与云端回退。

当前研究限制

  • 它是安全分类器,不是通用对话模型
  • 256K 是理论上限,官方建议保持 32K 训练范围
  • 安全阈值必须按业务误报与漏报校准

本页是官方资料索引与企业选型分析,不构成速度、显存、质量、许可或合规承诺。社区量化与第三方运行时应作为独立供应链组件审计。