Shieldstral-1.0-3B

採用判断：再学習なしでポリシーを変更できる、軽量なローカル安全ゲートを求めるなら、小規模な検証対象として有望です。一方、実運用で十分に検証されたマネージド審査サービスとみなすには証拠が不足しています。AIアプリやエージェントの前後に置く安全層として考えるのが適切で、Trust & Safety運用全体の代替ではありません。

自然言語で書いたポリシーに照らして、テキスト、画像、テキストと画像の組み合わせを判定するモデルです。Xの投稿ではyes/no確率の出力にも触れられています。知乎の記事は約450万件のマルチモーダル学習サンプルやHarmBench 99.4%を紹介していますが、これは公開記事や作者報告であり、広範な独立実測ではありません。vLLMの公式アカウントによるday-one対応表明は、サービング側の関心を示しますが、品質保証ではありません。

3Bのオープンウェイトモデルなので、大型モデルより推論やポリシー変更の負担を抑えられる可能性があります。ただし、推論基盤、メモリと同時実行数の管理、ポリシー評価、誤検知・見逃しへの対応は必要です。証拠には公式の料金やAPI費用はありません。「16GBのNVIDIA GPU一枚で動く」という情報は単一のSNS投稿によるコミュニティ実演であり、安定した必要環境の保証とはいえません。ライセンスはモデルページで確認すべきです。

ローカルでデータを扱い、審査ルールを調整したい開発者、エージェント開発者、研究者に向きます。評価や運用体制なしで完全なコンプライアンス保証を求めるチームには不向きです。ホステッド型の審査SaaSでも、画像ラベルだけを返す分類器でもなく、より正確にはプログラム可能なローカル・マルチモーダル安全分類器、またはエージェント用ファイアウォールです。Xの言及・再投稿・閲覧数から注目度は明確ですが、実測や長文分析は少なく、まとめ記事や転載が多い構成です。実環境の信頼性は未検証という慎重な意見もあり、使いやすさの証明はまだ限定的です。