Die Modellkarte beschreibt Moderation als binäre Frage-Antwort-Aufgabe. Eine Systemanweisung erhält Kontext, Prüfregel und zu bewertendes Material; ausgewertet wird die Token-Wahrscheinlichkeit von „yes“ und „no“, nicht nur der ausgegebene Text. Neue Regeln sollen sich so durch eine andere Frage statt durch ein Nachtraining abbilden lassen.
Shieldstral basiert laut Modellkarte auf Ministral-3-3B-Base-2512 mit einer Pixtral-Bildkomponente. Es wurde mit Sequenzen von 32.000 Token trainiert, unterstützt zwölf Sprachen und wird unter Apache 2.0 veröffentlicht. Der technische Bericht nennt 54,1 Millionen Trainingsbeispiele und vergleicht den Ansatz mit größeren Guard-Modellen.
Mistral weist unter anderem 99,4 Prozent F1 auf HarmBench, 84,1 Prozent auf ToxicChat und 97,7 Prozent auf VLGuard aus. Auf WildGuardTest liegt Shieldstral mit 88,1 Prozent knapp hinter Qwen3Guard-8B mit 88,2 Prozent. Die Zahlen stammen aus der Modellkarte und sind Anbieterbenchmarks; die von The Decoder berechneten Mittelwerte stehen dort nicht in derselben Form.
Die offene Regel macht Richtlinienänderungen leichter, beantwortet aber nicht die Robustheit gegen gezielte Umgehungsversuche. Ein Klassifikator kann nur prüfen, was seine Laufzeitfrage erfasst. Unabhängige Reproduktionen der Benchmarks oder Tests gegen adaptive Angreifer lagen zum Redaktionszeitpunkt nicht vor.