Mistral ปล่อย Shieldstral โมเดล 3B เปิดน้ำหนัก Apache 2.0 สำหรับกรองเนื้อหา — จุดขายไม่ใช่ขนาด แต่คือ 'เขียนนโยบายเองตอน inference' ไม่ต้องเทรนใหม่

วันที่ 4 สิงหาคม Mistral AI เปิดตัว Shieldstral 1.0 — โมเดลจัดประเภทความปลอดภัย (safety classifier) ขนาด 3 พันล้านพารามิเตอร์ รับได้ทั้งข้อความและภาพ ปล่อยน้ำหนักเต็มบน Hugging Face ใต้ใบอนุญาต Apache 2.0 ใช้เชิงพาณิชย์ได้ไม่มีเงื่อนไข และรันได้บนการ์ด NVIDIA 16GB ใบเดียว

สิ่งที่ทำให้โมเดลนี้น่าสนใจกว่า guardrail ตัวอื่นไม่ใช่ตัวเลขพารามิเตอร์ แต่คือวิธี “ตั้งคำถาม” ใหม่ทั้งหมด — Shieldstral ไม่ได้ถูกเทรนให้จำ taxonomy ของหมวดหมู่อันตรายชุดใดชุดหนึ่ง แต่ถูกเทรนให้ตอบคำถาม yes/no ข้อเดียว ต่อเนื้อหาหนึ่งชิ้น ซึ่งแปลว่านโยบายเนื้อหาของคุณกลายเป็น อินพุต ไม่ใช่ น้ำหนักที่ต้องเทรนใหม่

เปลี่ยน moderation ให้เป็นคำถามปิดข้อเดียว

อินพุตของ Shieldstral แบ่งเป็นสามส่วนที่ประกบกัน โดยมี system message ตายตัวว่า “Judge whether the Document meets the requirements based on the Query and the Instruction provided.”

• <Instruct> — บริบท ระดับความเข้มงวด และหมวดหมู่ที่คุณสนใจ เขียนเป็นภาษาคนธรรมดา
• <Query> — คำถาม yes/no หนึ่งข้อ
• <Document> — เนื้อหาที่จะตัดสิน จะเป็นข้อความ ภาพ หรือทั้งสองอย่างก็ได้

โมเดลจ่ายออกมาแค่ โทเคนเดียว คือ yes หรือ no แต่ที่ใช้งานจริงคือ logits เบื้องหลัง วิธีดึงคะแนนต่อเนื่องคือเรียก chat endpoint ด้วย max_tokens=1 และ logprobs=True, top_logprobs=20 แล้ว softmax ระหว่างสองโทเคน:

score = exp(logit_yes) / (exp(logit_yes) + exp(logit_no))

ได้คะแนน 0–1 จาก forward pass เดียว ตัดที่ 0.5 เป็นค่าเริ่มต้น — แต่ประเด็นสำคัญกว่าคือคุณ ขยับ threshold ได้เอง ตามความเสี่ยงของแต่ละ endpoint แทนที่จะได้ label แข็ง ๆ กลับมาแบบ guardrail รุ่นเก่า

โครงนี้ยังเป็นคำตอบว่าทำไม Mistral ถึงรวมชุดข้อมูลความปลอดภัยที่ taxonomy ไม่ตรงกันเลยมาเทรนด้วยกันได้ เปเปอร์ (arXiv:2607.25857 ส่ง 28 ก.ค. 2026) ระบุว่าเขาสร้างข้อมูลราว 54.1 ล้านตัวอย่าง จากแหล่งสาธารณะและ synthetic ที่มีรูปแบบ label ต่างกันคนละทาง แล้วยุบทุกอย่างให้เหลือปัญหา yes/no เดียว — ชุดข้อมูลที่ปกติเอามารวมกันไม่ได้เพราะนิยาม “อันตราย” ไม่ตรงกัน กลายเป็นใช้ร่วมกันได้ทันที

ตัวเลข: ชนะรุ่นที่ใหญ่กว่าเกือบ 7 เท่า

จาก model card บน Hugging Face โมเดลนำในหลายหมวด:

Benchmark	Shieldstral-3B
HarmBench	99.4% F1
ToxicChat	84.1%
VLGuard (multimodal)	97.7%
PolyGuard Prompt (หลายภาษา)	84.6%

คู่เทียบที่ Mistral เลือกคือของจริงทั้งนั้น — GPT-OSS-Safeguard-20B, Qwen3Guard-8B, Nemotron-3.5-Content-Safety-4B, LlamaGuard-4-12B และ ShieldGemma หลายรุ่น บทคัดย่อสรุปว่าเสมอหรือชนะโมเดลที่ใหญ่กว่า เกือบ 7 เท่า บน text safety และตั้ง state of the art ใหม่บน multimodal safety classification

สเปกที่นักพัฒนาต้องรู้: สร้างบน Ministral-3-3B-Base-2512 ต่อด้วย vision encoder ของ Pixtral, น้ำหนัก BF16 รวม 3.85 GB, เทรนที่ความยาว sequence ถึง 32k โทเคน (สถาปัตยกรรมรองรับถึง 256k แต่ card ระบุตรง ๆ ว่าเทรนแค่ถึง 32k — อย่าคาดหวังคุณภาพเกินนั้น) รองรับ 12 ภาษา ได้แก่ อังกฤษ ฝรั่งเศส สเปน เยอรมัน อิตาลี โปรตุเกส ดัตช์ จีนกลาง ญี่ปุ่น เกาหลี อาหรับ และรัสเซีย

รันได้สามทาง รวมถึง llama.cpp

Mistral แนะนำ vLLM เป็นหลัก (ต้อง ≥0.26.0):

vllm serve mistralai/Shieldstral-1.0-3B --max-model-len 32768

ทาง transformers โหลดผ่าน Mistral3ForConditionalGeneration.from_pretrained() คู่กับ mistral-common ≥1.11.5 แล้วรัน forward pass ครั้งเดียวอ่าน logits ที่ตำแหน่งสุดท้าย

และที่น่าสนใจสำหรับคนรันเครื่องตัวเอง — llama.cpp ก็รองรับ แปลงเป็น GGUF แล้ว quantize ได้ทั้ง Q8_0 / Q5_K_M / Q4_K_M เสิร์ฟผ่าน llama-server โดยต้องแนบไฟล์ mmproj ถ้าจะใช้โหมด multimodal ที่ Q4 โมเดล 3B ตัวนี้ลงไปอยู่ระดับ ~2GB ซึ่งแปลว่า guardrail ทั้งชั้นรันบนเครื่องเดียวกับแอปได้โดยไม่ต้องยิงออกนอก

Mistral เองก็ระบุข้อจำกัดไว้ตรงไปตรงมา: ความน่าเชื่อถือไม่เท่ากันในแต่ละภาษาและแต่ละโดเมนตามสัดส่วนข้อมูลเทรน, ข้อมูล synthetic และสาธารณะยังมี bias และ noise ติดมาแม้จะกรองแล้ว, และอินพุตที่จงใจโจมตี ข้อความที่อำพราง หรือเอกสารยาวมาก ๆ ทำให้ความแม่นลดลง

มุมมอง AI Curator

ตัวเลข 99.4% F1 ไม่ใช่ส่วนที่สำคัญที่สุดของข่าวนี้ ส่วนที่สำคัญคือ นโยบายย้ายจาก training-time ไป inference-time

ลองคิดถึงสิ่งที่ทีมไทยเจอจริง ๆ เวลาต้องเอา guardrail มาใช้ — LlamaGuard หรือ ShieldGemma มาพร้อม taxonomy ที่เขียนจากบริบทอเมริกัน ถ้าคุณทำแอปที่ต้องกรองเรื่องการพนันออนไลน์ การหมิ่นสถาบัน หรือคำแนะนำทางการเงินที่ผิด พ.ร.บ. หลักทรัพย์ฯ คุณมีทางเลือกสองทางที่แย่พอกัน: fine-tune เอง (ต้องมีข้อมูล label, ต้องมี GPU, ต้องทำใหม่ทุกครั้งที่นโยบายเปลี่ยน) หรือยัดกฎเข้า prompt ของ LLM ตัวใหญ่แล้วจ่ายค่า token ทุกครั้ง Shieldstral ตัดปมนี้ทิ้ง — เขียนนโยบายเป็นภาษาคนใส่ <Instruct> เปลี่ยนพรุ่งนี้ก็แก้ string ไม่ต้องแตะน้ำหนัก

จุดที่ต้องระวังคือ “เขียนนโยบายเป็นภาษาคนได้” ไม่เท่ากับ “เขียนนโยบายภาษาไทยแล้วได้ผลเท่าภาษาอังกฤษ” ภาษาไทยไม่อยู่ใน 12 ภาษาที่ระบุ และ PolyGuard ที่ได้ 84.6% ก็ไม่ได้ครอบคลุมไทย ใครจะเอาไปใช้จริงควรทำชุดทดสอบภาษาไทยของตัวเองก่อน — ข้อดีคือด้วยขนาด 3B และ Apache 2.0 การทำ eval set เองแล้วลอง threshold หลายค่ามีต้นทุนต่ำมาก ลองบนการ์ดใบเดียวได้ในบ่ายเดียว

อีกมุมที่นักพัฒนาไทยควรมองคือ ต้นทุนต่อคำขอ ทุกวันนี้หลายทีมส่งข้อความผู้ใช้ไปให้ GPT หรือ Claude ช่วยตัดสินว่าปลอดภัยไหม ซึ่งแปลว่าจ่ายราคาโมเดลเรือธงเพื่องานที่ผลลัพธ์คือ 1 บิต Shieldstral ทำงานเดียวกันด้วย forward pass เดียวบนเครื่องตัวเอง — และสำหรับแอปที่ต้องส่งข้อมูลผู้ใช้ตาม PDPA การที่ guardrail ไม่ต้องออกจาก VPC เลยเป็นข้อได้เปรียบทางกฎหมาย ไม่ใช่แค่ทางเทคนิค

สุดท้าย สังเกตว่านี่คือ guardrail ตัวแรก ๆ ที่เปิด Apache 2.0 เต็มใบพร้อม multimodal — เทียบกับ GPT-OSS-Safeguard และ LlamaGuard ที่มีเงื่อนไขใบอนุญาตของตัวเอง ในชั้นที่ทุกแอป AI ต้องมีแต่ไม่มีใครอยากจ่ายแพง การมีตัวเลือกเปิดจริงขนาด 3B คือของที่ขาดมานาน

แหล่งข่าว

• Shieldstral: Policy-Adaptive Multimodal Safety Classifier — Mistral AI (4 ส.ค. 2026)
• mistralai/Shieldstral-1.0-3B — Hugging Face
• Shieldstral — arXiv:2607.25857 (28 ก.ค. 2026)
• Shieldstral 1.0 model card — Mistral Docs