मिस्ट्रल एआई ने 4 अगस्त, 2026 को शील्डस्ट्रल जारी किया, एक 3-बिलियन-पैरामीटर ओपन-वेट सुरक्षा क्लासिफायरियर जो प्रशिक्षण के दौरान मॉडल में शामिल नुकसान श्रेणियों के एक निश्चित सेट पर भरोसा करने के बजाय, अनुमान के समय सादे भाषा में लिखी गई मॉडरेशन नीतियों के खिलाफ पाठ और छवियों का मूल्यांकन करता है। यह रिलीज़ आज अधिकांश रेलिंग मॉडल कैसे बनाए जाते हैं, इसकी तुलना में एक उल्लेखनीय दार्शनिक प्रस्थान का प्रतिनिधित्व करता है।

यह मॉडल अपाचे 2.0 लाइसेंस के तहत हगिंग फेस पर उपलब्ध है, यह 12 भाषाओं को कवर करता है, और एक 16 जीबी जीपीयू पर चलता है। जैसा कि यूरोपीय एआई क्षेत्र प्रतिस्पर्धी ओपन-वेट सिस्टम का उत्पादन जारी रखता है, शील्डस्ट्राल ने [ब्रेकिंग एआई न्यूज] (https://aibuzzwire.news) में एक और आयाम जोड़ा है जो डेवलपर्स के सुरक्षा दृष्टिकोण को नया आकार दे रहा है।

शील्डस्ट्राल कैसे काम करता है

अधिकांश रेलिंग मॉडल प्रशिक्षण के दौरान उनके वजन में नुकसान श्रेणियों की वर्गीकरण को हार्ड-कोड करते हैं, जिसका अर्थ है कि उन्हें एक नए उत्पाद संदर्भ में अनुकूलित करने के लिए एक पूर्ण पुनर्प्रशिक्षण चक्र की आवश्यकता होती है। शील्डस्ट्राल मौलिक रूप से अलग दृष्टिकोण अपनाता है: मॉडरेशन नीति अनुमान के समय इनपुट के हिस्से के रूप में प्रदान की जाती है।

Unite.AI के विश्लेषण के अनुसार, तंत्र प्रत्येक मॉडरेशन कार्य को बाइनरी प्रश्न उत्तर तक कम कर देता है। प्रत्येक अनुरोध में तीन टैग किए गए भाग होते हैं: एक `<निर्देश>` फ़ील्ड जिसमें मूल्यांकन संदर्भ और सख्ती का स्तर होता है, एक `<क्वेरी>` फ़ील्ड जिसमें एक हां/नहीं प्रश्न होता है जैसे कि "क्या यह सामग्री शारीरिक हिंसा को बढ़ावा देती है?", और एक `<दस्तावेज़>` फ़ील्ड जिसमें सामग्री को आंकने के लिए रखा जाता है, जो एक संकेत, एक प्रतिक्रिया, एक त्वरित-प्रतिक्रिया जोड़ी या वैकल्पिक पाठ के साथ एक छवि हो सकती है।

अनुमान के समय, मॉडल केवल "हां" और "नहीं" टोकन के लिए लॉगिट पढ़ता है और सॉफ्टमैक्स उन्हें एक सतत स्कोर में सामान्यीकृत करता है, जो बाइनरी फैसले के लिए 0.5 पर निर्धारित होता है। यह सूत्रीकरण एक एकल चेकपॉइंट को समान अंतर्निहित समस्या के उदाहरणों के रूप में शीघ्र वर्गीकरण, प्रतिक्रिया मॉडरेशन, इनकार का पता लगाने और विषाक्तता का पता लगाने की अनुमति देता है।

एक चेकप्वाइंट, कई नीतियां

व्यावहारिक निहितार्थ महत्वपूर्ण है. एक ही चेकपॉइंट एक साइबर सुरक्षा अनुसंधान उपकरण और एक मानसिक-स्वास्थ्य मंच को बिना किसी संशोधन के पूरी तरह से अलग मानकों के खिलाफ स्क्रीन कर सकता है। एक ऑपरेटर हाँ/नहीं प्रश्न लिखता है, मूल्यांकन संदर्भ और सख्ती का वर्णन करने वाला एक निर्देश प्रदान करता है, और मॉडल एकल टोकन आउटपुट से एक कैलिब्रेटेड सुरक्षा स्कोर लौटाता है।

यह नीति-अनुकूली डिज़ाइन एआई सुरक्षा प्रणालियों को तैनात करने में लगातार निराशाओं में से एक को संबोधित करता है: महंगे पुनर्प्रशिक्षण के बिना विशिष्ट उपयोग के मामलों में मॉडरेशन को अनुकूलित करने की कठिनाई। एक वित्तीय-सेवा चैटबॉट, एक बच्चों का शैक्षिक ऐप, और सुरक्षा शोधकर्ताओं के लिए एक खुला मंच सभी को मौलिक रूप से अलग-अलग रेलिंग की आवश्यकता होती है, और शील्डस्ट्रल का लक्ष्य वजन के एक ही सेट से इन तीनों को संभालना है।

वास्तुकला और प्रदर्शन

शील्डस्ट्राल मिनिस्ट्रल-3-3बी, मिस्ट्रल के छोटे मल्टीमॉडल मॉडल पर बनाया गया है, जिसमें पिक्सट्रल विज़न एनकोडर इमेज इनपुट को संभालता है। मॉडल कार्ड में 32,000-टोकन संदर्भ विंडो सूचीबद्ध है, और मिस्ट्रल का कहना है कि मॉडल मल्टीमॉडल मॉडरेशन पर कला की एक नई स्थिति स्थापित करते हुए टेक्स्ट सुरक्षा बेंचमार्क पर अपने आकार के सात गुना तक ओपन गार्ड मॉडल से मेल खाता है।

वे 3बी-पैरामीटर मॉडल के लिए मजबूत दावे हैं, और मिस्ट्रल ने असामान्य मात्रा में दस्तावेज़ीकरण के साथ रिलीज़ का समर्थन किया। प्रशिक्षण नुस्खा और मूल्यांकन का वर्णन करने वाली एक तकनीकी रिपोर्ट 28 जुलाई, 2026 को arXiv पर पोस्ट की गई थी, जिसके बाद मिस्ट्रल के दस्तावेज़ीकरण में पूर्ण मॉडल कार्ड और वज़न स्वयं, दोनों 4 अगस्त को जारी किए गए थे।

यथास्थिति की एक तीखी आलोचना

मिस्ट्रल ने शील्डस्ट्रल रिलीज को आम तौर पर रेलिंग मॉडल का निर्माण कैसे किया जाता है, इसकी एक तीखी आलोचना के आधार पर तैयार किया। कंपनी का तर्क है कि मॉडल वेट में हार्ड-कोडिंग हानि टैक्सोनॉमी अनम्यता पैदा करती है, जिससे डेवलपर्स को हर बार नीति में बदलाव या नए उत्पाद लॉन्च होने पर लूप को फिर से प्रशिक्षित करने के लिए मजबूर होना पड़ता है।

यह एक तकनीकी तर्क से कहीं अधिक है; यह एक प्रतिस्पर्धी स्थिति कथन है। अपाचे-2.0-लाइसेंस प्राप्त मॉडल जारी करके, जिसे स्व-होस्ट किया जा सकता है और पुनः प्रशिक्षण के बिना अनुकूलित किया जा सकता है, मिस्ट्रल उन डेवलपर्स को लक्षित कर रहा है जो प्रबंधित सेवाओं या मालिकाना क्लासिफायर के ओवरहेड के बिना अपने सुरक्षा स्टैक पर नियंत्रण चाहते हैं।

ओपन-वेट दृष्टिकोण उद्यम उपयोगकर्ताओं के बीच बढ़ती चिंता को भी संबोधित करता है: बंद सुरक्षा प्रणालियों की अस्पष्टता। जब कोई रेलिंग सामग्री को अवरुद्ध करती है, तो ऑपरेटर अक्सर इसका निरीक्षण नहीं कर पाते हैं कि ऐसा क्यों है। शील्डस्ट्रल का पारदर्शी, नीति-जैसा-इनपुट डिज़ाइन डेवलपर्स को यह देखने देता है कि किस नियम ने कोई निर्णय दिया है।

व्यापक ओपन-वेट मोमेंटम

पूरे उद्योग में ओपन-वेट एआई रिलीज़ में व्यापक उछाल के बीच शील्डस्ट्राल आया है। यह मॉडल मिस्ट्रल के ओपन सिस्टम के विस्तारित पोर्टफोलियो में शामिल हो गया है, जो कच्चे सीमांत पैमाने के बजाय पहुंच और डेवलपर अनुभव पर प्रतिस्पर्धा करने की कंपनी की रणनीति को मजबूत करता है।

एआई अनुप्रयोगों का निर्माण करने वाली टीमों के लिए, तीसरे पक्ष के एपीआई को डेटा भेजे बिना एकल उपभोक्ता-ग्रेड जीपीयू पर एक सक्षम मल्टीमॉडल सुरक्षा क्लासिफायर चलाने की क्षमता, मजबूत मॉडरेशन को तैनात करने की लागत और गोपनीयता बाधा दोनों को कम करती है। इससे विनियमित उद्योगों में अपनाने में तेजी आ सकती है जहां डेटा रेजिडेंसी और ऑडिटेबिलिटी पर समझौता नहीं किया जा सकता है।

एआई से आगे रहें

शील्डस्ट्राल जैसे ओपन-वेट सुरक्षा मॉडल बदल रहे हैं कि डेवलपर्स रेलिंग के बारे में कैसे सोचते हैं, और नवाचार की गति धीमी होने का कोई संकेत नहीं दिखाती है। क्षेत्र को आगे बढ़ाने वाले मॉडलों, उपकरणों और अनुसंधान पर स्पष्ट, तथ्यात्मक रिपोर्टिंग के लिए [एआई बज़ वायर] (https://aibuzzwire.news) का अनुसरण करें।

अधिक AI समाचार पढ़ें →