Shieldstral — lokalny model AI od Mistral AI
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Klasyfikator moderacji Mistrala z otwartymi wagami, dla tekstu i obrazów. Swoją politykę podajesz w każdym żądaniu jako pytanie tak/nie, a model zwraca skalibrowany wynik bezpieczeństwa, więc jeden model obsługuje wiele polityk bez ponownego trenowania. Apache-2.0.
Warianty
Najmniejszy wariant Shieldstral potrzebuje około 3 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.
| Model | VRAM przy Q4 | VRAM | Kontekst | Uruchom |
|---|---|---|---|---|
| Shieldstral 1.0 3B → 3.8B | ~3.1 GB | 32,768 | tag hostowany w chmurze |
Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.
Jak uruchomić Shieldstral lokalnie
Zainstaluj Ollama, a potem pobierz tag.
No Ollama tag. Mistral documents vLLM and llama.cpp builds on the model card.
Wybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.
Licencja
Commercial use permitted. No usage restrictions beyond attribution.
Dotyczy: Shieldstral 1.0 3BPolecane GPU
Najtańsze GPU z naszego katalogu, które uruchomi Shieldstral lokalnie (min. 3 GB VRAM), to Intel Arc B570 (10 GB).
Shieldstral — najczęściej zadawane pytania
How much VRAM does Shieldstral need?
Shieldstral needs about 3 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: Shieldstral 1.0 3B (3 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run Shieldstral on an RTX 4090 (24 GB)?
Yes — Shieldstral runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at Q4_K_M.
What quantization should I use for Shieldstral?
Q4_K_M is the best balance of quality and VRAM for Shieldstral in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.
How do I run Shieldstral with Ollama?
Shieldstral has no local Ollama tag — the published tag is cloud-hosted, so running it sends your prompts to a hosted GPU rather than your own machine.