Moderation
Shieldstral 1.0
Shieldstral 1.0 ist ein Moderation-Modell von Mistral AI. Eingabe: Text, Bild. Ausgabe: Klassifikation.
ModerationMistral Moderation 2
Mistral Moderation 2 ist ein Moderationsmodell von Mistral AI. Es liefert Signale für die Prüfung von Inhalten. Welche Aktion daraus folgt, legst du in einer eigenen Regel mit manueller Prüfung von Grenzfällen fest.
Wie kannst du es nutzen?
Nutze den in den Quellen genannten Anbieterzugang für genau diese Version. Ein Produktabo enthält nicht automatisch API-Guthaben.
Aktuell im HerstellerkatalogQuellenstand 2026-10-13
Mistral AI im Verzeichnis
EingabeText
AusgabeKlassifikation
Kontext128.000 Tokens
Technische Daten
Identität, Funktionen und Betrieb getrennt lesen. Die Angaben beziehen sich auf diese konkrete Version.
„Nicht bestätigt“ kennzeichnet eine offene Angabe. Es bedeutet weder „nicht vorhanden“ noch „unbegrenzt“.
| Hersteller | Mistral AI |
|---|---|
| Modellfamilie | Mistral · Ministral · Voxtral |
| Modell-/API-ID | mistral-moderation-2603 |
| Status | Aktuell im Herstellerkatalog |
| Modellart | Moderation |
|---|---|
| Eingabe | Text |
| Ausgabe | Klassifikation |
| Kontext | 128.000 Tokens |
|---|---|
| Maximaler Output / Horizont | Nicht bestätigt |
| Bereitstellung | Gehostete API |
|---|---|
| Gewichte | Gehosteter oder integrierter Zugang |
| Lizenz | Anbieterbedingungen |
Daten im Überblick
Die Grafik zeigt die im Profil dokumentierten Grenzen. Kontext und maximale Ausgabe sind keine addierbaren Budgets und keine Qualitätsbewertung. Zusätzliche Bedingungen stehen im Datenblatt.
- Kontext
- 128.000 Tokens
- Maximaler Output / Horizont
- Nicht bestätigt
Datenbasis: Herstellerangaben im Quellenstand 2026-10-13. Quellen zu diesem Profil ↓
Einsatz und Grenzen
Mistral Moderation 2 ist ein Moderation-Modell von Mistral AI. Eingabe: Text. Ausgabe: Klassifikation.
Definiere eine nachvollziehbare Richtlinie und freigegebene Testfälle. Ein Moderationsmodell ersetzt keine abschließende Beurteilung für sensible Entscheidungen. Eine interne KI-Richtlinie hält Zuständigkeit, Prüfweg und den Umgang mit unklaren Ergebnissen fest.
Prüfe vor einem API-Aufruf, ob dein Konto Zugriff hat und welchen Endpunkt, Tarif und welche Region du verwenden musst. Notiere die genaue Modellversion. Ein Kurzname in der API kann später auf einen anderen Modellstand verweisen.
Leistung: Wir haben die Leistung dieses Modells hier nicht selbst gemessen. Nutze die Aufgabe unten, um es an deinen Anforderungen zu prüfen.
Was kostet Mistral Moderation 2?
Bestätigter Tarif / PreisangabeKostenlos laut Anbieter
Tarife und Zugang vor Nutzung in der Anbieterquelle prüfen.
Zugang: Gehostete API. Prüfe vor einer Integration die für dein Konto und deine Region verfügbaren Endpunkte. Ein Eintrag im öffentlichen Katalog ist keine Bestätigung eines freigeschalteten Kontos.
Praxis: Eine Regel für Moderationssignale festlegen
Praxisergänzung geprüft am 22. Oktober 2026 · eigene Aufgabe, kein Modellbenchmark
Eine Anwendung erhält einen Moderationswert und muss festlegen, was danach passiert. Die folgende Trockenübung trennt den Score von der eigenen Freigaberegel. Die Werte sind erfunden. Sie sind weder eine Messung an schädlichen Inhalten noch der Nachweis, dass ein Inhalt tatsächlich sicher ist.
Vorbereitung
Mistral führt mistral-moderation-2603 für die Klassifikation von Text und Gesprächsinhalten. Die Herstellerdokumentation unterscheidet rohe Scores, Kategorien und eigene Schwellenwerte. Ein Anbieter-Update kann eine erneute Kalibrierung erfordern. Die hier frei gewählte Regel 0,50 ist kein behaupteter Herstellerstandard. Fehlende Ergebnisse dürfen nicht still wie ein unauffälliger Score behandelt werden.
Lies die Herstellerabgrenzung und bearbeite die fiktive Vorlage zuerst von Hand. Diese Trockenübung braucht keinen API-Aufruf.
Speichere deine Kontrollwerte als antwort.json. Das ist eine eigene Rechen- oder Planungsantwort, kein behaupteter Modelloutput.
Vergleiche mit dem Soll und verändere einen Grenzfall. Prüfe echte Modellantworten und produktive Abläufe später gesondert.
Aufgabe zum Kopieren
Die Angaben sind fiktiv. Speichere den geforderten JSON-Teil der Antwort separat als antwort.json; zusätzliche Erklärungen gehören in eine andere Datei.
Offline-Probe mit künstlichen Werten, kein Auftrag an ein Chatmodell. Eigene Beispielregel für genau eine Kategorie: Score >= 0,50 geht zur menschlichen Prüfung, Score < 0,50 darf nur in diesem Übungsablauf weiter. Fehlender Wert oder Transportfehler geht ebenfalls zur Prüfung. A: Score 0,49; B: Score 0,50; C: Score fehlt; D: HTTP-Fehler, kein Ergebnis. JSON: weiter (sortierte IDs), pruefen (sortierte IDs), fehlendes_ergebnis (sortierte IDs).Vorlage herunterladenLokalen JSON-Prüfer herunterladen
Lösung und Prüfkriterien ansehen
- Die Grenze 0,50 ist einschließlich zur Prüfung definiert.
- Kein Ergebnis bedeutet nicht Score null.
- Weiter in dieser Trockenübung ist keine allgemeine Aussage über die Sicherheit eines Inhalts.
{
"weiter": [
"A"
],
"pruefen": [
"B",
"C",
"D"
],
"fehlendes_ergebnis": [
"C",
"D"
]
}Das Soll ist redaktionell aus der Vorlage abgeleitet, keine aufgezeichnete Modellantwort. Der lokale Prüfer vergleicht die festgelegten Felder und führt keinen generierten Code oder API-Aufruf aus. Er bewertet keine freien Begründungen.
Speichere Prüfer und deine Antwort im selben Ordner. Mit installiertem Python: python pruefen.py antwort.json.
| Beobachtung | Was du prüfst |
|---|---|
| B passiert den Filter | Prüfe >= gegenüber >; der Grenzwert selbst gehört hier zur Prüfung. |
| C wird als unauffällig freigegeben | Fehlend ist ein eigener Zustand und kein numerischer Nullwert. |
| D erhält eine inhaltliche Klassifikation | Ein Transportfehler liefert keinen Moderationsbefund. |
Passende Anleitungen
Wie du einen Prüfzustand sichtbar und überprüfbar machst, zeigt menschliche Freigaben im Workflow gestalten.
Für die technische Anbindung hilft dir HTTP-Fehler und Antwortinhalt in n8n unterscheiden, damit ein Verbindungsfehler nicht als inhaltliche Entscheidung erscheint.
Gezielte Praxisergänzung auf Basis aktueller Herstellerunterlagen. Der Datenstand der bisherigen Modell-Faktentabellen bleibt separat ausgewiesen. Neue Beispiele und Grafiken sind eigene Erklärungen; es wurden keine Modellantworten oder Leistungswerte gemessen.
Herstellerunterlagen zur Ergänzung: Moderation & Guardrailing | Mistral Docs (Abruf 2026-10-22) · Mistral Moderation 2 - Mistral AI | Mistral Docs (Abruf 2026-10-22).
Quellen und Prüfstand
Quellenstand: 2026-10-13. Spezifikationen, Tarife und Zugang können sich ändern. Die Illustration zeigt den dokumentierten Datenweg, keine gemessene Leistung.
Häufige Fragen
Was ist Mistral Moderation 2?
Mistral Moderation 2 ist ein Moderation-Modell von Mistral AI. Eingabe: Text. Ausgabe: Klassifikation. Hersteller: Mistral AI. Dokumentierte ID: mistral-moderation-2603.
Was verarbeitet Mistral Moderation 2?
Eingabe: Text. Ausgabe: Klassifikation. Maßgeblich sind die Funktionen des konkreten Endpunkts in der Herstellerquelle.
Kannst du Mistral Moderation 2 lokal betreiben?
Der dokumentierte Zugang lautet: Gehostete API. Öffentlich verfügbare offene Gewichte werden damit nicht bestätigt. Ein integriertes On-Device-Modell kann besondere Hardware und Plattformvorgaben haben.
Was kostet Mistral Moderation 2?
Kostenlos laut Anbieter. Tarife und Zugang vor Nutzung in der Anbieterquelle prüfen. Bei selbst betriebenen Gewichten kommen Hardware- und Betriebskosten hinzu.
Ist das ein Leistungstest oder eine Rangliste?
Nein. Das Profil dokumentiert Herstellerangaben mit Quellenstand 2026-10-13. Die Testidee ist redaktionell formuliert und wurde hier nicht ausgeführt; sie ist keine Qualitätsgarantie.
Wie groß ist das Kontextfenster von Mistral Moderation 2?
Im dokumentierten Quellenstand: 128.000 Tokens. Beachte die Bedingungen der konkreten Modellversion und des verwendeten Endpunkts. Kontext ist keine Wortzahl und kein Nachweis, dass jede enthaltene Information zuverlässig verarbeitet wird.
Wie prüfst du Mistral Moderation 2 für deine Aufgabe?
Lege eine kleine Aufgabe mit bekanntem oder nachprüfbarem Ergebnis fest. Notiere Version, Eingabe und Einstellungen. Vergleiche die Ausgabe mit deinem Prüfkriterium und halte Fehler sowie tatsächliche Kosten getrennt fest. Die Testidee auf dieser Seite ist ein Vorschlag und wurde hier nicht als Modelltest ausgeführt.
Ist 0,50 die offizielle Moderationsgrenze von Mistral?
Nein. Es ist eine frei gewählte Schwelle für diese Trockenübung. Produktive Schwellen brauchen passende Daten und eine Prüfung von Fehlalarmen sowie übersehenen Fällen.
Kann ein niedriger Score Sicherheit garantieren?
Nein. Ein Score ist ein Modellbefund für bestimmte Kategorien und Bedingungen. Die hier verwendeten Werte sind zudem ausschließlich fiktiv.
Was mache ich bei einem fehlenden Moderationsergebnis?
Lege einen ausdrücklichen Fehlerweg fest. In dieser Beispielregel geht der Fall zur Prüfung; er wird nicht automatisch als unauffällig behandelt.