Nous Research publica Arete-27B, un Qwen3.8-27B reentrenado para dejar de replicar la línea oficial china
Nous Research libera los pesos de Arete-27B, un Qwen3.8-27B ajustado con unos 53 millones de tokens para reducir las respuestas alineadas con el discurso del Estado chino. El laboratorio publica también su evaluación de 803 preguntas y sus datos de entrenamiento.
Nous Research publicó el 6 de noviembre de 2026 Arete-27B, una versión reentrenada de Qwen3.8-27B, el modelo de pesos abiertos de Alibaba. El objetivo declarado: reducir las negativas, evasivas y respuestas calcadas del discurso oficial chino que el laboratorio sostiene haber observado en asuntos políticamente sensibles. Los pesos están disponibles en Hugging Face bajo licencia Apache 2.0, junto con los datos de entrenamiento y la evaluación.
Lo que Nous ha medido
Antes de pasar al entrenamiento, Nous elaboró una prueba de 803 preguntas distribuidas en siete categorías (libertad de expresión, ideología de Estado, Estado y mercado, educación, privacidad y vigilancia, democracia, medioambiente). Cada pregunta está vinculada a un artículo de referencia fechado, del cual se extraen de dos a cuatro hechos esperados, además de las formulaciones oficiales del Partido sobre el tema.
Un juez automático (Grok 4.7) comprueba en cada respuesta si los hechos se aportan, se omiten o se contradicen, y debe citar de manera textual cualquier frase que adopte la línea oficial por cuenta propia. Mencionar esa línea para contextualizarla («el Partido la califica de…») no computa en su contra. El juez se calibró a partir de 25 preguntas evaluadas a mano, tras tres revisiones del baremo.
En esta prueba, Qwen3.8-27B asume la línea oficial en el 22% de las respuestas, frente al 15% de GLM 5.3 y el 16% de DeepSeek V4.1 Flash. Los modelos occidentales evaluados (Mistral Large 4, Gemma 4 31B, Nemotron 3 Ultra, Muse Glimmer 30B) e Inkling se mantienen por debajo del 1%.
Cómo se modificó el modelo
El método es deliberadamente sencillo: un ajuste fino supervisado de unos 52,8 millones de tokens, dos pasadas por los datos, ninguna etapa de refuerzo ni de optimización de preferencias y ningún cambio en la arquitectura. Las respuestas empleadas como ejemplos proceden de Inkling, el modelo abierto de Thinking Machines. Nous aclara haber valorado Nemotron 3 Ultra para después descartarlo, ya que también mostraba, según sus mediciones, respuestas problemáticas sobre China; el laboratorio conjetura una contaminación por datos procedentes de modelos chinos, sin aportar pruebas concluyentes.
Se generaron en torno a 20 000 preguntas para el entrenamiento, que después se filtraron para eliminar cualquier solapamiento con el conjunto de evaluación. El texto del anuncio da cuenta de 28 886 ejemplos de entrenamiento en el corpus publicado.
Los resultados anunciados
Según Nous, Arete-27B cae a alrededor del 1% de respuestas alineadas con la línea oficial y su puntuación de veracidad pasa de 2,32 a 2,98 sobre 5. La variación más acusada corresponde a la libertad de expresión (del 60% al 1% de respuestas alineadas). En lo relativo a las capacidades generales, el laboratorio declara un 65,60% en su Hermes Bench frente al 65,77% del modelo original, y un 70% frente al 67% en Terminal-Bench-2.1, medidos bajo su propia configuración. Son cifras aportadas por Nous, obtenidas en un banco de pruebas concebido por ellos mismos y juzgadas con otro modelo.
Nuestro análisis
El interés de Arete-27B radica menos en el modelo en sí que en el método publicado: un test abierto, datos abiertos y un coste de ajuste reducido a la escala de un modelo de 27B. Pone de manifiesto, sobre todo, que un comportamiento político inscrito en pesos abiertos puede alterarse con pocos recursos, en un sentido o en el contrario. El marco de «valores occidentales» es el de Nous, y tanto el juez como el docente son modelos que incorporan también sus propios sesgos. Antes de considerarlo una demostración definitiva, habrá que esperar a que otros equipos repliquen la evaluación, también con cuestiones ajenas a China. Para su uso en producción, la pregunta relevante no es «qué bando», sino «qué comportamiento, medido de qué forma»: eso es exactamente lo que este test permite verificar en un modelo propio.
Fuentes
- Nous Research — Introducing Arete-27B (artículo de investigación) Fuente primaria
- Hugging Face — NousResearch/Arete-27B (pesos, licencia Apache 2.0) Fuente primaria
- Hugging Face — NousResearch/arete-data-pairs (datos de entrenamiento) Fuente primaria
- Nous Research en X — anuncio de Arete-27B (6 de noviembre de 2026) Fuente primaria
Una fuente primaria procede directamente de la empresa, el laboratorio o la organización implicados. Una fuente secundaria recoge la información sin ser su autora: la señalamos como tal. ¿Has visto un error? Consulta nuestra política de correcciones.
