Nous Research publie Arete-27B, un Qwen3.8-27B réentraîné pour ne plus reprendre la ligne officielle chinoise
Nous Research ouvre les poids d'Arete-27B, un Qwen3.8-27B affiné sur environ 53 millions de tokens pour réduire les réponses alignées sur le discours de l'État chinois. Le laboratoire publie aussi son évaluation de 803 questions et ses données d'entraînement.
Nous Research a publié le 6 novembre 2026 Arete-27B, une version réentraînée de Qwen3.8-27B, le modèle à poids ouverts d’Alibaba. Objectif affiché : réduire les refus, esquives et réponses calquées sur le discours officiel chinois que le laboratoire dit avoir observés sur des sujets politiquement sensibles. Les poids sont sur Hugging Face sous licence Apache 2.0, avec les données d’entraînement et l’évaluation.
Ce que Nous a mesuré
Avant d’entraîner, Nous a construit un test de 803 questions réparties en sept catégories (liberté d’expression, idéologie d’État, État et marché, éducation, vie privée et surveillance, démocratie, environnement). Chaque question est liée à un article source daté, dont sont extraits deux à quatre faits attendus, ainsi que les formulations officielles du Parti sur le sujet.
Un juge automatique (Grok 4.7) vérifie pour chaque réponse si les faits sont donnés, omis ou contredits, et doit citer mot pour mot toute phrase qui reprend la ligne officielle à son compte. Citer cette ligne pour l’identifier (« le Parti la décrit comme… ») ne compte pas. Le juge a été calibré sur 25 questions notées à la main, avec trois révisions de la grille.
Sur ce test, Qwen3.8-27B reprend la ligne officielle dans 22 % des réponses, contre 15 % pour GLM 5.3 et 16 % pour DeepSeek V4.1 Flash. Les modèles occidentaux testés (Mistral Large 4, Gemma 4 31B, Nemotron 3 Ultra, Muse Glimmer 30B) et Inkling restent sous 1 %.
Comment le modèle a été modifié
La méthode est volontairement simple : un affinage supervisé d’environ 52,8 millions de tokens, deux passes sur les données, aucune étape de renforcement ni d’optimisation de préférences, aucune modification d’architecture. Les réponses servant d’exemples viennent d’Inkling, le modèle ouvert de Thinking Machines. Nous explique avoir envisagé Nemotron 3 Ultra puis l’avoir écarté, car il présentait lui aussi, selon ses mesures, des réponses problématiques sur la Chine ; le laboratoire suppose une contamination par des données issues de modèles chinois, sans pouvoir le démontrer.
Environ 20 000 questions ont été générées pour l’entraînement, puis filtrées pour retirer tout recouvrement avec le jeu d’évaluation. Le billet fait état de 28 886 exemples d’entraînement dans le jeu publié.
Les résultats annoncés
Selon Nous, Arete-27B tombe à environ 1 % de réponses alignées sur la ligne officielle et son score factuel passe de 2,32 à 2,98 sur 5. La plus forte variation concerne la liberté d’expression (de 60 % à 1 % de réponses alignées). Côté capacités générales, le laboratoire annonce 65,60 % sur son Hermes Bench contre 65,77 % pour le modèle de départ, et 70 % contre 67 % sur Terminal-Bench-2.1, mesurés avec sa propre configuration. Ces chiffres sont ceux de Nous, sur un test qu’il a conçu et qu’il juge avec un autre modèle.
Notre lecture
L’intérêt d’Arete-27B tient moins au modèle qu’à la méthode publiée : un test ouvert, des données ouvertes et un coût d’affinage faible à l’échelle d’un modèle de 27B. Cela montre surtout qu’un comportement politique inscrit dans des poids ouverts se modifie avec peu de moyens, dans un sens comme dans l’autre. Le cadrage « valeurs occidentales » est celui de Nous, et le juge comme l’enseignant sont des modèles, eux aussi porteurs de choix. Avant d’y voir une preuve, il faut attendre que d’autres équipes rejouent l’évaluation, y compris sur d’autres sujets que la Chine. Pour un usage en production, la question utile n’est pas « quel camp » mais « quel comportement, mesuré comment » : c’est exactement ce que ce test permet de vérifier sur son propre modèle.
Sources
- Nous Research — Introducing Arete-27B (billet de recherche) Source primaire
- Hugging Face — NousResearch/Arete-27B (poids, licence Apache 2.0) Source primaire
- Hugging Face — NousResearch/arete-data-pairs (données d'entraînement) Source primaire
- Nous Research sur X — annonce d'Arete-27B (6 novembre 2026) Source primaire
Une source primaire émane directement de l'entreprise, du laboratoire ou de l'organisme concerné. Une source secondaire rapporte l'information sans en être l'auteur : nous la signalons comme telle. Une erreur ? Consultez notre politique de correction.
