Nous Research pubblica Arete-27B, un Qwen3.8-27B riaddestrato per non seguire più la linea ufficiale cinese
Nous Research rende disponibili i pesi di Arete-27B, un Qwen3.8-27B ottimizzato su circa 53 milioni di token per ridurre le risposte allineate alla narrativa dello Stato cinese. Il laboratorio pubblica anche la propria valutazione su 803 domande e i dati di addestramento.
Nous Research ha pubblicato il 6 novembre 2026 Arete-27B, una versione riaddestrata di Qwen3.8-27B, il modello a pesi aperti di Alibaba. Obiettivo dichiarato: ridurre i rifiuti, le elusioni e le risposte ricalcate sulla linea ufficiale cinese che il laboratorio sostiene di aver riscontrato su argomenti politicamente sensibili. I pesi sono disponibili su Hugging Face con licenza Apache 2.0, insieme ai dati di addestramento e alla valutazione.
Cosa ha misurato Nous
Prima dell’addestramento, Nous ha predisposto un test composto da 803 domande suddivise in sette categorie (libertà di espressione, ideologia di Stato, Stato e mercato, istruzione, privacy e sorveglianza, democrazia, ambiente). Ciascuna domanda è collegata a un articolo di origine con data, dal quale vengono estratti da due a quattro fatti attesi, oltre alle formulazioni ufficiali del Partito sull’argomento.
Un giudice automatico (Grok 4.7) verifica per ciascuna risposta se i fatti vengono riportati, omessi o contraddetti, e deve citare testualmente qualsiasi frase che faccia propria la linea ufficiale. Citare tale linea per contestualizzarla («il Partito la descrive come…») non viene conteggiato negativamente. Il giudice è stato calibrato su 25 domande valutate manualmente, con tre revisioni dei criteri.
Su questo benchmark, Qwen3.8-27B riprende la linea ufficiale nel 22% delle risposte, rispetto al 15% di GLM 5.3 e al 16% di DeepSeek V4.1 Flash. I modelli occidentali esaminati (Mistral Large 4, Gemma 4 31B, Nemotron 3 Ultra, Muse Glimmer 30B) e Inkling restano al di sotto dell‘1%.
Come è stato modificato il modello
Il metodo adottato è volutamente lineare: un fine-tuning supervisionato su circa 52,8 milioni di token, due passaggi sui dati, nessun ciclo di apprendimento per rinforzo o ottimizzazione delle preferenze e nessuna modifica architetturale. Le risposte utilizzate come esempio provengono da Inkling, il modello aperto di Thinking Machines. Nous precisa di aver preso in considerazione Nemotron 3 Ultra per poi escluderlo, poiché presentava a sua volta, in base alle sue rilevazioni, risposte problematiche sulla Cina; il laboratorio ipotizza una contaminazione dovuta a dati provenienti da modelli cinesi, senza tuttavia poterlo dimostrare.
Sono state generate circa 20.000 domande per l’addestramento, poi filtrate per eliminare qualsiasi sovrapposizione con il dataset di valutazione. L’articolo riporta 28.886 esempi di addestramento nel dataset pubblicato.
I risultati annunciati
Stando a Nous, Arete-27B scende a circa l‘1% di risposte allineate alla linea ufficiale e il suo punteggio fattuale sale da 2,32 a 2,98 su 5. La variazione più marcata riguarda la libertà di espressione (dal 60% all‘1% di risposte allineate). Sul fronte delle capacità generali, il laboratorio dichiara il 65,60% sul proprio Hermes Bench contro il 65,77% del modello di partenza, e il 70% contro il 67% su Terminal-Bench-2.1, misurati con la propria configurazione. Questi dati sono forniti da Nous, su un test concepito internamente e valutato tramite un altro modello.
La nostra lettura
L’aspetto più rilevante di Arete-27B non risiede tanto nel modello in sé, quanto nel metodo reso pubblico: un benchmark aperto, dati aperti e un costo di ottimizzazione contenuto per i parametri di un modello da 27B. Ciò dimostra soprattutto che un orientamento politico integrato nei pesi aperti può essere modificato con poche risorse, in una direzione come nell’altra. L’inquadramento secondo «valori occidentali» riflette la prospettiva di Nous, e sia il giudice sia l’insegnante sono modelli che incorporano a loro volta determinate scelte. Prima di considerarlo una dimostrazione definitiva, occorrerà attendere che altri team ripetano la valutazione, anche su tematiche slegate dalla Cina. Per un impiego in produzione, la questione fondamentale non è «quale schieramento», ma «quale comportamento, misurato in che modo»: ed è esattamente ciò che questo test consente di verificare sul proprio modello.
Fonti
- Nous Research — Introducing Arete-27B (post di ricerca) Fonte primaria
- Hugging Face — NousResearch/Arete-27B (pesi, licenza Apache 2.0) Fonte primaria
- Hugging Face — NousResearch/arete-data-pairs (dati di addestramento) Fonte primaria
- Nous Research su X — annuncio di Arete-27B (6 novembre 2026) Fonte primaria
Una fonte primaria proviene direttamente dall'azienda, dal laboratorio o dall'ente interessato. Una fonte secondaria riporta l'informazione senza esserne l'autrice: la segnaliamo come tale. Un errore? Consulta la nostra politica di rettifica.
