IA14 nov 2026, 8:38 UTC·2 min de lectura

Arete: Nous Research reentrena Qwen3.8 de Alibaba con valores occidentales

Nous Research reentrenó Qwen3.8-27B de Alibaba y creó Arete. Las respuestas con propaganda bajaron del 22 % al 1 % con solo 50 millones de tokens.

Illustration of an AI model's neural network being retrained, with Chinese and American flags in the background. — Imagen: 3DNews - Daily Digital Digest

Un laboratorio estadounidense ha cogido uno de los modelos abiertos chinos más populares e intentó quitarle la línea oficial. Se llama Arete y es una versión reentrenada de Qwen3.8-27B, de Alibaba. Según Nous Research, la capa favorable al Estado chino resultó ser sorprendentemente superficial.

El objetivo declarado de Arete es «afianzar valores occidentales en un modelo entrenado originalmente en China». El razonamiento del equipo: los modelos chinos de pesos abiertos (cuyos parámetros puede descargar cualquiera) están entre los más potentes, pero sus pesos incorporan un comportamiento acorde con la ideología estatal de China.

¿Funcionó el reentrenamiento de Qwen3.8?

Los números son buenos, sin ser espectaculares. En una escala de cinco puntos, la precisión factual de Arete-27B subió de 2,32 a 2,98. La proporción de respuestas con propaganda cayó del 22 % al 1 %. Según Nous Research, es lo que muestran los modelos occidentales en las pruebas del laboratorio.

Tampoco salió caro. La capa propagandística de Qwen3.8-27B es superficial, dicen los investigadores, y bastaron unos 50 millones de tokens de datos para eliminarla. Como base consideraron Nemotron 3 Ultra de Nvidia, pero también tenía un enfoque ambiguo con los temas relacionados con China, algo que atribuyen a que en su entrenamiento pudieron usarse modelos chinos. Al final eligieron Inkling, un modelo abierto del laboratorio estadounidense Thinking Machines Lab.

¿Es solo una cuestión de ideología?

No del todo. Según la fuente, los riesgos de los modelos chinos no se limitan a promover la visión de Pekín: en ciertas condiciones, algunos pueden generar código vulnerable. Además, la empresa Hirundo reentrenó Qwen3.6-35B-A3B de Alibaba y redujo las respuestas que reflejan las preferencias de Pekín del 89,8 % al 2,8 %.

Para quien ejecuta modelos abiertos en local, la lección es práctica: el origen de un modelo deja huellas en sus respuestas, y a veces un entrenamiento adicional modesto basta para borrarlas. Arete, por cierto, da respuestas que los desarrolladores de Alibaba no siempre considerarían aceptables.