Nous Research reentrena el modelo chino Qwen como Arete-27B

El discurso oficial baja del 22 % al 0,9 %

Para medir el cambio, Nous elaboró una evaluación de 803 preguntas en siete categorías: libertad de expresión, ideología estatal, libre mercado, educación, privacidad de datos y vigilancia, democracia y medio ambiente. Según las pruebas de la empresa, Qwen3.8-27B adoptaba como propia la postura oficial del Gobierno chino en el 22 % de las respuestas. En Arete-27B, la cifra es del 0,9 %. El «fact score», sobre 5, subió de 2,32 a 2,98.

El mayor cambio se dio en libertad de expresión: la puntuación pasó de 0,89 a 2,44 y las respuestas alineadas con el discurso oficial cayeron del 60 % al 1 %.

Hay salvedades. La evaluación la diseñó Nous, la puntuó Grok 4.7 y personas la revisaron solo en 25 preguntas. Ningún tercero independiente la ha verificado. Además, menos respuestas oficialistas no implican neutralidad política ni que toda la información sea correcta.

El rendimiento general se mantiene

En el Hermes Bench interno, Qwen3.8-27B obtuvo un 65,77 % y Arete-27B un 65,60 %; Nous atribuye la diferencia al margen de medición. En Terminal-Bench-2.1, que mide la capacidad de agentes para completar tareas, Arete-27B alcanzó el 70 % frente al 67 % del modelo base, aunque la empresa no lo atribuye a su método por diferencias en la configuración.

Como modelo maestro se usó Inkling. Con unas 20.000 instrucciones, Nous generó 28.886 ejemplos de entrenamiento. Los pesos, los datos y el conjunto de evaluación están en Hugging Face para que los investigadores puedan comprobar los resultados.

Según Nous, la conclusión clave es que los valores de los modelos de pesos abiertos pueden modificarse de forma notable con relativamente poco entrenamiento adicional.