Nous Research réentraîne le modèle chinois Qwen : Arete-27B

Le discours officiel passe de 22 % à 0,9 %

Pour mesurer l'effet, Nous a conçu une évaluation de 803 questions réparties en sept catégories : liberté d'expression, idéologie d'État, libre marché, éducation, confidentialité des données et surveillance, démocratie et environnement. D'après les tests de l'entreprise, Qwen3.8-27B adoptait comme sienne la position officielle du gouvernement chinois dans 22 % des réponses. Pour Arete-27B, ce taux est de 0,9 %. Le « fact score », noté sur 5, passe de 2,32 à 2,98.

Le changement le plus net concerne la liberté d'expression : le score passe de 0,89 à 2,44 et les réponses alignées sur le discours officiel chutent de 60 % à 1 %.

Des réserves s'imposent. L'évaluation a été conçue par Nous, notée par Grok 4.7 et vérifiée par des humains sur 25 questions seulement. Aucun tiers indépendant ne l'a confirmée. Moins de réponses alignées ne signifie ni neutralité politique, ni exactitude de toutes les informations.

Des performances générales préservées

Sur le Hermes Bench interne, Qwen3.8-27B obtient 65,77 % et Arete-27B 65,60 %, un écart que Nous attribue à la marge de mesure. Sur Terminal-Bench-2.1, qui évalue l'exécution de tâches par des agents, Arete-27B atteint 70 % contre 67 % pour le modèle de base ; l'entreprise ne l'attribue pas à sa méthode en raison de configurations de test différentes.

Le modèle enseignant est Inkling. À partir d'environ 20 000 invites, Nous a constitué 28 886 exemples d'entraînement. Les poids, les données et le jeu d'évaluation sont publiés sur Hugging Face, ce qui permet aux chercheurs de vérifier les résultats.

Pour Nous, l'enseignement principal est que les valeurs des modèles à poids ouverts peuvent être sensiblement modifiées avec un entraînement complémentaire limité.