Nous Research Rimuove la Censura di Stato da Qwen di Alibaba in Arete-27B

I modelli open-weight di Alibaba hanno a lungo offerto prestazioni di alto livello a costi contenuti, ma la loro censura di stato integrata li ha resi una scommessa rischiosa per il software di produzione. La startup statunitense Nous Research afferma di aver risolto questo dilemma rilasciando Arete-27B, una versione ottimizzata di Qwen3.8-27B che riduce il bias politico dal 22% a meno dell'1% senza degradare le prestazioni di base, secondo The Decoder.

Cosa è successo

The Decoder riporta che Nous Research ha preso Qwen3.8-27B di Alibaba e ha eseguito un fine-tuning supervisionato su circa 53 milioni di token per due epoche, saltando deliberatamente il reinforcement learning e l'ottimizzazione delle preferenze. Per valutare i risultati, Nous ha creato un benchmark di 803 prompt che coprono sette argomenti sensibili, tra cui libertà di parola, sorveglianza e democrazia, utilizzando Grok 4.7 di Elon Musk come giudice automatizzato.

Secondo Nous, Qwen3.8-27B non modificato ha ottenuto un punteggio di 2,32 su 5 per accuratezza fattuale, con il 22% dei suoi output segnalati come riproducenti le narrazioni ufficiali dello stato di Pechino. Al contrario, modelli occidentali come Mistral Large 4 e Gemma 4 31B hanno registrato tassi di propaganda inferiori all'1%, mentre altre alternative cinesi come DeepSeek V4.1 Flash e GLM-5.3 hanno raggiunto rispettivamente il 16% e il 15%.

Per "ripulire" il modello, Nous ha selezionato Inkling—un modello aperto di Thinking Machines Lab—come modello insegnante. Il checkpoint risultante, soprannominato Arete-27B, ha aumentato l'accuratezza fattuale a 2,98, riducendo il tasso di propaganda allo 0,9%. Specificamente nella categoria della libertà di parola, il punteggio fattuale è balzato da 0,89 a 2,44, mentre la propaganda è crollata dal 60% a solo l'1%. Fondamentalmente, l'utilità grezza è rimasta quasi invariata: sul benchmark interno Hermes Bench del team, Arete-27B ha ottenuto il 65,60% rispetto al 65,77% del modello base originale. I pesi e i dataset sono stati rilasciati sotto licenza Apache 2.0 su Hugging Face.

Perché è importante per gli sviluppatori che costruiscono con modelli aperti

Se gestite operazioni snelle, i modelli open-weight cinesi come Qwen e DeepSeek sono stati un segreto di Pulcinella: superano di gran lunga la loro categoria di peso e costano quasi nulla da auto-ospitare rispetto ai giganti delle API commerciali. Ma usarli in applicazioni rivolte ai clienti è sembrato come camminare su una corda tesa. Oltre a imbarazzanti allucinazioni pubbliche su prompt geopolitici, The Decoder evidenzia una ricerca di CrowdStrike che mostra come DeepSeek generasse codice meno sicuro quando le query toccavano argomenti politici cinesi sensibili.

Arete-27B dimostra che questo bias non è intrinseco all'architettura fondamentale del modello—è, come afferma Nous, uno strato superficiale applicato tardi nell'addestramento che può essere rimosso con un modesto dispendio computazionale. Per i piccoli team che non possono permettersi i costi delle API proprietarie ma non possono rischiare rifiuti "ribelli" o logiche di sicurezza compromesse nei loro flussi di lavoro, questo modello trasforma Qwen da un prototipo interno scomodo a un candidato di produzione valido. Ottieni la pura potenza ingegneristica di Alibaba senza le linee guida editoriali di Pechino, il tutto sotto una licenza Apache 2.0 commercialmente amichevole.

Cosa fare questa settimana

1. Controlla la tua pipeline di inferenza locale o su Hugging Face per valutare se Arete-27B può essere inserito nelle distribuzioni esistenti basate su Qwen come sostituzione diretta.

1. Esegui un controllo a campione dei prompt del tuo attuale modello open-source rispetto a casi limite in materia di governance, conformità o privacy per vedere se il tuo sistema attiva rifiuti inaspettati o risposte "sanificate".

1. Rivedi il dataset di Nous Research appena rilasciato su Hugging Face se mantieni fine-tune proprietari, utilizzando il loro approccio di supervisione per eliminare il bias politico dalle tue pipeline open-weight.

Fonti

• State propaganda in some Chinese AI models is only "a thin layer" that fine-tuning can strip away — The Decoder