Nous Research usuwa państwową cenzurę z Qwen Alibaba w Arete-27B

Modele open-weight firmy Alibaba od dawna oferują najwyższą wydajność przy ograniczonym budżecie, ale wbudowana w nie cenzura państwowa sprawiała, że były ryzykownym wyborem dla oprogramowania produkcyjnego. Amerykański startup Nous Research twierdzi, że rozwiązał ten dylemat, udostępniając Arete-27B, dostrojoną wersję Qwen3.8-27B, która redukuje stronniczość polityczną z 22 procent do poniżej jednego procenta, nie pogarszając podstawowej wydajności, jak podaje The Decoder.

Co się stało

The Decoder donosi, że Nous Research wzięło Qwen3.8-27B firmy Alibaba i przeprowadziło nadzorowane dostrajanie na około 53 milionach tokenów przez dwie epoki, celowo pomijając uczenie wzmacniające i optymalizację preferencji. Aby ocenić wyniki, Nous stworzyło benchmark składający się z 803 promptów obejmujących siedem wrażliwych tematów, w tym wolność słowa, nadzór i demokrację, używając Grok 4.7 Elona Muska jako automatycznego sędziego.

Według Nous, niezmodyfikowany Qwen3.8-27B uzyskał 2,32 na 5 punktów w zakresie dokładności faktograficznej, przy czym 22 procent jego wyników zostało oznaczonych jako odtwarzające oficjalne narracje państwowe Pekinu. Natomiast zachodnie modele, takie jak Mistral Large 4 i Gemma 4 31B, odnotowały wskaźniki propagandy poniżej jednego procenta, podczas gdy inne chińskie alternatywy, takie jak DeepSeek V4.1 Flash i GLM-5.3, osiągnęły odpowiednio 16 i 15 procent.

Aby oczyścić model, Nous wybrało Inkling — otwarty model z Thinking Machines Lab — jako swój model nauczycielski. Wynikowy punkt kontrolny, nazwany Arete-27B, podniósł dokładność faktograficzną do 2,98, jednocześnie obniżając wskaźnik propagandy do 0,9 procenta. W kategorii wolności słowa, wynik faktograficzny wzrósł z 0,89 do 2,44, podczas gdy propaganda spadła z 60 procent do zaledwie jednego procenta. Co najważniejsze, surowa użyteczność ledwo drgnęła: na wewnętrznym Hermes Bench zespołu, Arete-27B uzyskał 65,60 procent w porównaniu do 65,77 procent dla bazowego modelu. Wagi i zestawy danych zostały udostępnione na licencji Apache 2.0 na Hugging Face.

Dlaczego jest to ważne dla deweloperów budujących z otwartymi modelami

Jeśli prowadzisz oszczędne operacje, otwarte chińskie modele, takie jak Qwen i DeepSeek, były otwartą tajemnicą: przewyższają swoją kategorię wagową i kosztują prawie nic w samodzielnym hostingu w porównaniu do gigantów komercyjnych API. Ale używanie ich w aplikacjach skierowanych do klientów przypominało chodzenie po linie. Poza żenującymi publicznymi halucynacjami na temat promptów geopolitycznych, The Decoder podkreśla badania CrowdStrike, pokazujące, że DeepSeek generował mniej bezpieczny kod, gdy zapytania dotyczyły wrażliwych chińskich tematów politycznych.

Arete-27B dowodzi, że to stronniczość nie jest wbudowana w podstawową architekturę modelu — jest to, jak to określa Nous, płytka warstwa zastosowana późno w procesie szkolenia, którą można usunąć przy umiarkowanych zasobach obliczeniowych. Dla małych zespołów, które nie mogą sobie pozwolić na ceny zastrzeżonych API, ale nie mogą ryzykować nieoczekiwanych odmów lub naruszonej logiki bezpieczeństwa w swoich przepływach pracy, ten model zmienia Qwen z niezręcznego wewnętrznego prototypu w realnego kandydata do produkcji. Otrzymujesz surową moc inżynieryjną Alibaba bez wytycznych redakcyjnych Pekinu, zapakowaną pod komercyjną licencją Apache 2.0.

Co zrobić w tym tygodniu

1. Sprawdź swój potok wnioskowania na Hugging Face lub lokalnie, aby ocenić, czy Arete-27B może zastąpić istniejące wdrożenia oparte na Qwen.
2. Przeprowadź wyrywkową kontrolę promptów swojego obecnego modelu open-source pod kątem przypadków granicznych w zarządzaniu, zgodności lub prywatności, aby sprawdzić, czy Twój system nie wywołuje nieoczekiwanych odmów lub ocenzurowanych odpowiedzi.
3. Przejrzyj nowo udostępniony zestaw danych Nous Research na Hugging Face, jeśli utrzymujesz własne dostrojenia, używając ich podejścia nadzorowanego do usunięcia stronniczości politycznej z własnych potoków open-weight.

Źródła

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