Qu’est-ce que Arete-27B ?
Arete-27B est un fine-tune de Qwen3.8-27B, d'Alibaba, publié par Nous Research le 6 novembre 2026. Nous dit avoir réentraîné le modèle « pour renforcer les valeurs occidentales » après avoir relevé dans le modèle de base des refus, des esquives et des réponses formulées dans les termes du Parti communiste chinois sur des sujets politiquement sensibles. Il vise sept domaines : liberté d'expression, idéologie d'État, État contre libre marché, éducation, vie privée et surveillance, démocratie, et politique environnementale.
La méthode se limite au fine-tuning supervisé, sans apprentissage par renforcement ni changement d'architecture : environ 52,8 millions de tokens sur deux époques, avec comme professeur les réponses du modèle ouvert Inkling, de Thinking Machines. Nous a publié avec les poids l'évaluation de 803 prompts qu'il a construite, Propaganda_Eval, ainsi que les paires d'entraînement. L'encodeur visuel a été gelé : l'entrée d'images est celle de Qwen3.8, inchangée.
Les poids sont sous Apache 2.0, comme le modèle de base. Nous ne propose pas d'API hébergée ; des quantifications de la communauté, la plus populaire étant un jeu GGUF de bartowski, sont apparues en quelques jours.
Arete-27B vaut-il le coup ?
Arete vaut surtout par ce qu'il démontre plus que par ce qu'il ajoute. Sur le test maison de Nous, 803 prompts tirés de lois, d'articles et de rapports en anglais, la part des réponses qui reprennent la version de l'État chinois est passée de 22% à 0,9%, et le score factuel moyen de 2,32 à 2,98 sur 5. Le plus gros changement concerne la liberté d'expression, où le taux de cadrage étatique est tombé de 60% à 1%. Nous en conclut que ce type de biais est appliqué tard et en couche mince, et qu'on peut donc le déplacer avec peu de supervision.
Les chiffres demandent de la prudence. Nous a écrit le benchmark, choisi les faits et pris Grok 4.7 comme juge, calibré sur un pilote de 25 prompts noté à la main. Arete et le modèle de base ont tourné à température 0, les modèles de comparaison à 0,6 ; à 0,6, Arete obtient 2,88. The Decoder relève qu'Inkling, le professeur, a lui-même été entraîné en partie sur des sorties d'un modèle chinois, et au moins un critique sur X estime que Nous a remplacé un système de valeurs par un autre, ce que la fiche du modèle ne conteste pas : elle présente le travail comme un choix de point de vue offert aux utilisateurs. La méthode marche dans tous les sens.
Les capacités générales semblent intactes. Sur le Hermes Bench interne de Nous, il obtient 65,60% contre 65,77% pour le modèle de base, ce que Nous qualifie de bruit, et il affiche 70% contre 67% sur Terminal-Bench 2.1 sans revendiquer ce gain. Aucun classement indépendant ne le note.
Notre avis : pour une équipe qui apprécie déjà Qwen3.8-27B mais a besoin de réponses sur la Chine, la surveillance ou la démocratie sans la ligne officielle, Arete se substitue directement, même taille, même licence, mêmes outils. Pour les autres, c'est le même modèle, et l'évaluation publiée est l'apport le plus durable.
Là où il fait la différence
L'équipe data de la rédaction d'un éditeur européen
Faire tourner un assistant local qui résume l'actualité sur la Chine, Hong Kong et Taïwan sans reprendre le langage officiel
Remplacez Qwen3.8-27B par Arete dans la configuration existante ; l'évaluation de Nous montre que le cadrage étatique sur la liberté d'expression passe de 60% à 1%. Vérifiez quand même les faits : le score factuel moyen est de 2,98 sur 5.
Une chercheuse en sécurité de l'IA qui étudie comment le post-entraînement modifie les valeurs
Mesurer à quel point un fine-tune ciblé déplace le cadrage politique d'un modèle
Nous a publié Propaganda_Eval, 803 prompts avec le prompt du juge et les scripts, ainsi que les paires d'entraînement. Relancez-la avec un autre juge, ou à températures égales, pour tester l'affirmation de 22% à 0,9%.
Un responsable des achats d'une agence publique américaine méfiante envers les modèles entraînés en Chine
Déployer un modèle ouvert performant sur du matériel interne
Arete garde la structure des poids et la licence Apache 2.0 de Qwen3.8-27B : le fichier BF16 d'environ 55 Go tourne partout où tourne le modèle de base. L'origine du modèle de base reste la même, ce dont certaines politiques tiendront encore compte.
Avant de vous engager
- Mise en route
- Téléchargez le checkpoint BF16 en 18 fichiers sur Hugging Face et servez-le comme Qwen3.8-27B ; les versions GGUF et MLX de la communauté tournent dans llama.cpp et sur Apple silicon.
- Intégrations
- Utilise le modèle de chat de Qwen3.8-27B : vLLM, SGLang, llama.cpp et Transformers le chargent tel quel. Nous a évalué avec le raisonnement désactivé ; un score de 3,07 avec raisonnement repose sur deux passages sur cinq.
- Données et confidentialité
- Auto-hébergé, donc les prompts restent sur votre machine. Apache 2.0 autorise l'usage commercial et la modification ; l'évaluation est publiée sous MIT.
- Coût à grande échelle
- Les poids sont gratuits. Environ 27,4 milliards de paramètres, soit près de 55 Go en BF16 : la pleine précision demande un GPU de 80 Go ; les versions communautaires GGUF 4 bits et NVFP4 le ramènent à la portée d'une seule carte grand public.
- Limites
- Affiné avec un contexte de 64K, contre 262K pour le modèle de base. Nous ne prétend pas avoir supprimé tous les effets du point de vue du modèle de base, et la tête de prédiction multi-tokens était désactivée pendant l'entraînement.
Les points forts
- Les réponses au cadrage étatique passent de 22% à 0,9% sur l'évaluation de Nous
- Aucune perte de capacité mesurée sur Hermes Bench
- Évaluation et paires d'entraînement publiées
- Apache 2.0, même taille et mêmes outils que Qwen3.8-27B
Les points faibles
- Nous a construit le benchmark, choisi le juge et mené tous les tests
- Réglages de décodage différents pour Arete et pour les modèles de comparaison
- Score factuel de 2,98 sur 5, encore sous les 3,96 de son professeur
- Pas d'API hébergée ni de score indépendant
Idéal pour
Les équipes qui font tourner Qwen3.8-27B en local et veulent des réponses aux questions politiquement sensibles sans le cadrage de l'État chinois.
Alternatives à Arete-27B
Arete-27B : questions fréquentes
- Arete-27B vaut-il le coup ?
- Arete-27B montre que le cadrage politique d'un modèle chinois s'enlève avec un fine-tune modeste, mais c'est un Qwen3.8-27B avec une autre vision du monde, pas un meilleur Qwen. Nous lui donnons 3.7 sur 5.
- Combien coûte Arete-27B ?
- Poids gratuits sous Apache 2.0. Pas d'API officielle ; vous payez votre propre matériel.
- Quels sont les inconvénients de Arete-27B ?
- Nous a construit le benchmark, choisi le juge et mené tous les tests; réglages de décodage différents pour Arete et pour les modèles de comparaison; score factuel de 2,98 sur 5, encore sous les 3,96 de son professeur; pas d'API hébergée ni de score indépendant.
- À qui s’adresse Arete-27B ?
- Les équipes qui font tourner Qwen3.8-27B en local et veulent des réponses aux questions politiquement sensibles sans le cadrage de l'État chinois.
- Combien coûte Arete-27B pour une équipe ou en production ?
- Les poids sont gratuits. Environ 27,4 milliards de paramètres, soit près de 55 Go en BF16 : la pleine précision demande un GPU de 80 Go ; les versions communautaires GGUF 4 bits et NVFP4 le ramènent à la portée d'une seule carte grand public.
- Arete-27B est-il sûr pour les données de l’entreprise ?
- Auto-hébergé, donc les prompts restent sur votre machine. Apache 2.0 autorise l'usage commercial et la modification ; l'évaluation est publiée sous MIT.
- Quelles sont les meilleures alternatives à Arete-27B ?
- Les alternatives les plus proches que nous avons testées sont Qwen3.8-27B, Inkling, Gemma 4 et Mistral Large 4.
Réponses vérifiées le 11 nov. 2026.