O que é Arete-27B?
Arete-27B é um fine-tune do Qwen3.8-27B, da Alibaba, publicado pela Nous Research em 6 de novembro de 2026. A Nous diz que retreinou o modelo "para reforçar valores ocidentais" depois de encontrar no modelo base recusas, evasivas e respostas formuladas nos termos do Partido Comunista Chinês sobre temas politicamente sensíveis. O foco são sete áreas: liberdade de expressão, ideologia de Estado, Estado versus livre mercado, educação, privacidade de dados e vigilância, democracia e política ambiental.
O método é só ajuste fino supervisionado, sem aprendizado por reforço e sem mudança de arquitetura: cerca de 52,8 milhões de tokens em duas épocas, com respostas do modelo aberto Inkling, da Thinking Machines, como professor. A Nous publicou junto com os pesos a avaliação de 803 prompts que criou, Propaganda_Eval, e os pares de treinamento. O codificador de visão foi congelado, então a entrada de imagens é a do Qwen3.8, intacta.
Os pesos estão sob Apache 2.0, como o modelo base. A Nous não oferece API hospedada; quantizações da comunidade, a mais popular um conjunto GGUF de bartowski, apareceram em poucos dias.
Arete-27B vale a pena?
O interesse do Arete está mais no que ele prova do que no que acrescenta. No teste próprio da Nous, com 803 prompts tirados de leis, notícias e relatórios em inglês, a fatia de respostas que adotam a versão do Estado chinês caiu de 22% para 0,9%, e a nota média de fatos subiu de 2,32 para 2,98 em 5. A maior mudança foi em liberdade de expressão, em que a taxa de enquadramento estatal caiu de 60% para 1%. A conclusão da Nous é que esse tipo de viés é aplicado tarde e numa camada fina, por isso pode ser deslocado com pouca supervisão.
Os números pedem cuidado. A Nous escreveu o benchmark, escolheu os fatos e usou o Grok 4.7 como juiz, calibrado num piloto de 25 prompts avaliado à mão. O Arete e o modelo base rodaram com temperatura 0, e os modelos de comparação com 0,6; a 0,6 o Arete marca 2,88. O The Decoder observa que o Inkling, o professor, foi treinado em parte com saídas de um modelo chinês, e pelo menos um crítico no X afirma que a Nous trocou um conjunto de valores por outro, ponto que o model card não contesta: ele apresenta o trabalho como dar aos usuários a escolha de ponto de vista. O método funciona em qualquer direção.
A capacidade geral parece inalterada. No Hermes Bench interno da Nous ele marca 65,60% contra 65,77% do base, o que a Nous chama de ruído, e relata 70% contra 67% no Terminal-Bench 2.1 sem reivindicar o ganho. Não há nota em nenhum ranking independente.
Nossa opinião: para uma equipe que já gosta do Qwen3.8-27B mas precisa que ele responda sobre China, vigilância ou democracia sem a linha oficial, o Arete é uma troca direta, com o mesmo tamanho, licença e ferramentas. Para os demais é o mesmo modelo, e a avaliação publicada é a contribuição mais duradoura.
Onde ele se destaca
A equipe de dados da redação de uma editora europeia
Rodar um assistente local que resuma reportagens sobre China, Hong Kong e Taiwan sem repetir a linguagem oficial
Troque o Qwen3.8-27B pelo Arete na configuração existente; a avaliação da Nous mostra o enquadramento estatal em liberdade de expressão caindo de 60% para 1%. Continue checando os fatos: a nota média de fatos é 2,98 em 5.
Uma pesquisadora de segurança de IA que estuda como o pós-treinamento muda valores
Medir quanto um ajuste fino estreito desloca o enquadramento político de um modelo
A Nous publicou o Propaganda_Eval, com 803 prompts, o prompt do juiz e os scripts, além dos pares de treinamento. Rode de novo com outro juiz, ou com temperaturas iguais, para testar a afirmação de 22% para 0,9%.
Um gerente de compras de uma agência pública dos EUA desconfiada de modelos treinados na China
Implantar um modelo aberto capaz em hardware interno
O Arete mantém a estrutura de pesos e a licença Apache 2.0 do Qwen3.8-27B, então o arquivo BF16 de cerca de 55 GB roda onde o base roda. A origem do modelo base não muda, e algumas políticas ainda vão levar isso em conta.
Antes de decidir
- Configuração
- Baixe o checkpoint BF16 de 18 arquivos do Hugging Face e sirva como faria com o Qwen3.8-27B; as versões GGUF e MLX da comunidade rodam no llama.cpp e em Apple silicon.
- Integrações
- Usa o template de chat do Qwen3.8-27B, então vLLM, SGLang, llama.cpp e Transformers o carregam sem mudanças. A Nous avaliou com o raciocínio desligado; uma nota de 3,07 com raciocínio vem de duas de cinco rodadas.
- Dados e privacidade
- Hospedado por você, então os prompts ficam na sua máquina. Apache 2.0 permite uso comercial e modificação; a avaliação é publicada sob MIT.
- Custo em escala
- Os pesos são gratuitos. Cerca de 27,4 bilhões de parâmetros, uns 55 GB em BF16, então a precisão completa exige uma GPU de 80 GB; as versões da comunidade em GGUF de 4 bits e NVFP4 trazem isso para o alcance de uma única placa de consumo.
- Limites
- Ajustado com contexto de 64K, contra 262K do base. A Nous não afirma ter removido todos os efeitos do ponto de vista do modelo base, e a cabeça de predição multitoken foi desligada durante o treinamento.
O que é bom
- Respostas com enquadramento estatal caem de 22% para 0,9% na avaliação da Nous
- Nenhuma perda de capacidade medida no Hermes Bench
- Avaliação e pares de treinamento publicados
- Apache 2.0, mesmo tamanho e ferramentas do Qwen3.8-27B
O que não é
- A Nous criou o benchmark, escolheu o juiz e rodou todos os testes
- Configurações de decodificação diferentes para o Arete e para os modelos de comparação
- Nota de fatos de 2,98 em 5 ainda abaixo dos 3,96 do professor
- Sem API hospedada e sem nota independente
Ideal para
Equipes que rodam o Qwen3.8-27B localmente e precisam que ele responda perguntas politicamente sensíveis sem o enquadramento do Estado chinês.
Alternativas ao Arete-27B
Arete-27B: perguntas frequentes
- Arete-27B vale a pena?
- O Arete-27B mostra que o enquadramento político de um modelo chinês sai com um ajuste fino modesto, mas é um Qwen3.8-27B com outra visão de mundo, não um Qwen melhor. Damos nota 3.7 de 5.
- Quanto custa Arete-27B?
- Pesos gratuitos sob Apache 2.0. Sem API própria; você paga pelo seu próprio hardware.
- Quais são as desvantagens de Arete-27B?
- A Nous criou o benchmark, escolheu o juiz e rodou todos os testes; configurações de decodificação diferentes para o Arete e para os modelos de comparação; nota de fatos de 2,98 em 5 ainda abaixo dos 3,96 do professor; sem API hospedada e sem nota independente.
- Para quem Arete-27B é indicado?
- Equipes que rodam o Qwen3.8-27B localmente e precisam que ele responda perguntas politicamente sensíveis sem o enquadramento do Estado chinês.
- Quanto custa Arete-27B para uma equipe ou em produção?
- Os pesos são gratuitos. Cerca de 27,4 bilhões de parâmetros, uns 55 GB em BF16, então a precisão completa exige uma GPU de 80 GB; as versões da comunidade em GGUF de 4 bits e NVFP4 trazem isso para o alcance de uma única placa de consumo.
- Arete-27B é seguro para dados da empresa?
- Hospedado por você, então os prompts ficam na sua máquina. Apache 2.0 permite uso comercial e modificação; a avaliação é publicada sob MIT.
- Quais são as melhores alternativas ao Arete-27B?
- As alternativas mais próximas que analisamos são Qwen3.8-27B, Inkling, Gemma 4 e Mistral Large 4.
Respostas verificadas em 11 de nov. de 2026.