Nous Research выпускает Arete-27B: open-source модель для корректировки цензуры и идеологического фрейминга

Наиболее заметный прогресс наблюдается в категории 'Freedom of Expression'. Уровень использования государственного фрейминга в ответах упал с катастрофических 60% до всего лишь 1%, а показатель фактологической точности в этой категории подскочил с 0.89 до 2.44. В целом, доля ответов, содержащих пропагандистский или государственный фрейминг, снизилась с 22% до 0.9%.

• Снижение государственного фрейминга: с 22% до 0.9%
• Freedom of Expression (framing rate): с 60% до 1%
• Сравнение с конкурентами (fact score): Mistral Large 4 (3.65), GLM 5.3 (3.10), DeepSeek V4.1 Flash (2.39)

Сохранение когнитивных способностей

Критическим вопросом при таком агрессивном SFT является риск деградации общих способностей модели (capability regression). Однако Nous Research предоставили данные, подтверждающие стабильность Arete-27B. На внутреннем бенчмарке Hermes Bench модель показала 65.60%, что практически идентично 65.77% у базовой модели (разница находится в пределах статистической погрешности).

В задачах на использование терминала (Terminal-Bench 2.1) Arete-27B даже продемонстрировала небольшой прирост: 70% против 67% у базовой Qwen3.8. Это доказывает тезис разработчиков: слой государственного выравнивания в китайских моделях является «поверхностным» и тонким, и его можно удалить с помощью всего 50 миллионов токенов целевого обучения, не нарушая логику и навыки модели.

• Hermes Bench: 65.60% (базовая: 65.77%)
• Terminal-Bench 2.1: 70% (базовая: 67%)
• Вывод: Деградация способностей отсутствует

Методология оценки и прозрачность

Nous Research придерживается принципа полной открытости. Вся методология оценки была опубликована: используются 803 промпта, детальная рубрика и скрипты. В качестве судьи (LLM judge) выступает Grok 4.7, который не знает идентичности тестируемых моделей (blind test).

Процесс оценки строго регламентирован: судья обязан требовать факты из датированных статей, а любая оценка 'пропаганды' должна сопровождаться цитированием конкретной фразы в качестве доказательства. Веса модели, датасет (arete-data-pairs) и все инструменты оценки доступны для воспроизведения эксперимента любым исследователем.

• Судья: Grok 4.7 (blind evaluation)
• Прозрачность: Опубликованы веса, датасет и скрипты
• Требование к доказательствам: Обязательное цитирование фраз для маркировки пропаганды

Сферы применения (Use Cases)

Благодаря своей способности давать более нейтральные и менее предвзятые ответы, Arete-27B идеально подходит для задач, требующих объективности. Это делает её отличным выбором для аналитических систем, работающих с политическими, социальными и экономическими данными, где важно избегать скрытого идеологического влияния.

Также модель сохраняет высокие показатели в кодинге и логических рассуждениях, что позволяет использовать её в качестве основы для агентов и RAG-систем (Retrieval-Augmented Generation), где критически важна точность извлечения фактов без искажений, навязанных обучающей выборкой базовой модели.

• Объективный политический и социальный анализ
• Разработка интеллектуальных агентов
• RAG-системы, требующие высокой фактологической точности
• Исследования в области AI Alignment

Как начать работу

Arete-27B доступна для скачивания на Hugging Face под лицензией Apache-2.0. Благодаря открытым весам, разработчики могут развертывать её локально или использовать в облачных инфраструктурах. В первые 24 часа после релиза модель уже набрала почти тысячу загрузок, что свидетельствует о высоком интересе сообщества.

Для интеграции рекомендуется использовать стандартные библиотеки Transformers или vLLM. Полный набор данных для обучения и инструменты оценки также доступны в репозиториях Nous Research для тех, кто хочет провести собственные тесты или дообучить модель на специфических наборах данных.

• Платформа: Hugging Face
• Лицензия: Apache-2.0
• Инструменты: Transformers, vLLM

API Pricing — Context: 64k

Sources