Nous Research ha lanzado Arete-27B, un modelo de lenguaje post-entrenado construido sobre una base Qwen que la empresa describe como un esfuerzo por reforzar los valores occidentales sobre una base entrenada en China. El resultado principal: la tasa de propaganda del modelo se redujo del 22% al 1%, sin una pérdida significativa en el rendimiento general.

El nombre fue elegido deliberadamente. Arete, escrito en griego como ἀρετή, es el concepto clásico de excelencia y virtud; específicamente, la plena realización del máximo potencial de algo. Para Nous Research, la designación funciona también como una declaración de intenciones.

Lo que Nous Research realmente hizo

Qwen es la familia de modelos de lenguaje de pesos abiertos de Alibaba, ampliamente utilizada como base para el ajuste fino en la comunidad de IA de código abierto. Los modelos son capaces y de libre acceso, lo que los hace puntos de partida atractivos para los desarrolladores. También llevan tendencias ideológicas medibles incorporadas durante el pre-entrenamiento con datos chinos; de ahí proviene la cifra del 22% de tasa de propaganda citada para el modelo base.

Nous Research aplicó post-entrenamiento, el término técnico para los pasos de ajuste fino supervisado y aprendizaje por refuerzo que se realizan después del entrenamiento inicial de un modelo, para ajustar esas tendencias. La empresa describe el proceso como alineación de valores, y la dirección específica aquí es explícita: reducir los resultados consistentes con las narrativas del Estado chino y orientarlos hacia las normas liberales occidentales.

Para los numerosos equipos de la comunidad de código abierto que parten de checkpoints de Qwen para construir aplicaciones personalizadas, el resultado es directamente relevante: demuestra que las tendencias ideológicas heredadas del pre-entrenamiento pueden abordarse en la etapa de post-entrenamiento mientras, según las cifras reportadas, se preserva el rendimiento general.

La posición de Nous Research en el panorama de la IA de código abierto

La empresa es mejor conocida por su serie Hermes de modelos de pesos abiertos, que han ganado seguidores en la comunidad de código abierto por su calidad en el seguimiento de instrucciones y sus menores tasas de negación en comparación con alternativas comerciales más restrictivas. Arete aplica el mismo conjunto de herramientas de post-entrenamiento con un fin distinto: en lugar de reducir negaciones, orienta el contenido ideológico de los resultados del modelo.

Nous Research recaudó una Serie A reportada de 50 millones de dólares en abril de 2025, seguida de una ronda de financiamiento adicional reportada de 90 millones de dólares. Ha operado consistentemente en el espacio de los pesos abiertos, lanzando modelos sobre los que competidores y desarrolladores independientes pueden construir directamente.

La designación "27B" sigue la convención estándar para modelos de aproximadamente 27 mil millones de parámetros, una clase de tamaño ampliamente adoptada en la comunidad de código abierto, donde los checkpoints de Qwen se usan frecuentemente como punto de partida para ajustes finos personalizados. Dada la amplia circulación de esos checkpoints, lo próximo a observar es si otros equipos que reutilizan modelos base entrenados en China para sus propias audiencias adoptan pipelines de alineación de valores como este.

Fuente: CryptoBriefing. Este informe se basa en una cobertura original editada por Diego Almada Lopez.