Nous Research ha rilasciato Arete-27B, un modello linguistico post-addestrato costruito su una base Qwen che l'azienda descrive come uno sforzo per rafforzare i valori occidentali su una fondazione addestrata in Cina. Il risultato principale: il tasso di propaganda del modello è stato ridotto dal 22% all'1%, senza perdite significative nelle prestazioni generali.

Il nome è scelto deliberatamente. Arete, scritto in greco come ἀρετή, è il concetto classico di eccellenza e virtù—nello specifico, la piena realizzazione del massimo potenziale di qualcosa. Per Nous Research, la denominazione raddoppia come dichiarazione di intenti.

Cosa ha fatto davvero Nous Research

Qwen è la famiglia di modelli linguistici open-weight di Alibaba, ampiamente utilizzata come base per il fine-tuning nella comunità AI open-source. I modelli sono capaci e liberamente disponibili, il che li rende punti di partenza attraenti per gli sviluppatori. Portano però anche tendenze ideologiche misurabili, incorporate durante il pre-training su dati cinesi—l'origine della figura del 22% di tasso di propaganda citata per il modello di base.

Nous Research ha applicato il post-training—il termine tecnico per le fasi di fine-tuning supervisionato e reinforcement learning che avvengono dopo l'addestramento iniziale di un modello—per correggere quelle tendenze. L'azienda descrive il processo come value alignment, e la direzione specifica in questo caso è esplicita: ridurre gli output coerenti con le narrazioni di Stato cinesi e spostarli verso le norme liberali occidentali.

Per i tanti team della comunità open-source che partono dai checkpoint di Qwen per costruire applicazioni personalizzate, il risultato è direttamente rilevante: dimostra che le tendenze ideologiche ereditate dal pre-training possono essere affrontate nella fase di post-training preservando, secondo le cifre riportate, le prestazioni generali.

La posizione di Nous Research nel panorama AI open-source

L'azienda è nota soprattutto per la sua serie Hermes di modelli open-weight, che hanno costruito un seguito nella comunità open-source per la qualità nell'instruction-following e per la riduzione dei rifiuti rispetto ad alternative commerciali più restrittive. Arete applica lo stesso toolkit di post-training verso un obiettivo diverso: invece di ridurre i rifiuti, orienta il contenuto ideologico degli output del modello.

Nous Research ha raccolto un Series A riportato di 50 milioni di dollari ad aprile 2025, seguito da un ulteriore round di finanziamento riportato di 90 milioni di dollari. Ha operato costantemente nello spazio open-weight, rilasciando modelli su cui concorrenti e sviluppatori indipendenti possono costruire direttamente.

La denominazione "27B" segue la convenzione standard per i modelli di circa 27 miliardi di parametri, una classe di dimensioni ampiamente adottata nella comunità open-source, dove i checkpoint di Qwen sono frequentemente usati come punti di partenza per fine-tuning personalizzati. Data la diffusione di questi checkpoint, la prossima cosa da osservare è se pipeline di value alignment come questa verranno adottate da altri team che riconvertono modelli di base addestrati in Cina per i propri pubblici.

Fonte: CryptoBriefing. Questo report è basato su un servizio originale a cura di Diego Almada Lopez.