NieuwsMacroNous Research brengt Arete-27B uit, een post-getraind Qwen-model dat bedoeld is om Chinese propagandautput te verminderen

Nous Research brengt Arete-27B uit, een post-getraind Qwen-model dat bedoeld is om Chinese propagandautput te verminderen

Auteur: CryptoBriefing·

Belangrijkste punten

  • •Nous Research heeft Arete-27B uitgebracht, een model van circa 27 miljard parameters dat post-training heeft ondergaan op Alibaba's open-weight Qwen-basis om westerse waarden te versterken op een Chinees getrainde fundering.
  • •Post-training verlaagde de propaganda-perorcentvan het model van 22% naar 1%, waarbij het bedrijf meldde dat de algemene prestaties niet significant achteruitgingen.
  • •Het proces combineert supervised fine-tuning en reinforcement learning om uitkomsten te verschuiven van Chinese staatsnarratieven richting westerse liberale normen.
  • •Het resultaat toont aan dat ideologische tendenzen uit de pre-training achteraf kunnen worden aangepakt, een bevinding die relevant is voor open-source teams die applicaties bouwen op Qwen-checkpoints.
  • •Nous Research, vooral bekend om zijn open-weight Hermes-modellen, haalde in april 2025 naar verluidt een Series A van 50 miljoen dollar op, gevolgd door een verdere ronde van naar verluidt 90 miljoen dollar.
Nous Research brengt Arete-27B uit, een post-getraind Qwen-model dat bedoeld is om Chinese propagandautput te verminderen

Nous Research heeft Arete-27B uitgebracht, een post-getraind taalmodel gebouwd op een Qwen-basis, dat het bedrijf omschrijft als een poging om westerse waarden te versterken op een Chinees getrainde fundering. Het belangrijkste resultaat: de propaganda-perorcentvan het model daalde van 22% naar 1%, zonder significant verlies aan algemene prestaties.

De naam is bewust gekozen. Arete, in het Grieks geschreven als ἀρετή, is het klassieke begrip van uitmuntendheid en deugd — specifiek de volledige verwerkelijking van het hoogste potentieel van iets. Voor Nous Research is de benaming tevens een statement van intentie.

Wat Nous Research feitelijk heeft gedaan

Qwen is de familie open-weight taalmodellen van Alibaba, die veel wordt gebruikt als basis voor fine-tuning binnen de open-source AI-gemeenschap. De modellen zijn krachtig en vrij beschikbaar, wat ze aantrekkelijke startpunten maakt voor ontwikkelaars. Ze dragen echter ook meetbare ideologische tendenzen met zich mee die tijdens de pre-training op Chinese data zijn ingebakken — daaraan dankt de genoemde propaganda-perorcentvan 22% voor het basismodel zijn oorsprong.

Nous Research paste post-training toe — de technische term voor de stappen van supervised fine-tuning en reinforcement learning die plaatsvinden na de initiële trainingsronde van een model — om die tendenzen bij te sturen. Het bedrijf omschrijft het proces als waarde-uitlijning, en de specifieke richting is hier expliciet: uitkomsten die stroken met Chinese staatsnarratieven verminderen en deze verschuiven richting westerse liberale normen.

Voor de vele teams in de open-source gemeenschap die vanaf Qwen-checkpoints aangepaste applicaties bouwen, is het resultaat direct relevant: het toont aan dat ideologische tendenzen uit de pre-training in de post-trainingsfase kunnen worden aangepakt, waarbij — volgens de gerapporteerde cijfers — de algemene prestaties behouden blijven.

De positie van Nous Research in het open-source AI-landschap

Het bedrijf is vooral bekend om zijn Hermes-serie open-weight modellen, die binnen de open-source gemeenschap een aanhang hebben opgebouwd dankzij de kwaliteit van instructie-opvolging en minder weigeringen dan restrictievere commerciële alternatieven. Arete zet dezelfde post-trainingsinstrumenten naar een ander doel in: in plaats van weigeringen te verminderen, stuurt het de ideologische inhoud van de modeluitkomsten bij.

Nous Research haalde in april 2025 naar verluidt een Series A van 50 miljoen dollar op, gevolgd door een verdere financieringsronde van naar verluidt 90 miljoen dollar. Het bedrijf is consequent actief in de open-weight ruimte en brengt modellen uit waar concurrenten en onafhankelijke ontwikkelaars direct op voort kunnen bouwen.

De aanduiding "27B" volgt de gangbare conventie voor modellen met circa 27 miljard parameters, een grootteklasse die breed wordt toegepast in de open-source gemeenschap, waar Qwen-checkpoints regelmatig als startpunt dienen voor aangepaste fine-tuning. Gezien hoe wijdverbreid die checkpoints circuleren, is de volgende vraag of waarde-uitlijningspipelines zoals deze worden overgenomen door andere teams die Chinees getrainde basismodellen herbestemmen voor hun eigen doelgroepen.

Bron: CryptoBriefing. Dit bericht is gebaseerd op originele verslaggeving bewerkt door Diego Almada Lopez.