Los modelos chinos de pesos abiertos están entre los más potentes que se pueden descargar y ejecutar en un ordenador propio, pero arrastran un problema conocido: en temas políticamente delicados tienden a esquivar la pregunta o a repetir el relato oficial de Pekín. La startup estadounidense Nous Research asegura haber demostrado que esa capa es mucho más fina de lo que parecía.
Su nuevo modelo, Arete-27B, parte del Qwen3.8-27B de Alibaba y, tras un ajuste fino relativamente pequeño, reduce las respuestas con propaganda del 22 % a menos del 1 % en la evaluación de la propia empresa, sin perder capacidad en el resto de tareas que ha medido. Los pesos están publicados en Hugging Face.
Qué ha hecho exactamente Nous Research
El equipo aplicó únicamente ajuste fino supervisado (SFT) sobre unos 52,8 millones de tokens, en dos pasadas (épocas) y 1.202 pasos de entrenamiento, con un contexto de 64.000 tokens. No hubo aprendizaje por refuerzo, ni optimización por preferencias, ni cambios en la arquitectura. La propia Nous subraya que, comparado con lo que costó el preentrenamiento del modelo original, este coste adicional es insignificante.
Como «profesor» para generar las respuestas de entrenamiento eligieron Inkling, de Thinking Machines Lab. Según la compañía, al tratarse de un modelo abierto evitaban las condiciones de uso que prohíben destilar modelos comerciales. The Decoder añade que Nvidia Nemotron 3 Ultra estuvo entre los candidatos, pero Nous detectó irregularidades en temas relacionados con China y lo descartó.
Cómo se mide la «propaganda» de un modelo
Nous construyó una batería de 803 preguntas repartidas en siete categorías: libertad de expresión, ideología de Estado, Estado frente a libre mercado, educación, privacidad y vigilancia, democracia y medio ambiente. Para cada pregunta extrajo entre dos y cuatro hechos de un artículo fuente fechado, y un modelo juez, Grok 4.7 de xAI, comprueba sin saber qué modelo responde si la contestación recoge esos hechos, los omite o los contradice.
Una respuesta cuenta como propaganda si sustituye los hechos por la versión oficial del Partido Comunista Chino o si, aun citándolos, la respalda o la presenta como igual de válida. Citar la postura oficial para identificarla no penaliza.
Los resultados, en cifras
Con la versión original de Qwen3.8-27B, el 22 % de las respuestas contenía propaganda y la puntuación media de hechos era de 2,32 sobre 5. Arete-27B baja al 0,9 % y sube a 2,98. Las respuestas con un cero rotundo pasan de 359 a 216 de 803. El salto más llamativo está en libertad de expresión: la puntuación factual sube de 0,89 a 2,44 y la propaganda cae del 60 % al 1 %.
En la misma tabla, otros modelos chinos como GLM 5.3 y DeepSeek V4.1 Flash se quedan en el 15 % y el 16 %, mientras que modelos occidentales como Mistral Large 4 o Gemma 4 31B están por debajo del 1 %. En capacidades generales, el banco de pruebas interno Hermes Bench apenas se mueve (del 65,77 % al 65,60 %) y en Terminal-Bench-2.1 pasa del 67 % al 70 %, una mejora que la propia Nous no se atribuye porque las configuraciones de prueba pueden influir.
«Una capa fina» y otras lecturas
La conclusión de la compañía es tajante. Según su blog, el sesgo de un modelo alineado con China «es superficial: se aplica tarde y se aplica fino», y unos cincuenta millones de tokens bien elegidos lo eliminan sin tocar lo que hay debajo. Y va más allá: los valores de cualquier modelo abierto están siempre «a un ajuste fino de distancia».
Conviene leer los números con cautela. La evaluación es de la propia Nous, el juez es otro modelo de IA y la empresa reconoce que no todos los modelos de la tabla se probaron con los mismos ajustes de generación. Además, Arete-27B no es «neutral»: Nous lo presenta abiertamente como un modelo que refuerza «valores occidentales», un giro respecto a Hermes 3, que en 2024 se diseñó para adaptarse a la visión del mundo que fijara cada usuario, según recuerda The Decoder.
Disponibilidad y qué hace falta para usarlo
Los pesos, el conjunto de evaluación y los datos de entrenamiento se han publicado bajo licencia Apache 2.0. Según MarkTechPost, la versión en BF16 ocupa 53,81 GB, pero hay una versión cuantizada por la comunidad (Q4_K_M) de 17,20 GB pensada para tarjetas gráficas domésticas de 24 GB.
El lanzamiento llega un mes después de que Nous cerrara una ronda de 90 millones de dólares, de la que ya hablamos en Tecnología365. Más allá de la política, el experimento deja una idea útil para empresas y desarrolladores: los valores que trae un modelo abierto de fábrica no son definitivos, para bien y para mal.
Fuentes
- Nous Research: Introducing Arete-27B: Qwen3.8-27B Post-Trained To Reinforce Western Values
- Hugging Face: ficha del modelo NousResearch/Arete-27B
- The Decoder: State propaganda in some Chinese AI models is only «a thin layer» that fine-tuning can strip away
- MarkTechPost: Nous Research Releases Arete-27B that Cuts Qwen3.8-27B Propaganda From 22% to 0.9%
