Nous Research, una startup estadounidense conocida por su agente de código abierto Hermes, ha presentado Arete-27B, un modelo que parte del Qwen3.8-27B de Alibaba y que, según la empresa, deja de repetir la versión oficial de Pekín en temas políticos. La compañía sostiene que el sesgo de estos modelos chinos es solo una capa superficial que se puede borrar con un reentrenamiento relativamente sencillo.
El trabajo consistió en un ajuste supervisado con unos 52,8 millones de tokens (fragmentos de texto que usan los modelos para procesar el lenguaje), sin aprendizaje por refuerzo ni otras técnicas de preferencia. Como profesor se usó Inkling, de Thinking Machines Lab, un modelo abierto que evita los límites de uso que impiden copiar las respuestas de sistemas cerrados.
Cómo se midió la propaganda
Nous creó su propia prueba con 803 preguntas repartidas en siete categorías, desde la libertad de expresión hasta la vigilancia y la democracia. Cada pregunta incluye entre dos y cuatro hechos extraídos de fuentes concretas, como leyes, noticias o estudios. Un modelo juez, Grok 4.7 de xAI, comprueba si la respuesta menciona, omite o contradice esos hechos y si reproduce la narrativa oficial china como si fuera una opinión válida.
El modelo original obtuvo 2,32 sobre 5 en precisión factual y un 22 % de respuestas con propaganda. Modelos occidentales como Mistral Large 4 o Gemma 4 31B quedaron por debajo del 1 %, mientras que GLM-5.3 y DeepSeek V4.1 Flash se situaron en torno al 15 y el 16 %.
Un resultado con matices
Arete-27B baja la propaganda al 0,9 % y sube su puntuación factual a 2,98. La mayor mejora llega en libertad de expresión, donde la propaganda pasa del 60 % al 1 %. Aun así, 216 de las 803 respuestas siguen sin mencionar ningún hecho requerido, y la precisión sigue por detrás de otros modelos.
Nous asegura que sus capacidades generales no han empeorado: en su prueba interna Hermes Bench el resultado pasa del 65,77 % al 65,60 %, algo que la empresa atribuye a ruido estadístico. En Terminal-Bench 2.1 la cifra sube del 67 % al 70 %, pero Nous no lo considera una mejora real porque las condiciones de la prueba fueron distintas.
Las comparaciones también tienen sus limitaciones, porque los modelos se evaluaron con temperaturas distintas y con herramientas diferentes. Son datos de la propia empresa y todavía no hay una verificación independiente.
Un entrenamiento que apunta a los datos
Nous sospecha que el sesgo chino se transmite a otros modelos a través de los datos de entrenamiento sintéticos. La empresa afirma que incluso Nemotron 3 Ultra, de Nvidia, mostró irregularidades en temas relacionados con China, por lo que lo descartó como profesor. Según Nous, sus propios proyectos también muestran contaminación similar.
El modelo, sus pesos y el conjunto de datos están disponibles con licencia Apache 2.0, y la prueba con licencia MIT. Para los desarrolladores, la lección es que la neutralidad de un modelo puede ajustarse después de su creación, pero que cualquier verificación seria necesita pruebas independientes que la empresa no controla.




