Nous开源Arete-27B：千问27B去宣传化实测

11月7日，美国AI研究机构Nous Research发布开源模型Arete-27B。这是一款在阿里巴巴通义千问Qwen3.8-27B基础上做“价值观再对齐”的微调模型：据其内部评测，模型回答中被判定为带有官方宣传口径的内容占比从22%降至0.9%，而通用与编程能力基本保持不变。模型权重、训练数据构成与评测集已在Hugging Face上以Apache 2.0协议公开，允许自由商用。

只做监督微调：5280万token改掉“官方口径”

Arete-27B的训练方法出人意料地简单。Nous没有改动模型架构，也没有使用强化学习或偏好优化，只做监督微调（SFT）：用约5280万token、2个epoch、1202步完成训练，上下文长度为64K。训练用的2万条提示由开源教师模型Inkling生成，覆盖言论自由、国家意识形态、国家与自由市场、教育、数据隐私与监控、民主、环境七个类别。

评测由第三方模型担任裁判：xAI的Grok 4.7在803条提示上逐条检查回答是否陈述事实、是否遗漏事实、是否采用官方口径。结果显示，基础模型Qwen3.8-27B的“宣传化回答”占比为22%，Arete-27B降至0.9%，降幅约95%；事实得分（满分5分）从2.32升至2.98，教师模型Inkling本身为3.96。变化最大的类别是言论自由，宣传化占比从60%降至1%。

能力方面，Arete-27B在Nous自研的Hermes Bench上得分65.60%，与基础模型的65.77%基本持平，Nous称这一差距属于统计噪声；衡量多步骤推理与编程任务的Terminal-Bench 2.1则从67%升至70%。

为什么要给千问“换价值观”

开源大模型走向全球时，价值观对齐一直是个绕不开的问题。Qwen系列凭借出色的性价比成为海外开发者最常用的开源底座之一，但它在涉华政治议题上常采用官方表述，这让不少海外团队在采用时有所顾虑。Nous的尝试相当于回答一个问题：能否只用少量微调数据，把底座模型的价值立场“搬运”到另一套框架下，同时不损伤模型本身的能力。

从公布的数据看，答案至少在评测集上是肯定的。值得注意的是，Nous把整个方案做成了完全开源的“配方”：权重、数据构成、评测方法全部公开，任何团队都可以复现或在此基础上继续调整。据报道，这是首批完全开源的价值观再对齐方案之一。

影响与局限：数字仍需第三方验证

对开发者而言，Arete-27B提供了一个可直接下载、可商用的替代底座：在需要中立表述的问答、内容审核、研究分析等场景中，它比原版Qwen3.8-27B更省去一层后处理。对开源生态而言，它验证了一条低成本路线：价值观对齐不一定需要从头训练或大规模强化学习，数千万token的监督微调就可能显著改变模型的表达倾向。

但局限同样明显：所有关键数字目前均来自Nous自家的评测，尚未有独立实验室复现；803条提示的评测集规模不大，且裁判模型本身的立场也可能影响结果。Nous公开了权重、数据构成与评测方法，第三方验证已有条件展开。如果这一路线被更多团队复用，开源模型生态可能出现更多“同一底座、不同价值观”的分支版本，模型选型时除了看性能榜单，还要看它“站在哪边说话”。