Nous Research reentrena Qwen3.8-27B y reduce la propaganda estatal china de su modelo al 0,9 %

Hecho Qué ha ocurrido
Nous Research ajustó Qwen3.8-27B de Alibaba con 53 millones de tokens de fine-tuning supervisado para crear Arete-27B, un modelo de pesos abiertos. Según la empresa, la tasa de respuestas propagandísticas bajó del 22 % al 0,9 % en su propio test de 803 prompts, con capacidades generales similares a las del modelo base. Los resultados de la empresa no han sido verificados por terceros.
Resumen generado mediante IA a partir de The Decoder (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Muestra que el sesgo político de algunos modelos chinos de pesos abiertos puede corregirse con relativa poca supervisión, algo relevante para empresas que valoran modelos abiertos y deben evaluar su alineamiento. Las cifras son de la propia empresa y el banco de pruebas es suyo.
- Quién se ve afectado
- Empresas que usan modelos abiertos de origen chino y equipos que evalúan sesgos o cumplimiento en sus despliegues.
- Qué puede cambiar
- Si los resultados se reproducen, la elección de base de un modelo abierto pasa a depender también de su sesgo y del coste de corregirlo, no solo de su rendimiento.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Conviene vigilar si terceros reproducen el test, si la mejora se mantiene fuera de los temas políticos evaluados y cómo reacciona la comunidad ante la publicación de los pesos.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: The Decoder. La referencia es siempre el artículo original.
Ver fuente original ↗LLMfine-tuningmodelos de pesos abiertos Nous ResearchAlibabaxAI Arete-27B código abierto Nous Research Qwen3.8 sesgo
Relacionadas
Qwen 3.8 27B logra puntuación 52 en índice de Artificial Analysis, equiparando modelos más grandes
Qwen 3.8 27B, un modelo de 27 mil millones de parámetros de Alibaba, ha alcanzado una puntuación de 52 en el índice de Artificial Analysis Intelligence, la…
Por qué importaDemuestra que la eficiencia en parámetros es viable en modelos de alto desempeño, reduciendo potencialmente costes de entrenamiento e inferencia…
Investigadores del MIT mejoran un modelo de lenguaje editando el 0,016 % de sus pesos con otra IA
Investigadores del MIT CSAIL usaron una IA superior (GPT-6 Astra) para modificar una porción mínima de los pesos de Qwen3.5-0.8B, sin reentrenarlo. Según el…
Por qué importaSi el enfoque se confirma, ofrece una vía de mejora de modelos pequeños más barata que el reentrenamiento. Para una empresa que usa modelos ligeros…
AWS publica guía para desplegar el modelo abierto Qwen3.8-2.4T-A95B en SageMaker HyperPod
Alibaba lanzó el 12 de agosto de 2026 Qwen3.8-2.4T-A95B, un modelo de pesos abiertos con 2,4 billones de parámetros totales (95.000 millones activados por…
Por qué importaEs la primera vez que un modelo de la clase Qwen-Max se libera en pesos abiertos, lo que da a las empresas una alternativa autoalojada frente a APIs…
Qwen 3.8 27B: modelo de 27B parámetros con capacidades de razonamiento y visión
Alibaba publicó el modelo Qwen 3.8 27B bajo licencia Apache 2, un LLM de 27 mil millones de parámetros con capacidades de visión que puede ejecutarse…
Por qué importaEs un punto de inflexión en la accesibilidad de modelos capaces: un modelo de tamaño viable para hardware de consumo (17 GB) que puede ejecutar…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.



