Das US-Start-up Nous Research hat Alibabas Open-Weight-Modell Qwen3.8-27B nachtrainiert, um staatliche chinesische Propaganda aus den Antworten zu entfernen. Das neue Modell heißt Arete-27B. Laut Nous sank der Anteil propagandistischer Antworten im eigenen Test von 22 auf 0,9 Prozent. Die Angaben stammen von Nous selbst und sind bislang nicht unabhängig geprüft.
Vorgehen
Nous trainierte Qwen3.8-27B per überwachtem Feintuning auf rund 53 Millionen Token über zwei Epochen, ohne Reinforcement Learning oder Präferenzoptimierung. Als Lehrermodell diente Inkling von Thinking Machines Lab, weil ein offenes Modell Ärger mit Nutzungsbedingungen vermeiden sollte, die Destillation untersagen. Nvidias Nemotron 3 Ultra kam ebenfalls infrage, zeigte nach Angaben von Nous aber Auffälligkeiten bei China-Themen.
Der Test
Nous baute einen Test mit 803 Prompts in sieben Kategorien, darunter Meinungsfreiheit, Staatsideologie, Datenschutz, Überwachung und Demokratie. Für jeden Prompt legte das Team zwei bis vier Fakten aus einem datierten Quellartikel fest. Als Richtermodell diente Grok 4.7 von SpaceXAI, das prüft, ob eine Antwort diese Fakten nennt, auslässt oder ihnen widerspricht. Das unveränderte Qwen3.8-27B erreichte 2,32 von 5 Punkten bei den Fakten, 22 Prozent seiner Antworten enthielten Propaganda. Arete-27B kommt auf 2,98 Punkte. Bei der Meinungsfreiheit sank die Propagandaquote von 60 auf ein Prozent.
Allgemeine Fähigkeiten
Nach Angaben von Nous leidet die Leistung nicht: Im internen Hermes Bench erreicht Arete-27B 65,60 Prozent, das Basismodell 65,77 Prozent. Auf Terminal-Bench 2.1 steigt der Wert von 67 auf 70 Prozent, eine echte Verbesserung leitet Nous wegen abweichender Testkonfigurationen daraus aber nicht ab.
Hintergrund
Die politische Prägung chinesischer Modelle ist mehrfach dokumentiert. NewsGuard stellte 2025 fest, dass fünf führende Modelle, darunter Qwen, in 60 Prozent der Fälle pro-chinesische Falschbehauptungen wiederholten oder nicht korrigierten. Eine Studie von Aleph Alpha mit 967 politisch sensiblen Fragen fand bei Modellen von Alibaba, Deepseek und Moonshot AI nur 17 bis 41 Prozent ausgewogene Antworten.
Einordnung
Wenn sich die Ergebnisse bestätigen, zeigt das Projekt, dass sich politische Voreinstellungen offener Modelle mit vergleichsweise wenig Nachtraining verändern lassen. Für Unternehmen, die chinesische Open-Weight-Modelle einsetzen, wäre damit eine Frage nach Neutralität und Nachprüfbarkeit der Modellausgaben berührt. Offen bleibt, ob die Messung mit einem Richtermodell aus den USA und einem eigenen Testset unabhängig genug ist. Gewichte, Testdatensatz und Trainingsdaten stehen unter Apache-2.0-Lizenz auf Hugging Face bereit.
Quellen
Redaktionell verantwortet von Ideal Syka. Quellen und Arbeitsweise: Redaktion & Methode. Hinweise und Korrekturen: ai@i6eal.de.
