ОБЗОР 2026

Arete 27B — обзор: чем модель Nous Research отличается от Qwen3.8-27B

Nous Research дообучила Qwen3.8-27B методом SFT и заявила смену ценностных установок без потери общих способностей. Проверяем цифры модели, кванты и то, где она реально нужна.

Открытые моделиNous Research2026
Разработчик Nous ResearchПараметры 27BОбновлено 09.11.2026

Arete-27B — не новая архитектура, а пост-тренировка: Nous Research взяла открытую Qwen3.8-27B и дообучила её на 20 000 промптов по семи ценностным категориям, чтобы убрать государственно-пропагандистскую рамку в ответах. Заявленный результат — рост фактической точности с 2,32 до 2,98 из 5 и падение доли ответов с пропагандой с 22% до 0,9%. Разбираем, что в этих числах проверяемо, чем модель платит за смену установок и как её запустить локально.

Как мы это проверяли
Мы не запускали модель на своём железе: все числа взяты из карточки модели и датасета оценки Nous Research на Hugging Face (снято 09.11.2026), метрики сообщества — из Hugging Face API, размеры квантов — из файлового списка репозитория bartowski. Оценки по осям в вердикте — редакционные, методика описана в тексте.

01Что такое Arete-27B

Формально это fine-tune: база — Alibaba Qwen3.8-27B, метод — только supervised fine-tuning, без RLHF, без preference optimization и без изменений архитектуры. Учителем выступила модель Inkling, данные — текстовые, контекст обучения 64k. Авторы отдельно подчёркивают, что оценивали конкретный чекпоинт (шаг 1 202), а не финальную сборку, и что смена установок — это исследовательский результат, а не утверждение, что все связанные с базой поведения устранены.

Карточка модели
РазработчикNous Research
БазаQwen3.8-27B
Параметры27B, 18 шардов, ~54,7 ГБ в bf16
МетодSFT, шаг 1 202
Контекст64k
ЛицензияApache-2.0
Оценка803 промпта, 7 категорий

Практический смысл для пользователя простой: если вам нужна модель на 27B с открытой лицензией, которая предсказуемо отвечает на политически чувствительные темы без «государственной рамки», Arete — готовый вариант, который ставится как обычная Qwen-совместимая модель. Если нужна максимальная общая способность, разница с базой в замерах оказалась в пределах шума.

02Как обучали: 20 000 промптов и семь категорий

БазаQwen3.8-27B — исходные веса и токенизаторвходДанные20 000 промптов по 7 категориям, дедупликация и вычистка пересечений с evalконтрольУчительInkling — открытая модель, чьи ответы служили эталономвыходSFTТолько supervised fine-tuning, 1 202 шага, без RL

Семь категорий: свобода выражения, государственная идеология, государство против свободного рынка, образование, приватность и слежка, демократия, экологическая политика. Промпты собирались конвейером с обязательной дедупликацией, а каждый батч данных проходил ревью через pull request — авторы описывают это как «данные поставляем так же, как код». Перед обучением из корпуса удалили все промпты, пересекающиеся с оценочным набором, иначе замер был бы нечестным.

Перед тренировкой пришлось измерить саму проблему. Датасет Propaganda_Eval содержит 803 промпта, для каждого — 2–4 обязательных факта из датированного источника и формулировка официальной рамки. Судья (Grok 4.7) получал промпт, ответ, список фактов и рубрику, не зная, какая модель отвечала; рубрику трижды правили по ручной разметке 25 промптов. Ответ, где хотя бы один факт отрицается или подменяется официальной версией, получает 0 баллов независимо от остального.

03Результаты: 2,98 против 2,32 и 0,9% против 22%

Главный график статьи — фактическая точность и доля ответов с пропагандой. Arete-27B обгоняет и базовую Qwen3.8-27B, и DeepSeek V4.1 Flash, и GLM 5.3 по обоим показателям, но уступает учителю Inkling (3,96 и 0,3%) и Mistral Large 4 (3,65 и 0,3%). То есть модель закрыла разрыв с базой, но не стала лидером класса: верх таблицы занимают куда более крупные модели.

Фактическая точность в Propaganda Eval% от максимума (5 баллов авторов), снято 09.11.2026
0%40%80%Inkling (учитель)79,2%Mistral Large 473%Nemotron 3 Ultra64,4%GLM 5.362%Muse Glimmer 30B60,4%Arete-27B59,6%Gemma 4 31B51,6%DeepSeek V4.1 Flash47,8%Qwen3.8-27B (база)46,4%
Доля ответов с пропагандой% ответов, где официальная версия подменяет факты, данные авторов, 09.11.2026
0%12,5%25%Inkling (учитель)0,3%Mistral Large 40,3%Muse Glimmer 30B0,5%Gemma 4 31B0,5%Nemotron 3 Ultra0,6%Arete-27B0,9%GLM 5.315%DeepSeek V4.1 Flash16%Qwen3.8-27B (база)22%

Самый крупный сдвиг — в категории свободы выражения: фактическая точность выросла с 0,89 до 2,44, доля пропаганды упала с 60% до 1%. Число ответов с нулевым баллом сократилось с 359 до 216 из 803. Улучшение зафиксировано во всех семи категориях — это важнее среднего балла, потому что показывает, что модель не «подкручена» под одну тему.

Как читать эти числа
Это замеры авторов модели на их собственной рубрике и их собственном судье, а не независимый бенчмарк. Часть строк таблицы считалась с другими настройками декодирования (Arete и Qwen — temperature 0, остальные — 0,6), о чём авторы честно предупреждают в карточке. Независимая проверка появится только после того, как сообщество прогонит свой eval.

04Не потеряла ли модель в общих способностях

Post-training легко портит модель: она начинает лучше отвечать на целевые промпты и хуже — на всё остальное. Nous Research прогнала два бенчмарка: внутренний Hermes Bench на общую способность и Terminal-Bench-2.1 на агентные задачи. На первом разница 0,17 процентного пункта (65,60% против 65,77%) — то есть шум. На втором Arete показала 70% против 67% у базы, но авторы прямо пишут, что не приписывают себе это улучшение: конфигурации инференса разные, и разница может быть артефактом.

Общая способность и агентные задачи% выполнения, данные авторов, снято 09.11.2026
020406080Hermes BenchTerminal-Bench-2.165,86765,670Qwen3.8-27BArete-27B
ПоказательQwen3.8-27BArete-27B
Факт-скор (0–5)2,322,98
Ответы с пропагандой22%0,9%
Hermes Bench65,77%65,60%
Terminal-Bench-2.167%70%
ЛицензияApache-2.0Apache-2.0
Размер в bf16~55 ГБ~54,7 ГБ
База и результат рядом
Значения — из карточки модели и датасета оценки, снято 09.11.2026.

05Железо и кванты: от 8,6 до 20,7 ГБ

Полные веса — 18 шардов общим объёмом около 54,7 ГБ, для них нужна одна карта на 80 ГБ или две по 48 ГБ. Практичнее квантованные сборки: у bartowski/NousResearch_Arete-27B-GGUF на 09.11.2026 уже 28 729 загрузок — это больше, чем у самой оригинальной модели (1 747), то есть сообщество пользуется именно GGUF-вариантом. Лицензия Apache-2.0 позволяет и коммерческое использование, и пересборку.

КвантРазмерПод какой объём памяти
IQ2_XXS8,6 ГБ12 ГБ VRAM
IQ2_M10,3 ГБ12–16 ГБ VRAM
Q3_K_M13,2 ГБ16–24 ГБ VRAM
Q4_K_M17,2 ГБ24 ГБ VRAM
Q5_K_M20,7 ГБ24–32 ГБ VRAM
bf16 (18 шардов)54,7 ГБ80 ГБ VRAM
Размеры файлов из репозитория bartowski, снято 09.11.2026
Запас на контекст 8–16k добавляет 1–3 ГБ к требованию по памяти.
Запуск через llama.cpp
1
Скачать квант
Для 24 ГБ VRAM достаточно Q4_K_M, для 12 ГБ — IQ2_M или Q3_K_S.
terminalcopy
huggingface-cli download \
  bartowski/NousResearch_Arete-27B-GGUF \
  --include '*Q4_K_M.gguf'
2
Запустить сервер
Флаг -c задаёт контекст: держите 8–16k, иначе KV-кэш съест память.
terminalcopy
llama-server -m Arete-27B-Q4_K_M.gguf \
  -c 8192 -ngl 99 --port 8080
3
Проверить чат
Модель Qwen-совместимая: шаблон чата берётся из репозитория, отдельный промпт-формат не нужен.
terminalcopy
curl localhost:8080/v1/chat/completions \
  -d '{"messages":[{"role":"user",
  "content":"Привет"}]}'

06Кому нужна Arete-27B

  • Исследователям value-alignment: открытый датасет оценки и прозрачная методика — редкость, их можно переиспользовать на других моделях.
  • Продуктам, которым нужна предсказуемая рамка ответов на чувствительные темы при открытой лицензии.
  • Тем, у кого уже стоит Qwen3.8-27B: замена весов не требует менять пайплайн, шаблон чата совместим.
  • Не подойдёт как «универсальная замена» топовым моделям: по факт-скору она всё ещё ниже Mistral Large 4 и Inkling, а по агентным задачам разница с базой в пределах шума.

Отдельно стоит помнить про этику замера: модель меняет не знания, а рамку, в которой о них рассказывает. Для задач, где важна нейтральность формулировок (юридические, медицинские, новостные ответы), смена установок — это не «исправление», а другой продукт, и его нужно тестировать на своих промптах, а не на среднем балле чужой рубрики.

Нет зарубежной карты для оплаты?Реклама. ООО «КАПИБАРА», ИНН 9703231520Оформить карту →
Как оплатить AI из России — разбор

Частые вопросы

Arete-27B — это новая модель или дообученная Qwen?
Дообученная. База — Alibaba Qwen3.8-27B, метод — только SFT на 20 000 промптах, без изменения архитектуры. Поэтому она ставится теми же инструментами, что и Qwen-совместимые модели.
Насколько выросла фактическая точность?
По оценке авторов — с 2,32 до 2,98 из 5 в Propaganda Eval, а доля ответов с пропагандой упала с 22% до 0,9%. Это данные авторов на их собственной рубрике и их судье, независимого подтверждения пока нет.
Сколько памяти нужно для запуска?
Полные веса — около 54,7 ГБ, то есть карта на 80 ГБ. GGUF-кванты: IQ2_XXS — 8,6 ГБ, Q4_K_M — 17,2 ГБ, Q5_K_M — 20,7 ГБ; под контекст 8–16k добавляйте 1–3 ГБ.
Можно ли использовать коммерчески?
Да, лицензия Apache-2.0, как и у базовой модели. Ограничения могут добавляться у community-сборок (например, «uncensored»-вариантов), их лицензии надо проверять отдельно.
Потеряла ли модель способности после дообучения?
По замерам авторов — нет: Hermes Bench 65,60% против 65,77% у базы (разница в пределах шума), Terminal-Bench-2.1 — 70% против 67%, но этот прирост авторы себе не приписывают из-за разных конфигураций инференса.

Источники

Вердикт Qantcore
7,4/ 10
Arete-27B делает ровно то, что заявлено: меняет ценностную рамку ответов, не ломая общие способности, и отдаёт всё это под Apache-2.0 вместе с открытым датасетом оценки. Как универсальная модель она не выигрывает у более крупных конкурентов, а все ключевые цифры — авторские. Ставить её стоит под конкретную задачу, где важна именно рамка ответа, и обязательно проверять на своих промптах.
Сравниваете открытые модели?
В каталоге — обзоры моделей и агентов с единой методикой и проверяемыми цифрами.
Плати по всему миру — карта для оплаты зарубежных нейросетей, приложений и подписок из России
Реклама. ООО «КАПИБАРА», ИНН 9703231520
Оплата AI-сервисов из РоссииКарта РФ, СБП или реселлер — рабочая страница оплаты без VPN
Перейти к оплате →