美国开源 AI 初创公司 Nous Research 在 2026 年 11 月 7 日发布开源权重模型 Arete-27B，做了一场直接刺痛全球大模型合规神经的实验。团队拿阿里巴巴采用 Apache 2.0 协议开源的 Qwen3.8-27B 当基座，没动用强化学习或偏好优化，仅凭约 5280万token 的监督微调，就把模型回答里中国官方叙事的比例从 22%压降到0.9%，同时保住了原有的通用能力。这场实验表面上是在给中国大模型换上西方价值观，实则验证了所有开源大模型的后训练对齐都只是一层极易擦除的薄皮，更意外扯出了中美开源模型在底层合成数据上早已互相渗透的产业现实。
1202 步微调洗掉 Qwen3.8-27B 的合规薄层
中国开源权重模型长期在代码、智能体能力与宽松协议上占据第一梯队，但内置的合规对齐让不少欧美企业望而却步。Nous 团队这次公开了精确的脱敏账本，他们每轮使用约 28,886 个样本（中位长度 866 token），训练 2 个 epoch，仅仅执行了 1,202个优化步。
为了检验效果，Nous 以 MIT 协议开源了名为 Censorship & Propaganda Eval 的基准测试，涵盖言论自由、国家意识形态、教育、隐私与监控、民主、环境以及国家与自由市场共 7 大类 803 条提示词。测试结果显示，改造后的 Arete-27B 在关闭思考模式下官方口径比例降至 0.9%（开启思考模式进一步降至 0.6%），与西方阵营的 Mistral Large 4（0.3%）和 Google Gemma 4 31B（0.5%）基本持平，远低于同场测试的智谱 GLM-5.3（15%）、DeepSeek V4.1 Flash（16%）以及原版 Qwen3.8-27B（22%）。在反差最大的言论自由类别中，该比例直接从 60% 跌至 1%，事实得分从 0.89 升至 2.44。
这种极低成本的改造之所以奏效，且在内部 Hermes Bench（65.60% 对比原版 65.77%）和 Terminal-Bench 2.1（70% 对比原版 67%，测试设置略有不同）上丝毫不损通用能力，根源在于大模型预训练知识与后训练路由的分离。另一项独立的本地自托管测试拆解了这种浅层机制，Qwen3.8-27B 面对特定历史事件提示词时，80 次生成中直接拒答 52 次，硬拒答率达65%（而 160 次西方同类议题生成为 0 拒答）；但在涉疆等议题上则更多表现为输出官方叙事框架而非拒答。针对前代模型 Qwen3.6 的跨语种独立测试也印证了这种表层特征，该模型对涉华敏感问题在英语下的拒答或回避率为 53.3%，切换到法语就骤降至 33.3%，而对照的 Mistral Small 4 与 Gemma 4 31B 均为 0 拒答。预训练阶段早已把全量事实写进深层权重，合规层只是后天贴上去的浅层开关，1202 步微调就足以改写路由。
剥离宣传不等于客观真实，评测与训练集暗藏水分
如果单看宣传率暴跌的头条数字，很容易得出只需几千万 token 就能把中国模型洗成客观权威模型的结论。但仔细翻阅 Nous 在 Hugging Face 公开的训练集卡片（NousResearch/arete-data-pairs），就会发现另一番景象。
在满分为 5 分的事实准确度评测中，Arete-27B 的得分仅从原版的 2.32 分微升至 2.98分（开启推理模式为 3.07 分），依然停留在不及格边缘。原因直接写在数据集披露里，Nous 采纳的教师模型回答本身并不干净，大多数训练样本带有 factual_error标签（事实错误），且准确度评分仅为 2 分。廉价的监督微调只能强行替换模型的叙事姿态，却无法凭空补齐高质量的事实底座。
千步微调只能换掉模型的说话姿态，填不上事实准确度的窟窿。
这套评测管线本身的严谨度同样经不起细推。Nous 选用马斯克旗下 xAI 的 Grok 4.7（temperature 设为 0）担任盲测裁判，而该模型此前刚被曝光存在系统性政治右倾；在这场测试里，Grok 4.7 不仅负责最终打分，还参与了提示词可回答性的前期筛选，整套评分量表的人工校验更仅仅在 25条试点提示词 上完成。此外，关于测试数据的完整性也存在口径出入，部分报道指仅推理模式下的 3.07 分属于跑完 5 次运行中 2 次的阶段性数据，但亦有独立技术披露指出，Nous 报告的整套核心头条结果目前均建立在 5次运行仅跑2次 的临时数据之上。
- 提醒.洗掉特定官方口径不代表模型变得客观中立，开发者若直接将此类微调模型用于严肃政经或新闻检索场景，仍会面临高达半数的事实性幻觉风险。
英伟达落选与 Kimi 血统揭穿纯净模型悖论
比微调实验本身更具戏剧性的，是 Nous 挑选教师模型时的幕后插曲。为了避免违反闭源商业模型禁止蒸馏的服务条款，Nous 必须在开源权重模型里寻找教师模型。团队最初将英伟达的 Nemotron 3 Ultra 列入候选名单，却在测试中发现该模型在中国相关议题上表现出明显的偏见异常，最终只能将其弃用。
Nous 怀疑英伟达的模型是在训练过程中吸收了中国开源模型的数据，并承认自家过往项目也遭遇过类似的跨国数据污染。为了避开这层污染，Nous 最终选中了前 OpenAI 首席技术官创立的 Thinking Machines Lab 旗下的开源模型 Inkling 担任教师。但讽刺的是，Thinking Machines 训练 Inkling 时所使用的合成训练数据，恰恰大量依赖了中国初创公司月之暗面的 Kimi K2.5。
这一连串选角周折揭穿了地缘政治视角下的纯净模型幻觉。美国团队试图用美国模型去清洗中国底座的意识形态痕迹，但充当清洁剂的美国教师模型，其基因里早就混入了另一家中国大模型的合成数据。2026 年 10 月刚以 15 亿美元估值拿下 9000 万美元 B 轮融资（Robot Ventures 领投，英伟达与三星参投）的 Nous Research，正借着 Hermes for Businesses 向企业级市场转型，放弃了 2024 年 Hermes 3 时代的绝对中立路线，转头迎合欧美企业客户对西方价值观底座的采购需求。
这场微调实验给产业界留下的冲击是双向的。欧美开发者拿到了一套极低成本改造中国 Apache 2.0 顶尖底座的实操配方，削弱了西方鹰派以意识形态安全为由封禁中国开源模型的借口；但对于全球 AI 安全团队与监管机构而言，既然 1202 步微调就能轻易抹掉出厂合规层，那么任何开源权重模型内置的防滥用与安全护栏，在下游微调面前同样不堪一击。