Amerikalı araştırma laboratuvarı Nous Research, Alibaba'nın açık ağırlıklı Qwen3.8-27B modelini yaklaşık 53 milyon tokenlık gözetimli ince ayarla yeniden eğiterek Arete-27B'yi yayımladı. Şirketin 803 soruluk değerlendirme setinde modelin Çin devletinin resmî anlatısını benimseyen yanıtları yüzde 22'den yüzde 0,9'a indi; genel yetenek kaybı gözlenmedi. Nous'un çıkarımı dikkat çekici: Çinli bir modelde değer hizalaması 'geç ve ince uygulanan bir katman' — dikkatle seçilmiş 50 milyon tokenlık denetim onu kaldırabiliyor.
Açık ağırlıklı modellerin değer tartışmasına çarpıcı bir veri noktası eklendi. Nous Research, Alibaba’nın açık ağırlıklı Qwen3.8-27B modelinin üzerine çalışarak Arete-27B’yi yayımladı — laboratuvarın ifadesiyle, ‘Çin’de eğitilmiş bir model üzerinde Batı değerlerini pekiştirmek için son-eğitim uygulanmış’ bir sürüm. Gerekçe deneyimden geliyor: ekip Qwen3.8-27B’de siyasi açıdan hassas konularda reddetmeler, konu değiştirmeler ve Pekin’in resmî çerçevesini yansıtan yanıtlar gözlemlemişti.
Ölçüm yöntemi projenin en titiz yanı. Nous, ifade özgürlüğü, devlet ideolojisi, devlet-serbest piyasa, eğitim, veri gizliliği ve gözetim, demokrasi ve çevre politikası olmak üzere yedi kategoride 803 soruluk bir değerlendirme seti kurdu; her soru için tarihli bir kaynak makaleden iki ila dört doğrulanmış olgu çıkarıldı. Hakem modeli ironik biçimde Elon Musk’ın xAI’sının sağ eğilimli Grok 4.7’si: hangi modelin yazdığını bilmeden her yanıtı olgularla karşılaştırıyor, resmî anlatıyı benimseyen ifadeleri birebir alıntılamak zorunda. Tablo çarpıcı: değiştirilmemiş Qwen3.8-27B olgu doğruluğunda 5 üzerinden 2,32 aldı ve yanıtlarının yüzde 22’sinde devlet çerçevesi taşıdı; GLM 5.3 yüzde 15, DeepSeek V4.1 Flash yüzde 16’da kaldı. Batılı modellerin tamamı — Mistral Large 4, Gemma 4 31B, öğretmen olarak seçilen Inkling — yüzde 1’in altındaydı.
Müdahalenin kendisi bilinçli olarak mütevazı: pekiştirmeli öğrenme yok, tercih optimizasyonu yok, mimari değişiklik yok — yalnızca Inkling’in öğretmen yanıtlarından derlenen, çakışan sorular ayıklanmış yaklaşık 52,8 milyon tokenlık veriyle, 64 bin token bağlamında iki devirlik gözetimli ince ayar. Sonuç: olgu puanı 2,32’den 2,98’e çıktı, propaganda oranı yüzde 0,9’a düştü; en büyük sıçrama ifade özgürlüğü kategorisindeydi (olguda 0,89’dan 2,44’e; çerçevelemede yüzde 60’tan yüzde 1’e). Yetenek kaybı yok: Nous’un iç genel yetenek kıyası Hermes Bench’te 65,77’den 65,60’a inen fark gürültü bandında; Terminal-Bench 2.1’de yüzde 67’den yüzde 70’e çıkan sonucu ise ekip kurulum farkları nedeniyle kendine mal etmiyor.
Nous’un sonuçtan çıkardığı ders, tek bir modelin düzeltilmesinden büyük: Çin hizalamalı bir modeldeki değer katmanı ‘sığ’ — geç uygulanıyor, ince uygulanıyor ve dikkatle seçilmiş 50 milyon tokenlık denetim, altındaki hiçbir şeyi bozmadan onu kaldırıyor. Şirketin formülasyonu açık tartışmaya davet: ‘Bir açık modeldeki değerler her zaman tek bir ince ayardan uzakta’ ve kullanıcılar hangi değerlerle çalışacağını seçme hakkını hak ediyor. Ağırlıklar, eğitim verisi ve 803 soruluk değerlendirme seti değişken derecelerle açık olarak yayımlandı; ekip, telif ve kullanım koşulu kısıtlarından kaçınmak için hem öğretmen hem temel modeli açık seçti.
Tablonun öbür yakası da not edilmeli: aynı değerlendirme setinde Batılı modellerin hepsi yüzde 1 altındayken iki büyük Çinli model yüzde 15-16 bandındaydı ve Nous, NVIDIA’nın Nemotron 3 Ultra’sında bile Çin kaynaklı eğitimden bulaşmış olabilecek izler gördüklerini belirtiyor. Arete-27B’nin Türkçe kullanıcı için pratiği ise net: açık ağırlıklı bir modelin değer dünyası artık ölçülebilir, karşılaştırılabilir ve istenirse kabul edilebilir maliyetle değiştirilebilir bir parametre. Yapay zekâ devletlerinin değerleri modellerine nasıl yerleştirdiği sorusu, bu vesileyle tahminden ölçülebilir deneyle konuşulan bir alana dönüşüyor.