Arete-27B とは

Arete-27B は、Nous Research が 2026年11月6日（UTC）に公開したオープンウェイトの言語モデルで、Alibaba の Qwen3.8-27B に教師あり微調整（SFT）だけを追加して作られている。政治的に敏感な7分野で、ベースモデルに見られた拒否・はぐらかし・中国政府の公式見解に沿った回答を減らすことを狙った派生モデルである。ライセンスは Apache-2.0。必要メモリはベースと同じ構造のため、BF16 の重みが約54.7GB、Q4_K_M の GGUF が約17.2GB（コミュニティ版の実ファイルサイズ）で、4bit なら 24GB の GPU や 32GB の Mac に載る。

Nous Research の自社評価（803問・LLM ジャッジ）では、事実スコアが 2.32 から 2.98（5点満点）、プロパガンダを含む回答の割合が 22% から 0.9% に変わったとされる。Terminal-Bench-2.1 は 67% から 70%、社内ベンチ Hermes Bench は 65.77% から 65.60% でほぼ同等という。ただし、いずれも開発元が自社環境で測った値であり、「価値観の調整」の方向性はあくまで Nous 側の定義である。本記事ではその点を区別しながら、仕様と必要スペック、動かし方、業務利用時の注意を整理する。

- 何か: Qwen3.8-27B（dense・27B級）を SFT のみで再調整したモデル。RL・選好最適化・アーキテクチャ変更なし。Apache-2.0
- ベースとの違い: 7カテゴリの政治的話題で「事実の再現」と「中国政府の公式見解の採用」を測る独自評価が改善。汎用・エージェント系ベンチは同等と自己報告
- 必要スペック: BF16 約54.7GB / Q8_0 約28.7GB / Q4_K_M 約17.2GB（いずれも重みのみ。KV キャッシュ分は別）

Nous Research の説明では、Qwen3.8-27B には政治的に敏感な話題で拒否・はぐらかし・中国政府の公式見解に沿った回答が見られた。そこで、同社が「西側の価値観」と呼ぶ方向に応答を寄せるよう追加学習したのが Arete-27B である。名前はギリシャ語の「アレテー（卓越・徳）」に由来する。公式ブログのタイトルも「Western Values を強化する」という趣旨で、価値観の方向づけを意図したモデルだと明示されている。

対象は次の7カテゴリである。表現の自由、国家イデオロギー、国家と自由市場、教育、データプライバシーと監視、民主主義、環境政策。モデルカードでは、汎用アシスタントやエージェント用途で「この視点の変化を望むユーザー」と、後学習が価値観や挙動をどう変えるかの研究を想定した公開だと説明されている。

学習ステップの詳細（AdamW・学習率 1e-5 から cosine で 1e-6・バッチ48・テンソル並列4など）はモデルカードに記載がある。学習損失は最初の120ステップのウォームアップで急速に下がり、エポック1末で約1.0、エポック2の開始時に約0.8へ下がって横ばいになったという。2エポック目で同じデータを再度見るための段差であり、過学習の指標ではないとカードは説明している。

評価の中核は、Nous が作った「Propaganda_Eval」（803問）である。英語の政府文書・ニュース・調査報告から作った問題に、日付つきの出典記事から抜き出した2〜4個の必須事実と、中国共産党の公式な言い回しが付いている。Grok 4.7 を LLM ジャッジに使い、「事実の再現（0〜5点）」と「プロパガンダ度（0〜2点、1以上の回答の割合が Any propaganda）」の2軸で採点する。ジャッジにはどのモデルの回答か伝えていない。

数値は Nous Research の公表値（自社計測）で、各行は803問を5回ずつ解いた平均、± は5回のばらつきである。注意書きとして、Arete-27B とベースの Qwen3.8-27B は temperature 0、他モデルは 0.6 で実行されており、デコード設定が全モデルで揃っているわけではない。temperature 0.6 で揃えると Arete-27B は 2.88 ± 0.03、Qwen3.8-27B は 2.24 ± 0.05 である。公式ブログには thinking on の Arete-27B が 3.07 / 0.6% という行もあるが、5回中2回分の暫定値と明記されている。

そのほか、スコア0の回答は803問中359から216に減り、改善は7カテゴリすべてで見られたという。最大の変化は「表現の自由」で、事実スコアが 0.89 から 2.44、プロパガンダ率が 60% から 1% になった。なお、同じ表を見ると事実スコアの絶対値は教師の Inkling（3.96）に及ばず、Nemotron 3 Ultra や Mistral Large 4 にも届いていない。「公式見解の採用」を減らす効果と、知識の網羅性は別の指標である点に注意したい。

Hermes Bench の差は0.2ポイントで、Nous 自身が誤差と解釈している。Terminal-Bench-2.1 の3ポイント差についても、同社は「改善の手柄とはしない」と書いており、両モデルを同じ構成で自社ハードウェア上で測ったため、公式ベンチマークとは差が出得ると注記している。要するに「性能は落ちていない」と読むのが妥当で、「性能が上がった」とは読まない方が安全である。

Arete-27B の config.json はアーキテクチャ（Qwen3_5ForConditionalGeneration）、64層・hidden 5,120・KV ヘッド4・head_dim 256・4層ごとに full attention を挟むハイブリッド構造（残りは線形注意）まで Qwen3.8-27B と同じである。ベースとの差は、MTP ヘッドの層数が 0（ベースは 1）になった点と、重みの総数が約27.36B（ベースの約27.78B）になった点だけで、コンテキスト長の上限（262,144トークン）も同じだ。そのため、必要メモリはベースの Qwen3.8-27B 必要スペック とほぼ同じ見積もりで考えられる。

手元のGPU・Macで動くかをすぐ確かめたい場合は、モデル・量子化・コンテキスト長を選ぶだけで必要VRAMを試算できるVRAM計算ツール（無料・登録不要）も用意している。Arete-27B はベースの Qwen3.8-27B と同じ構造のため、一覧の Qwen3.8-27B を選べば同じ目安になる。

GGUF のサイズは、bartowski 氏が公開している量子化（bartowski/NousResearch_Arete-27B-GGUF）の実ファイルから取った値で、GB は10億バイト換算である。量子化は第三者によるもので、Nous Research の公式配布ではない。上表は重みの目安であり、実際には KV キャッシュと実行時バッファが加わる。

Arete-27B は64層のうち full attention を使うのは16層だけで、残りは固定サイズの状態を持つ線形注意である。KV キャッシュが増えるのは full attention の16層分で、config から計算すると 1トークンあたり 16層 × KV ヘッド4 × head_dim 256 × K と V の2つ × 2バイト（FP16/BF16）= 約64KB になる（推定）。

- 64kトークン（学習時のコンテキスト長）: 約4GB
- 128kトークン: 約8GB
- 262,144トークン（上限）: 約16GB

線形注意の層が持つ状態や実行時のバッファは含まないため、実際にはこれに数GB程度を見込むのが無難である。KV キャッシュを8bitに量子化すれば約半分にできる。同じ考え方は、構造の異なる Nanbeige4.3-33B の必要スペック と比べるとわかりやすい。dense の通常アテンションに比べ、このハイブリッド構造は長いコンテキストでも KV が膨らみにくい。

モデルカードには推論コマンドや推奨サンプリング設定の記載は含まれていない。配布物の generation_config.json は temperature 1.0・top_p 0.95・top_k 20 で、これはベースの Qwen3.8-27B が thinking モード向けに推奨している値（temperature 1.0、top_p 0.95、top_k 20、presence_penalty 0.0）と一致する。ベースは thinking がデフォルトで ON になる設計で、reasoning_effort で深さを調整でき、thinking を切る場合は temperature 0.7・top_p 0.80・presence_penalty 1.5 が推奨されている。Arete-27B にも同じ設定を当てはめるのが自然だが、Nous 自身がこの設定を推奨しているわけではない点は留意したい。

llama.cpp で動かす場合は、量子化版の README にある形が最も手軽である。bartowski 版の README は llama.cpp b12174 以降を必要とするとしており、-hf で取得すれば画像入力用の mmproj も自動で取得される。

LM Studio、koboldcpp、Jan などの GGUF 対応アプリでも、同じ量子化版を読み込める（bartowski 版の README に動作する旨の記載がある）。MLX 形式の 4bit・5bit・8bit 版も複数の有志が公開しており、Apple Silicon ではこちらも選択肢になる。Ollama については、2026年11月9日時点で Nous Research の公式提供や Ollama ライブラリ公式の対応は確認できなかった。GGUF を自分で取り込む方法を取ることになる。

vLLM や SGLang で BF16 のまま動かす場合は、ベースの Qwen3.8-27B に用意されている各エンジンのレシピが参考になる。アーキテクチャが同じため、モデル名を差し替える使い方が基本になるが、Arete-27B 専用の手順は公式には用意されていない。FP8・W4A16・NVFP4 などの量子化版は有志が公開しているが、品質は本記事では検証していない。

ベースの Qwen3.8-27B との違いは、重みのサイズではなく「挙動の方向」にある。必要メモリはほぼ同じなので、24GB の GPU に載るか否かで選び分けることはない。他の2モデルは別系統で、数値は当サイトの個別記事（Nous Hermes 完全ガイド、Nanbeige4.3-33B 必要スペック）にまとめている。Nous の他モデル Hermes 4.3 とは別シリーズで、Arete-27B は Hermes の後継ではなく、Qwen3.8-27B の派生である。

教師に使われた Inkling は Thinking Machines が公開したオープンウェイトの大型 MoE で、詳しくは Inkling の必要スペック と Inkling 2 Small の解説 を参照してほしい。27B 級にその知識を蒸留した、という位置づけだが、事実スコアは教師の 3.96 に対し 2.98 で、差は残っている。

- ライセンス: Arete-27B 自体は Apache-2.0 で、ベースの Qwen3.8-27B も Apache-2.0 のため、商用利用や再配布に追加の規模制限はない。ただし、コミュニティの量子化版や「uncensored」派生は個別にライセンスと出所の確認が必要
- 「価値観の調整」の意味: ここでの調整は Nous Research が「西側の価値観」と呼ぶ方向への寄せであり、中立性や正しさの保証ではない。評価の基準（必須事実の選び方、公式見解の定義、ジャッジの設計）も同社が決めたもので、第三者の再現は公開された評価セットで各自が試せる段階である
- 自社計測の数値: 事実スコア・プロパガンダ率・Terminal-Bench-2.1・Hermes Bench はいずれも開発元の自己報告で、ジャッジは LLM（Grok 4.7）である。手作業で採点した25問のパイロットでルーブリックを3回修正した、とカードに書かれている
- 日本語性能は未評価: 評価プロンプトは英語の資料から作られており、日本語での事実性や応答の偏りの変化はカードにも公式ブログにも記載がない。日本語の用途では、自分で小さな評価セットを作って確認する必要がある
- 偏りが完全に消えるわけではない: Nous 自身も「関連する挙動をすべて解消したとは主張しない」と書いている。残りの0.9%や、評価範囲外の話題では従来のベース由来の傾向が出る可能性がある
- 汎用用途では差が出にくい: 政治的な話題を扱わない業務（コード生成、社内文書の要約など）では、ベースと同等の性能という自己報告の範囲に収まる。ベースを使う理由がなければ、あえて切り替える必要はない
- 画像入力: Vision エンコーダは凍結されているが構造は残っており、GGUF 版に mmproj が付属する。ただし、画像入力での挙動は公式には評価されていない

- Hugging Face モデルカード: https://huggingface.co/NousResearch/Arete-27B
- Nous Research 公式ブログ: https://nousresearch.com/arete
- 評価データセット: https://huggingface.co/datasets/NousResearch/Propaganda_Eval
- 学習データ: https://huggingface.co/datasets/NousResearch/arete-data-pairs
- ベースモデル: https://huggingface.co/Qwen/Qwen3.8-27B
- GGUF の実サイズ（bartowski）: https://huggingface.co/bartowski/NousResearch_Arete-27B-GGUF