US-Labor Nous Research „erzieht“ Alibabas chinesisches Modell Qwen3.8 um: So entstand Arete

Das US-amerikanische KI-Labor Nous Research hat ein Fine-Tuning des beliebten Open-Weights-Modells Qwen3.8-27B von Alibaba abgeschlossen, um es, so die Entwickler, „von seinen chinesischen Wurzeln zu befreien“. Infolge der Umschulung erhielt das Modell einen neuen Namen — Arete — und begann Antworten zu generieren, die die Schöpfer des Originalmodells bei Alibaba wahrscheinlich nicht als akzeptabel erachten würden. Das erklärte Ziel des Projekts wird direkt formuliert: „Westliche Werte in einem Modell zu verankern, das ursprünglich in China trainiert wurde.“

Warum die „chinesischen Wurzeln“ zum Problem wurden

Die Idee hinter dem Projekt entspringt der Überlegung, dass chinesische Open-Weights-Modelle zu den leistungsstärksten gehören, die heute verfügbar sind. Nach Ansicht der US-Entwickler ist in ihren Gewichten jedoch „ein Verhalten verankert, das der staatlichen Ideologie Chinas entspricht“. Genau das, so erklärt Nous Research, macht die direkte Nutzung solcher Modelle für westliche Produkte und Dienste riskant, die eine neutrale oder den lokalen Standards entsprechende Ausgabe erfordern.

Gefahren jenseits der Ideologie: Schwachstellen im Code

Die mit chinesischen KI-Modellen verbundenen Risiken beschränken sich nach Einschätzung der Forscher nicht immer nur auf die Verbreitung der Pekinger Ideologie. Unter bestimmten Bedingungen sind einige dieser Modelle in der Lage, anfälligen Programmcode zu generieren, was eine praktische Bedrohung für die Sicherheit von Anwendungen darstellt. Dies vergrößert die Motivation, die offenen Gewichte von Verhaltensmustern zu „bereinigen“, die während des Trainings eingepflegt wurden.

Der Fall Hirundo: Von 89,8 % auf 2,8 %

Ein bezeichnendes Beispiel für die Wirksamkeit der Umschulung war die Erfahrung des Unternehmens Hirundo, das Fine-Tuning-Methoden auf das Modell Alibaba Qwen3.6-35B-A3B anwandte. Infolgedessen sank das Volumen der Inhalte, die die Präferenzen Pekings widerspiegeln, drastisch: Während vor Beginn des Prozesses 89,8 % der Modellantworten diesen Vorgaben entsprachen, sank der Wert nach der Umschulung auf 2,8 %. Dieser Fall bestätigt, dass sich die ideologische Schicht in offenen chinesischen Modellen korrigieren lässt.

Wie Arete umgeschult wurde

Die Forscher von Nous Research erzielten weniger spektakuläre, aber spürbare Ergebnisse: Die faktische Genauigkeit des Modells Arete-27B stieg von 2,32 auf 2,98 auf einer Fünf-Sterne-Skala, und der Anteil propaganda-haltiger Antworten sank von 22 % auf 1 % — Werte, die mit im Labor getesteten westlichen Modellen vergleichbar sind. Bei der Auswahl eines Werkzeugs für die Umschulung zogen die Experten das Modell Nvidia Nemotron 3 Ultra in Betracht, stellten jedoch fest, dass auch dieses „einen uneindeutigen Ansatz gegenüber China-bezogenen Themen zeigte“, was auf die mögliche Verwendung chinesischer Modelle beim Training von Nemotron selbst zurückgeführt wurde. Letztendlich fiel die Wahl auf das offene Modell Inkling, das von dem US-Labor Thinking Machines Lab veröffentlicht wurde. Die Praxis hat gezeigt, dass die ideologische Schicht in Alibaba Qwen3.8-27B oberflächlicher Natur ist und mit einem Trainingsvolumen von etwa 50 Millionen Token relativ leicht beseitigt werden kann.

Was das für den Markt der offenen Modelle bedeutet

Der Fall Arete verdeutlicht einen wachsenden Trend zur „Neuausrichtung“ leistungsstarker offener chinesischer Modelle an westliche Verhaltens- und Sicherheitsstandards. Einerseits bestätigt dies, dass die ideologische Komponente in den Gewichten solcher Modelle nicht irreversibel ist und mit einer relativ geringen Datenmenge entfernt werden kann. Andererseits wirft es die Frage auf, wie tief und nachhaltig man das Verhalten offener Gewichte kontrollieren kann, die nach ihrer Veröffentlichung frei zirkulieren und von jedem Nutzer modifiziert werden können.