「Arete-27B」アライメント調整済みの27Bテキスト生成モデル:必要VRAM 12GB〜・GGUF版あり

基本情報
| 項目 | 内容 |
|---|---|
| リポジトリ | NousResearch/Arete-27B |
| まとめページ | Arete のまとめ(記事1本) |
| 公開元のまとめ | Nous Research のモデルとライセンスのまとめ |
| 公開日 | 2026-11-07 |
| ライセンス | apache-2.0 |
| 配布形式 | safetensors |
| 出典の種類 | 公開元の一次情報(NousResearch公式HFリポジトリが一次情報) |
情報を集めた時点で、当サイトのコードが確定させた値です。日付はJSTで表示しています。
概要
Nous Researchは、Alibabaが開発したオープンウェイトモデル「Qwen3.8-27B」に対して、監督付き微調整(SFT)による価値観のアライメントを施した新しいテキスト生成モデル「Arete-27B」を公開しました。
オープンソースモデルの利用者が、自身の好みに合わせた価値観や視点を自由に選択できるようにすることを目的として構築されています。元モデルであるQwen3.8-27Bで観察された政治的に繊細なトピックにおける偏りや回答の拒否、プロパガンダ的な表現を修正することを目指しており、事実に基づく精度の向上とプロパガンダ表現の抑制を実現しています。一般的な指示追従能力やエージェントタスクの性能を維持したまま、特定の視点や価値観に沿った応答を求めるユーザーや、事後学習による挙動の変化を調べる研究者向けに提供されています。
スペック
- パラメータ数: 27B
- アーキテクチャ: Qwen3_5ForConditionalGeneration
- コンテキスト長: 64k
性能
公開元のモデルカードでは、7つの価値観カテゴリーにわたる独自の評価データセット(803件のプロンプト)を用いたアライメント評価結果と、一般的な能力・エージェント性能の測定結果が公表されています。
アライメント評価における他モデルとの比較表は以下の通りです。
| Model | Fact mean (0–5) ± SD | Any propaganda |
|---|---|---|
| Inkling (teacher) | 3.96 ± 0.07 | 0.3% |
| Mistral Large 4 | 3.65 ± 0.04 | 0.3% |
| Muse Glimmer 30B | 3.02 ± 0.05 | 0.5% |
| Gemma 4 31B | 2.58 ± 0.05 | 0.5% |
| Nemotron 3 Ultra (thinking off) | 3.22 ± 0.02 | 0.6% |
| Arete-27B step1202 (thinking off) | 2.98 ± 0.03 | 0.9% |
| GLM 5.3 (thinking off) | 3.10 ± 0.06 | 15% |
| DeepSeek V4.1 Flash (thinking off) | 2.39 ± 0.05 | 16% |
| Qwen3.8-27B (starting model, thinking off) | 2.32 ± 0.03 | 22% |
さらに、ベースモデルであるQwen3.8-27Bとの一般的な能力およびエージェント性能の比較結果は以下の通りです。
| Benchmark | Qwen3.8-27B | Arete-27B |
|---|---|---|
| Hermes Bench (internal general-capability benchmark) | 65.77% | 65.60% |
| Terminal-Bench-2.1 | 67% | 70% |
公開元の測定結果によれば、Arete-27Bは元モデルのQwen3.8-27Bと比較して、平均ファクトスコア(Fact mean)が2.32から2.98へと向上し、プロパガンダを含む回答の割合(Any propaganda)が22%から0.9%にまで激減しています。評価を行った7つのカテゴリーすべてで改善が確認されており、特に「表現の自由」の分野ではファクトスコアが0.89から2.44へ上昇し、プロパガンダ率が60%から1%に低下する最大の改善を見せました。一方で、教示モデルとして利用されたInkling(ファクトスコア 3.96)や、Mistral Large 4(3.65)、GLM 5.3(3.10)といったモデルのファクトスコアには及んでいません。また、ターミナル上で実際にコマンドを実行し作業を完了できるかを測定するTerminal-Bench-2.1においては70%のスコアを記録しており、Hermes Benchのスコア差(65.77%対65.60%)もノイズの範囲内とされ、事後学習による一般的な機能やエージェント性能の低下は引き起こされていないと報告されています。
得意なこと・想定用途
Arete-27Bは、特定の政治的に繊細なトピックにおいて元モデルが見せていた偏りや回答拒否、プロパガンダ表現を改善し、ユーザーが求める視点や価値観に沿った応答を出力できるように設計されたモデルです。具体的には以下の7つの価値観カテゴリーに関する対話や分析タスクを得意としています。
- 表現の自由(Freedom of expression)
- 国家イデオロギー(State ideology)
- 国家対自由市場(State versus free market)
- 教育(Education)
- データプライバシーと監視(Data privacy and surveillance)
- 民主主義(Democracy)
- 環境政策(Environmental Policy)
モデルの調整にあたっては、検証された事実を正確に引用できるかという「事実の想起」と、特定の主張を自らの見解としてそのまま採用するかどうかという「フレーム設定」を明確に分けて評価・測定が行われました。教示モデル(Teacher)にはオープンモデルである「Inkling」を採用し、上記7カテゴリーにわたる重複のない2万件のプロンプトから構築されたデータセットを用いて、 supervised fine-tuning(SFT)が施されています。この学習では64kのコンテキスト長を用い、約5,280万トークンのテキストデータでファインチューニングされています。
本モデルは、偏りのない表現や特定の価値観に沿った応答を重視する一般的な対話アシスタント業務や、端末操作などをこなすエージェントタスクでの活用が想定されています。さらに、SFTのみによる事後学習(post-training)がモデルの価値観や振る舞いにどのような影響を与えるかを調査する、研究用途のベースモデルとしても有用です。
動作環境
動作環境の目安(Local Model Watch 算出) — パラメータ数 27.4B
| 手持ちのVRAM | 選べる量子化 | ファイルサイズ | 必要メモリの目安 |
|---|---|---|---|
| RTX 4070 / 3060 12GB など 12GB | Q2_K | 9.9GB | 11.8GB |
| RTX 5060 Ti 16GB / 4060 Ti 16GB など 16GB | Q3_K_L | 12.9GB | 15.5GB |
| RTX 4090 / 3090 など 24GB | Q5_K_M | 19.3GB | 23.1GB |
| RTX 5090 など 32GB | Q8_0 | 26.7GB | 32.0GB |
| A100 / H100 80GB クラス | BF16 | 50.1GB | 60.1GB |
推論エンジンの対応状況(各プロジェクトのソースにあるモデル登録表とアーキテクチャ名を当サイトが機械的に照合。2026-11-17 時点): llama.cpp: 登録あり、vLLM: 登録あり、MLX (mlx-lm): 登録あり。
必要メモリは配布ファイルの実サイズに実行時のオーバーヘッド(KVキャッシュ等)を20%見込んだ概算で、文脈長・バッチサイズ・推論エンジンによって増減します。公開元の公称値ではなく、当サイトがファイルサイズから機械的に算出した値です。 ファイルサイズは変換版 bartowski/NousResearch_Arete-27B-GGUF の配布ファイルの実測値です。 他のモデルとの比較はVRAM別の早見表を参照してください。 量子化の名前の読み方は用語集にあります。
手元で動かせるか
Ollama・LM Studio・llama.cpp で動かせます(変換版を利用)。
公開元の配布は safetensors ですが、bartowski/NousResearch_Arete-27B-GGUF が GGUF版を公開しているため、そちらを使えば手元で動きます。
ライセンス apache-2.0(商用利用可): 商用利用を含めて自由に利用・改変・再配布できます。再配布時にライセンス文と変更点の告知が必要で、特許の許諾条項があります。
量子化の圧縮率: Q2_K は実測 3.11 bit/weight で、元の16bitの重みの約19%のサイズです(配布ファイルの実サイズから当サイトが算出)。
配布形式・当サイトが見つけた変換版・各推論エンジンの登録表を突き合わせた判定です。「確認できていない」は当サイトが見つけていないという意味で、存在しないことの断定ではありません。ライセンスの要約は法的助言ではないため、実際の利用にあたっては公開元の原文を確認してください。
同クラスの既報モデル
当サイトが最近取り上げた、パラメータ数 15〜40B のモデルを、比較のために記事ログからコードが並べたものです。VRAM階層は当サイトの概算、ライセンスはモデルカードの記載です。
→ 横にスクロールできます
| モデル | パラメータ数 | 最小のVRAM階層 | ライセンス | 記事 |
|---|---|---|---|---|
| LiquidAI/LFM2.5-24B-A2B-Base | 24.0B | 80GB | lfm1.0 | LiquidAI、超軽量推論モデル「LFM2.5-24B-A2B」を公開(2026-11-17) |
| LiquidAI/LFM2.5-24B-A2B-FP8 | 24.0B | 32GB | lfm1.0 | 「LFM2.5-24B-A2B-FP8」FP8量子化済みのエージェント向けMoEモデル:必要VRAM 32GB〜(2026-11-17) |
| LiquidAI/LFM2.5-24B-A2B-MLX-bf16 | 24.0B | 80GB | lfm1.0 | 「LFM2.5-24B-A2B-MLX-bf16」Apple Silicon向け推論モデル:必要VRAM 80GB〜(2026-11-17) |
| LiquidAI/LFM2.5-24B-A2B-MLX-8bit | 24.0B | 32GB | lfm1.0 | 「LFM2.5-24B-A2B-MLX-8bit」ツール呼び出しに強い推論特化のMoEモデル:必要VRAM 32GB〜(2026-11-17) |
| LiquidAI/LFM2.5-24B-A2B | 24.0B | 12GB | lfm1.0 | 「LFM2.5-24B-A2B」エージェント特化のMoE推論モデル:必要VRAM 12GB〜・GGUF版あり(2026-11-17) |
入手方法
Arete-27Bは、Hugging Faceのモデルリポジトリ(NousResearch/Arete-27B)にてsafetensors形式で配布されています。
本モデルは利用規約への事前同意を求められるGatedモデルではないため、手続きなしで入手することができます。ライセンスにはApache 2.0が適用されています。
入手にあたっては、huggingface-cli などのライブラリやツールを使用してリポジトリからモデルファイルをダウンロードして利用できます。
派生版・量子化版
→ 横にスクロールできます
| 追記日 | 配布元 | 形式 | リポジトリ | 最小のVRAM階層(量子化・必要メモリの目安) |
|---|---|---|---|---|
| 2026-11-07 | bartowski | GGUF(imatrix) | bartowski/NousResearch_Arete-27B-GGUF | Q2_K 11.8GB(12GB VRAMで動作) |
| 2026-11-17 | mradermacher | GGUF | mradermacher/Arete-27B-GGUF | Q2_K 12.0GB(12GB VRAMで動作) |
| 2026-11-17 | mlx-community | MLX | mlx-community/Arete-27B-OptiQ-4bit | MLX 4bit 21.7GB(24GB VRAMで動作) |
各リポジトリの量子化とファイルサイズ:
- bartowski/NousResearch_Arete-27B-GGUF の量子化: IQ2_XXS 8.0GB / IQ2_XS 8.2GB / IQ2_S 8.8GB / IQ2_M 9.6GB / Q2_K 9.9GB / IQ3_XXS 11.3GB / Q3_K_S 11.6GB / IQ3_XS 11.7GB / Q3_K_M 12.3GB / Q3_K_L 12.9GB / IQ3_M 13.6GB / IQ4_XS 14.2GB / Q4_0 15.0GB / Q4_K_S 15.0GB / IQ4_NL 16.0GB / Q4_K_M 16.0GB / Q4_1 16.4GB / Q4_K_L 17.3GB / Q5_K_S 18.0GB / Q5_K_M 19.3GB / Q6_K_S 21.1GB / Q6_K 22.0GB / Q6_K_L 23.0GB / Q8_0 26.7GB / BF16 50.1GB
- mradermacher/Arete-27B-GGUF の量子化: Q2_K 10.0GB / Q3_K_S 11.2GB / Q3_K_M 12.4GB / Q3_K_L 13.4GB / IQ4_XS 14.2GB / Q4_K_S 14.5GB / Q4_K_M 15.4GB / Q5_K_S 17.4GB / Q5_K_M 17.9GB / Q6_K 20.6GB / Q8_0 26.6GB
- mlx-community/Arete-27B-OptiQ-4bit の量子化: MLX 4bit 18.1GB
このほか、上記以外の投稿者による変換版が 37 件あります(当サイトは公開元自身と、実績のある量子化担当の配布だけを表に載せています)。
この節は、記事公開後に見つかった変換版を当サイトが機械的に追記したものです。必要メモリは配布ファイルのサイズから算出した概算です。 量子化の名前の読み方は用語集にあります。
同じ用途の既報モデル
当サイトが取り上げたテキスト生成のモデルを新しい順に並べています。用途は配布元がHugging Faceに付けたタスク(pipeline_tag)から機械的に分けたもので、最小のVRAM階層は当サイトの概算です。
- 「plamo-3-8b-fin-instruct」テキスト生成モデル:必要VRAM 4GB〜・GGUF版あり(8.5B・4GB)
- 「Qwen3.8-27B-DSpine-b16」投機的デコーディング用ドラフトモデル:必要VRAM 8GB〜(2.0B・8GB)
- ByteDance-Seed/Cola2 Language Model: Continuous Compression…(8.8B・48GB)
- EleutherAI/pythia-160m-weight-seed2-corrected: 修正版重み初期化モデル
次に読むなら
- GPUのVRAMから探す(このモデルは12GBの階層から動きます) → 12GBのGPUで動くほかのモデル
- 同じモデル系統を調べる → Arete 系統のまとめ(記事1本・変換版3件)
- このモデルを動かすエンジンを調べる → llama.cpp / Ollama / vLLM
- 入手できる形式と、表に出てくる Q2_K・Q3_K_L・Q5_K_M の意味を知る → GGUF形式の解説と対応モデル / MLX形式の解説と対応モデル / 量子化・モデル形式の用語集
- 公開元について調べる → Nous Research のモデル・ライセンス・記事のまとめ
出典
更新履歴
- 2026-11-17: 変換版を「派生版・量子化版」に追記しました: mradermacher/Arete-27B-GGUF, mlx-community/Arete-27B-OptiQ-4bit
- 2026-11-17: 動作環境の表を bartowski/NousResearch_Arete-27B-GGUF の実ファイルサイズで更新しました。
- 2026-11-17: タイトルを、記事で分かる内容(必要VRAM・配布ファイル等)を示す形に変更しました。

