Los desarrolladores cuestionan la necesidad de pesos multilingües en modelos de codificación densos como Qwen

Un desarrollador que ejecuta Qwen3.6-35B-A3B y el denso Qwen3.6-27B argumenta que los pesos multilingües desperdician VRAM para usuarios enfocados únicamente en texto técnico y código en inglés.

• El autor señala que los modelos densos requieren cargar archivos de pesos completos de 16 a 20 GB, excluyendo a usuarios con hardware limitado como GPUs de 8 GB o 12 GB.
• Propone dos soluciones potenciales: entrenar nuevos modelos desde cero con cero datos multilingües, o podar los modelos existentes para eliminar la capacidad no inglesa post-hoc.
• El autor hace referencia a un estudio sobre modelos de razonamiento como DeepSeek-R1 y OpenAI o1, notando su baja precisión de ejecución en tareas complejas en comparación con benchmarks más simples.

La preocupación central es si es técnicamente factible eliminar los pesos multilingües para recuperar VRAM y mejorar el rendimiento de codificación en hardware de consumo.