Qwen3.6-35B-A3B और घन Qwen3.6-27B चलाते हुए एक डेवलपर का तर्क है कि केवल अंग्रेजी तकनीकी पाठ और कोड पर केंद्रित उपयोगकर्ताओं के लिए बहुभाषी वजन VRAM बर्बाद करते हैं।
- लेखन ने नोट किया है कि घन मॉडलों को 16-20GB के पूर्ण वजन फ़ाइलें लोड करने की आवश्यकता होती है, जिससे 8GB या 12GB GPUs जैसे सीमित हार्डवेयर वाले उपयोगकर्ता बाहर हो जाते हैं।
- उन्होंने दो संभावित समाधान प्रस्तावित किए: शून्य बहुभाषी डेटा के साथ नए मॉडलों को शून्य से प्रशिक्षित करना, या मौजूदा मॉडलों को पोस्ट-होच में अंग्रेजी-बाहरी क्षमता को हटाने के लिए प्रუნ करना।
- लेखन ने DeepSeek-R1 और OpenAI o1 जैसे तर्क मॉडलों पर एक अध्ययन का संदर्भ दिया, जिसमें उन्होंने सरल बेंचमार्क्स की तुलना में जटिल कार्यों पर उनकी निम्न निष्पादन सटीकता को नोट किया।
मुख्य चिंता यह है कि उपभोक्ता हार्डवेयर पर बेहतर कोडिंग प्रदर्शन के लिए VRAM को पुनः प्राप्त करने के लिए बहुभाषी वजन को तकनीकी रूप से अलग करना संभव है या नहीं।