Seorang pengembang yang menjalankan Qwen3.6-35B-A3B dan Qwen3.6-27B padat berargumen bahwa bobot multibahasa membuang-buang VRAM bagi pengguna yang hanya fokus pada teks teknis bahasa Inggris dan kode.

  • Penulis mencatat bahwa model padat memerlukan pemuatan file bobot penuh berukuran 16-20GB, mengesampingkan pengguna dengan perangkat keras terbatas seperti GPU 8GB atau 12GB.
  • Mereka mengusulkan dua solusi potensial: melatih model baru dari awal tanpa data multibahasa sama sekali, atau memangkas model yang ada untuk menghapus kapasitas non-bahasa Inggris secara pasca-pemrosesan.
  • Penulis merujuk pada sebuah studi tentang model penalaran seperti DeepSeek-R1 dan OpenAI o1, mencatat akurasi eksekusi mereka yang rendah pada tugas kompleks dibandingkan dengan benchmark yang lebih sederhana.

Kekhawatiran intinya adalah apakah secara teknis memungkinkan untuk menghilangkan bobot multibahasa guna memulihkan VRAM demi kinerja koding yang lebih baik pada perangkat keras konsumen.