Desenvolvedores questionam a necessidade de pesos multilíngues em modelos de codificação densos como Qwen

Um desenvolvedor que executa o Qwen3.6-35B-A3B e o denso Qwen3.6-27B argumenta que os pesos multilíngues desperdiçam VRAM para usuários focados exclusivamente em texto técnico e código em inglês.

• O autor observa que modelos densos exigem o carregamento de arquivos de peso completos de 16 a 20 GB, excluindo usuários com hardware limitado como GPUs de 8 GB ou 12 GB.
• Ele propõe duas soluções potenciais: treinar novos modelos do zero com zero dados multilíngues, ou podar os modelos existentes para remover a capacidade não inglesa post-hoc.
• O autor referencia um estudo sobre modelos de raciocínio como DeepSeek-R1 e OpenAI o1, notando sua baixa precisão de execução em tarefas complexas em comparação com benchmarks mais simples.

A preocupação central é se é tecnicamente viável remover os pesos multilíngues para recuperar VRAM e melhorar o desempenho de codificação em hardware de consumo.