Der KI-Entwickler Ivan Fioravanti hat auf X ein Experiment mit dem kompakten Sprachmodell Qwen 3 in der 0,6-Milliarden-Parameter-Version vorgestellt. Nach einem gezielten Fine-Tuning habe das Modell bei Klassifizierungsaufgaben eine Genauigkeit von 83,5 Prozent erreicht.
Zum Vergleich erreichte Googles deutlich größeres Modell Gemini 2.5 Pro bei denselben Aufgaben laut Fioravanti einen Wert von 85 Prozent. Damit liegt das kleine, lokal betreibbare Qwen-3-Modell nur knapp hinter dem großen Cloud-Modell, obwohl es mit einem Bruchteil der Parameterzahl auskommt.
In einem begleitenden Video zeigt Fioravanti die Klassifizierung in Echtzeit auf einem Apple M3 Ultra Chip. Das Beispiel unterstreicht, dass fein abgestimmte kleine Sprachmodelle für spezialisierte Aufgaben wie Textklassifizierung mittlerweile eine ernstzunehmende, ressourcensparende Alternative zu großen Cloud-KI-Modellen darstellen können.
Quelle: x.com/ivanfioravanti