Qwenputer

Qwenputer 是开发者 Divyansh Agrawal 发布的实验性模型：把一颗32 位 RISC-V CPU 直接“编译”进 Qwen3.5-4B 的权重。它不是插件、工具调用或沙箱——CPU 是放在 Qwen 自身 32 层前面的 11 层 Transformer，这些权重不是训练出来的，而是由编译器逐一计算得出。2026-10-28 该项目登上 X 热门新闻话题。

模型：huggingface.co/divagr1925/Qwen3.5-4B-Qwenputer · 代码：github.com/divagr18/qwenputer · 另有带持久文件系统的 Qwenputer-Filesystem 版本 · 模型许可 Apache-2.0。

要点

1. 用 DeltaNet 当内存：Qwen3.5 的 Gated DeltaNet 层带有可按行精确覆写的运行状态，每一行可当作一个存储单元；CPU 的代码、数据、寄存器和程序计数器都放在这里。
2. 能力：在模型前向计算中运行 C 和 MicroPython 程序，通过官方 riscv-tests 测试套件；指令集为 RV32IM + Zba，并带大数协处理器。
3. 对话中如何使用：沿用 Qwen3.5 训练过的工具调用格式——Qwen 写出 calc 的 <tool_call>，但外部并不执行，而是由“计算机层”读取并在内部 CPU 上运行，再由模型自己逐位写出 <tool_response>。
4. 基准（贪心解码，每组 40 题）：合成整数运算 75.0 → 97.5；DeepMind mul_big 55.0 → 97.5；div_big 72.5 → 97.5；mul_div_multiple_longer 90.0 → 100，与基础模型调用真实 Python 工具相当。作者回放约 23 万个输出位置，与参考机器零不一致；文本行为与原模型几乎相同（KL 6e-4）。
5. 代价：bf16 下 18.8 GB（大部分是零填充，计算机部分约 100 万个非零权重）；在 L4 上 Triton 执行器约 3,200 trace tokens/秒，比原生硬件慢。

为什么收录

名称独特、思路新颖（“把计算机编译进 LLM 权重”），并在本时间窗内成为 X 热门话题；虽然权重创建于 10 月 19 日，此前未被雷达收录。

快速上手

git clone https://github.com/divagr18/qwenputer && cd qwenputer/experimental/riscv && uv sync --extra hf
hf download divagr1925/Qwen3.5-4B-Qwenputer --local-dir qwenputer-rv
uv run python -m chipformer.rv.chat qwenputer-rv --firmware tests/data/rv/calc-bridge.elf \
    --ask "Use calc: what is 123456789 * 987654321?"

提示

• 模型可按标准 Qwen3_5ForCausalLM 加载；RvChat 驱动负责把固件装入 DeltaNet 状态并管理 trace token。
• 这是研究性实验，适合探索“精确计算内化到模型”的思路，不适合作为生产计算器。
• 社区已有 FP8 量化版本（如 liodon-ai/Qwen3.5-4B-Qwenputer-FP8）。