模型权重里塞进一台 RISC-V 电脑，内存是它自己的 DeltaNet 层

Divyansh Agrawal（X 账号 @divagr1925）放出了 Qwenputer：一个把 32 位 RISC-V CPU 编译进 Qwen3.5-4B 权重里的实验模型。CPU 占 11 个 transformer 层，插在 Qwen 自己的 32 层前面；这些层的权重不靠训练，由编译器算出来。模型用自己的 Gated DeltaNet 状态当 RAM，能在前向传播里跑 C 和 MicroPython，不依赖外部运行时。

模型卡写得很直接：它没有走插件、工具或沙箱那条路。CPU 是 RV32IM + Zba + bignum 协处理器的组合，能通过官方 riscv-tests。模型结构仍是 stock Qwen3_5ForCausalLM，只改 config。隐藏维度从 Qwen 的 2560 扩到 3968，词表加入 230,324 个 trace token。Hugging Face 页面标 9B 参数，bf16 下 18.8GB，大部分是零填充，计算机部分约 100 万非零权重。作者说在 bf16 下是精确的。

关键在 Gated DeltaNet。Qwen3.5 每 4 层里有 3 层用 Gated DeltaNet，作者把这些层变成 RAM：用 one-hot key 选中地址并覆盖一行，再用 one-hot query 读回来。gate 和 write strength 设成 1 时，单行可精确覆盖和读回，状态大小固定，聊天变长也不膨胀。CPU 的寄存器、内存和程序计数器就放在 DeltaNet heads 里。

Gated DeltaNet 状态被当作 RAM

运行方式也绕开了常见工具调用。Qwen 像平时调用工具一样写一个 <tool_call> 块给 calc，但模型外部没有执行器接手。计算机层读取这个调用，在 RISC-V CPU 上跑，模型自己逐位写出 <tool_response>。作者在 L4 上用 Triton executor 跑到约 3,200 trace tokens 每秒。每个 token 仍来自权重。

文件系统也塞进 GDN 状态。聊天后保存状态，下一次加载，文件还在。作者给的数据是，改变事实后的回忆约 90%，把旧聊天重新粘贴进上下文的做法约 30%。

基准结果如下，贪心解码，每组 40 题：

基准	Qwen3.5-4B	Qwenputer	外挂 Python
合成整数运算	75.0	97.5	97.5
DeepMind `mul_big`	55.0	97.5	100
DeepMind `div_big`	72.5	97.5	95.0
DeepMind `mul_div_multiple_longer`	90.0	100.0	97.5
DeepMind `add_or_sub_big`	87.5	97.5	97.5

NUPA 上 Qwenputer 拿到 100%，base Qwen 是 48.6%，和外挂 Python 打平。作者还回放了约 230,000 个计算机输出位置，和参考机器模型比对，零不一致；Qwen 的文本行为与 base 的 KL 是 6e-4，噪声底是 5e-4。

Qwenputer 与 base Qwen3.5-4B、外挂 Python 的基准对比

项目已经放出了在线 demo、Hugging Face 权重、ModelScope 权重、文件系统模型、代码和博客。模型卡里还有一条容易忽略的限制：18.8GB 的 bf16 模型大部分是零填充，CPU 本体只有约 100 万非零权重；速度按 trace tokens 计，不能直接等同于外挂 Python 的端到端延迟。

有网友在转发里感叹，现在连电脑都能下载了。这个说法有点夸张，但 Qwenputer 把计算单元和模型权重压进同一个前向传播，确实把模型、运行时和工具之间的边界往前推了一步。