独立作者的实验模型：在 Qwen3.5-4B 前面插入 11 层由编译器直接算出权重（不经训练）的 32 位 RISC-V CPU（RV32IM），用 Gated DeltaNet 的状态当内存，能在模型前向过程中运行 C 和 MicroPython 程序；Qwen 按平常的工具调用格式写 calc 调用，结果由模型自己逐位写回，不调用外部解释器。
上升分 80 · 点赞 80 · 下载量 321
理由
- 作者自测（贪心解码、每组 40 题）：合成整数算术从基座的 75.0 升到 97.5，DeepMind mul_big 从 55.0 到 97.5，和基座调用真 Python 工具的成绩相当。
- 作者称回放约 23 万个 CPU 输出位置与参考模拟器零差异，CPU 通过官方 riscv-tests；Qwen 原权重不变，文字行为与基座的 KL 为 6e-4。
- 方向新：把确定性计算编进权重而不是外接沙箱；在 L4 上约每秒 3,200 个轨迹 token。Apache-2.0，此前各期没有收录。
用法
- git clone divagr18/qwenputer，进 experimental/riscv 执行 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?"；RvChat 驱动负责把固件装进状态，并把 CPU 轨迹 token 挡在 Qwen 层之外。
风险
- 研究性质：目前展示的只有算术，评测每组仅 40 题，均为作者自测；要靠作者的驱动和固件才能用，不是普通加载就能对话的模型。
- bf16 权重 18.8 GB（大部分是零填充），词表多出 23 万个轨迹 token；只处理文本。
- 另有文件系统版本另行发布；GitHub 代码的引用信息写的是 MIT，模型卡写 Apache-2.0。