Qwenputer把RISC-V CPU写进模型权重，大整数乘法准确率升至97.5%

2026年10月30日 20:07:51 来自北京市

开发者 Divyansh Agrawal 于 10 月 22 日发布实验性模型 Qwenputer。该模型基于阿里 Qwen3.5-4B 构建，在神经网络内部实现了 32 位 RISC-V CPU 与内存功能，使大语言模型无需调用 Python 等外部工具，即可执行程序并完成精确计算。相关内容由 IT之家援引博文介绍。

传统大模型依靠预测下一个词元生成回答，遇到大整数乘除、长链运算时容易出错，通常要借助外部计算器或代码解释器。Qwenputer 的思路是把 RISC-V 的 RV32IM 指令集及相关扩展“编译”进模型权重，并以 Qwen3.5 的门控 DeltaNet 内部状态充当 RAM，从而在模型内部构建出可执行算术、条件分支与程序的 CPU。

测试数据方面，大整数乘法任务中原版 Qwen3.5-4B 准确率为 55%，Qwenputer 提升至 97.5%；大整数除法从 72.5% 提升至 97.5%；涉及多次乘除的测试则达到 100%。在长整数运算基准 NUPA 上，Qwenputer 为 100%，标准版仅为 48.6%。开发者称，该 CPU 已通过官方 RISC-V 测试，连续执行约 1,800 万条指令未出现错误。

项目还实验性加入了“模型内文件系统”，可在门控 DeltaNet 状态中保存最多 512 个文件、约 5.3 万个词元，并在后续对话中加载。测试中，利用先前对话保存信息作答的准确率为 90%，而直接把先前对话内容输入模型的对照方式仅为 30%。

Qwenputer 的代价同样明显。模型体积增至约 18.8GB，接近原版两倍；每条 CPU 指令需生成多个词元，原本几毫秒的计算可能耗时数秒；运行还需专用驱动，无法像普通大模型那样直接加载。