Qwenputer 问世：把 RISC-V CPU 指令集塞进模型，AI 算数不再靠外部工具
IT之家 10 月 30 日资讯，研究人员 Divyansh Agrawal 在 10 月 22 日推出了名为 Qwenputer 的实验性模型。该模型以阿里的 Qwen3.5-4B 为基础，在神经网络内部集成了 32 位 RISC-V 中央处理器及内存，使大语言模型无需依赖 Python 等外部辅助，即可执行程序与精确计算。
据博客介绍，传统 AI 大模型依赖预测下一个词元（Token）来生成回复，在处理大整数乘除法或长链条运算时易出错，常需借助外部计算器或代码解释器。Qwenputer 的解决方案是将 RISC-V 的 RV32IM 指令集合及相应扩展“编译”到模型参数中，并利用 Qwen3.5 的门控 DeltaNet 内部状态充当随机存取存储器，从而在模型内部构建出能执行算术、条件分支及程序的 CPU。
测试数据显示，在大整数乘法任务上，原版 Qwen3.5-4B 的准确率为 55%，Qwenputer 提升至 97.5%；大整数除法从 72.5% 升至 97.5%；在涉及多次乘除的测试中，结果达到 100%。在长整数运算基准 NUPA 上，Qwenputer 达到 100%，而标准版仅有 48.6%。开发者表示，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。
项目还实验性地引入了“模型内文件系统”，可在门控 DeltaNet 状态中储存最多 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的回答准确率达 90%，而直接将先前对话内容输入模型的对照方式仅为 30%。
不过，Qwenputer 也存在明显弊端：模型体积增至约 18.8GB，接近原版的两倍；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；运行时需专用驱动，无法像普通大模型那样直接加载。该项目已在 Hugging Face 和 GitHub 上开源，可在配备 24GB 显存的单张 GPU 上运行。
参考来源：
- Qwenputer: a fully functioning, deterministic RISC-V CPU inside Qwen3.5
- 访问 Hugging Face 上的 divagr1925/Qwen3.5-4B-Qwenputer
- 访问 GitHub 项目