Qwenputer：在 Qwen3.5 4B 权重中编译运行的 RISC-V CPU

作者将一个完整的 32 位 RISC-V CPU 直接编译进 Qwen3.5 4B 模型的权重中，利用 Gated DeltaNet 层作为 RAM，使模型能在前向传播过程中自主执行算术运算、C 语言和 MicroPython 代码，完全无需外部工具调用或运行时环境。

该实验通过设置门控值为 1、写强度 beta 为 1 以及使用 one-hot 键编码，将 GDN 状态矩阵转化为可寻址的精确内存，解决了传统线性注意力机制无法保持数值精确的问题。实测显示，该 CPU 通过了官方 riscv-tests，在 DeepMind 和 NUPA 的长整数算术测试集上得分达到 97.5% 至 100%，且输出结果与参考机器完全一致，同时未显著影响模型的自然语言生成能力（KL 散度仅 6e-4）。

此外，作者还实现了基于权重的文件系统，支持文件保存与持久化，使模型在不同会话间能保持约 90% 的事实一致性。虽然当前实现需要额外驱动加载固件且计算速度较慢（每秒约 3,200 个 CPU token），但其核心意义在于展示了“模型即硬件”的可能性，为 AI 安全研究中的不可篡改监控和可解释性提供了新的技术路径。事实部分基于原文提供的基准测试数据和架构描述；推断部分认为这可能改变对模型推理能力的评估方式；猜测部分涉及未来是否会有更多厂商采用此架构。