Qwen3.5 4B 内置 RISC-V CPU 实现自主代码执行
先了解这件事
2026年10月29日，Hacker News报道了一项名为Qwenputer的实验。该实验将完整的32位RISC-V CPU直接编译进Qwen3.5 4B模型的权重中。研究者通过设置门控值为1、写强度beta为1及使用one-hot键编码，将Gated DeltaNet层转化为可寻址的精确内存。这使得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。该方案解决了传统线性注意力机制无法保持数值精度的问题。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- Hacker News · AI精选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。
本事件热度走势
当前热度 9·可比范围峰值 10（10月29日 10:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。