开发者把一颗 RISC-V CPU 编进 Qwen3.5-4B 权重里，模型前向传播就能跑 C 语言

让模型写代码，再由别的程序去跑，这是 AI 算数、做计算的标准做法。开发者 divagr1925 做了件更「离谱」的事：把一颗完整的 CPU 直接塞进模型权重里，代码就在模型的前向传播过程中执行。

这个项目叫 Qwenputer，基座是 Qwen3.5-4B，已经开源。

CPU 是编出来的，不是练出来的

按作者的说法，Qwenputer 在 Qwen 自己的 32 层前面，加了 11 层「计算机」。这些层里没有一个权重是训练出来的，而是由编译器直接算出来：把 CPU 描述成电路，再把每一步翻译成注意力头、前馈单元和 DeltaNet 头。Qwen 原有的权重原封不动。

最巧的是内存。Qwen3.5 有四分之三的注意力层用 Gated DeltaNet。作者发现，把门控和写入强度都设成 1，再配上 one-hot 键，每次写入刚好覆盖一行状态，每次查询也能精确读回，于是这些层本身就成了一块精确的 RAM。

这颗 CPU 是 32 位 RISC-V（RV32IM，外加 Zba 扩展和一个大数运算单元），能运行 C 和 MicroPython，通过官方 riscv-tests 测试，整个过程不调用任何外部工具或运行时。作者强调，它不是插件，也不是沙箱。

数字上能打，但还是个实验

在 DeepMind 的数学数据集和 NUPA 长整数运算上，Qwenputer 的成绩在 97.5% 到 100% 之间。以 NUPA 为例，基础 Qwen3.5-4B 是 48.6%，Qwenputer 做到 100%，和给模型配 Python 工具的结果持平。

局限也写得很坦白：检查点有 18.8 GB，大约是基座的两倍，其中多数是零填充；需要一个叫 RvChat 的小驱动来启动固件，还不能直接用普通的 generate() 调用；每条 CPU 指令要花几个解码 token，所以速度偏慢，大计算要几秒而非几毫秒。

这件事的实用价值，现在看更多在「可验证」：权重由编译器写成，行为精确可复现，作者也提到它很适合做 AI 安全研究的试验台，比如放一个模型关不掉的内置监控。想动手的话，单张 24 GB 显卡就能跑，代码和模型都在 GitHub 和 Hugging Face 上。