Een X-bericht van 29 oktober 2026 toonde Doom E1M1 op de experimentele 32-bit-RISC-V-cpu die in Qwenputers modelgewichten is ingebouwd. Qwenputer is een aangepaste versie van Qwen 3.5 4B. Het spel draait op een cpu die tijdens de modelberekeningen wordt uitgevoerd.
Hoe Qwenputer een CPU in modelgewichten uitvoert
Divyansh Agrawal, de maker van Qwenputer, beschrijft een RV32IM-processor met de Zba-uitbreiding en een kleine eenheid voor grote getallen. De processor bestaat uit 11 extra, door een compiler gegenereerde lagen vóór de 32 lagen van Qwen. De oorspronkelijke Qwen-gewichten blijven ongewijzigd. Agrawals technische uitleg
Het geheugen komt uit de Gated DeltaNet-toestand, een onderdeel van Qwen 3.5. Agrawal stelt de poort en de schrijfkracht in op 1 en gebruikt one-hot-sleutels. Zo kunnen afzonderlijke geheugenrijen als adresseerbaar RAM worden gelezen en beschreven. CPU-instructies worden weergegeven als gegenereerde trace-tokens en uitgevoerd tijdens de forward passes van het model.
De instructies lopen dus door de modelberekening zelf. Qwen gebruikt wel een indeling die lijkt op een toolaanroep, maar de huidige opstelling heeft daarnaast de RvChat-driver nodig om de firmware te starten en de trace-tokens af te handelen. Alleen een gewone generate()-aanroep volstaat niet.
Zie Qwenputer als een experiment met modeluitvoering: de berekening gebeurt intern, maar de huidige opstelling gebruikt ook de RvChat-driver.
Wat de gerapporteerde rekentests laten zien
Agrawal publiceerde scores voor vijf rekentests. De resultaten vergelijken Qwenputer met Qwen 3.5 4B zonder hulpmiddel en met Qwen 3.5 4B in combinatie met een Python-tool.
| Rekentest | Qwen 3.5 4B | Qwen 3.5 4B met Python-tool | Qwenputer |
div_big | 72,5% | 95% | 97,5% |
mul_big | 55% | 100% | 97,5% |
mul_div_multiple_longer | 90% | 97,5% | 100% |
add_or_sub_big | 87,5% | 97,5% | 97,5% |
| NUPA | 48,6% | 100% | 100% |
In Agrawals tests scoorde Qwenputer op vier van de vijf genoemde rekentests hoger dan het basismodel; bij NUPA was de score gelijk aan die van Qwen met de Python-tool. De cijfers betreffen deze specifieke taken. Agrawal meldt daarnaast dat de cpu 18 miljoen vrijlopende instructies uitvoerde zonder fout en dat bij een vergelijking van ongeveer 230.000 uitvoerposities met een referentiemachine geen afwijkingen werden gevonden.
Omvang, rekentempo en bestandsopslag
Het checkpoint is 18,8 GB. Agrawal schrijft dat Qwenputer op één GPU met 24 GB geheugen draait. Grote berekeningen duren volgens hem seconden in plaats van milliseconden, omdat elke cpu-instructie meerdere gegenereerde tokens kost. Voor de gebatchte benchmarkuitvoerder noemt hij circa 3.200 CPU-tokens per seconde op een L4; dat is de doorvoer van die uitvoerder, niet een instructiesnelheid.
De experimentele bestandsopslag gebruikt de Gated DeltaNet-toestand. Volgens Agrawal heeft die 1.024 mapposities en ruimte voor maximaal 512 bestanden, samen ongeveer 53.000 teksttokens. Door de toestand op te slaan en later opnieuw te laden, kunnen bestanden naar een volgend gesprek worden meegenomen.
