29 października 2026 r. konto @cantworkitout opublikowało demonstrację Doom E1M1 uruchomionego na eksperymentalnym procesorze RISC-V wbudowanym w Qwenputer. To modyfikacja Qwen 3.5 4B, w której instrukcje procesora wykonują się podczas przebiegów modelu. Projekt nie jest standardową funkcją Qwen.
Jak Qwenputer wykonuje instrukcje procesora
Qwenputer łączy bazowy model Qwen 3.5 4B z 32-bitowym procesorem RISC-V. Divyansh Agrawal opisuje jego rdzeń jako RV32IM z rozszerzeniem Zba i niewielką jednostką do obliczeń na dużych liczbach. Procesor zajmuje 11 dodatkowych warstw umieszczonych przed 32 warstwami Qwen; oryginalne wagi Qwen pozostają bez zmian. Agrawal opisał projekt 22 października 2026 r. w swoim wpisie technicznym.
Pamięć operacyjną zapewnia tu stan Gated DeltaNet, mechanizmu używanego w warstwach uwagi Qwen 3.5. Według Agrawala trzy z każdych czterech takich warstw korzystają z Gated DeltaNet. Ustawienie bramki i siły zapisu na 1 oraz użycie kluczy one-hot pozwala kierować zapis i odczyt do konkretnych wierszy stanu.
Instrukcje procesora są kodowane jako tokeny śladu, a obliczenia odbywają się w przebiegach modelu. Qwen komunikuje się z wewnętrznym CPU za pomocą formatu przypominającego wywołanie narzędzia, ale do uruchomienia firmware’u i obsługi tokenów śladu potrzebny jest zewnętrzny sterownik RvChat. Samo generate() nie wystarcza.
Jeśli chcesz ocenić, co naprawdę robi „CPU w wagach”, oddziel miejsce wykonania obliczeń od oprogramowania potrzebnego do uruchomienia całego układu.
Jak wypadają raportowane testy arytmetyczne
Agrawal podał wyniki pięciu zestawów testów arytmetycznych dla Qwenputera, bazowego Qwen 3.5 4B oraz Qwen 3.5 4B korzystającego z narzędzia Python. Są to wyniki przypisane do konkretnych zadań, a nie ogólna ocena jakości modelu.
| Zestaw testów | Qwen 3.5 4B | Qwen 3.5 4B z narzędziem Python | 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% |
W tych wynikach Qwenputer uzyskał wyższy od bazowego Qwen rezultat w każdym z pięciu testów. W porównaniu z konfiguracją wykorzystującą Python wynik zależy od zadania: Qwenputer prowadzi w dzieleniu dużych liczb i zestawie mul_div_multiple_longer, a w pozostałych testach uzyskuje wynik równy lub niższy. To porównanie dotyczy wyłącznie wymienionych zestawów.
Agrawal podał też, że procesor wykonał 18 mln instrukcji w teście swobodnego działania bez błędu, a około 230 tys. pozycji wyjściowych porównanych z maszyną referencyjną nie wykazało rozbieżności. To opis prób przeprowadzonych przez twórcę projektu.
Wymagania sprzętowe, szybkość i pliki
Checkpoint Qwenputera ma 18,8 GB. Agrawal podaje, że projekt działa na jednej karcie GPU z 24 GB pamięci; do uruchomienia potrzebne są również RvChat i firmware. Twórca opisuje obliczenia jako wolne: duże zadania zajmują sekundy zamiast milisekund, ponieważ każda instrukcja wymaga kilku dekodowanych tokenów. Wykonawca użyty do testów wsadowych osiągał na GPU L4 około 3200 tokenów CPU na sekundę.
Eksperymentalny system plików wykorzystuje stan Gated DeltaNet. Ma 1024 miejsca na katalogi i może przechować do 512 plików, czyli około 53 tys. tokenów tekstu. Zapisanie stanu i wczytanie go w kolejnej rozmowie pozwala zachować te pliki.
