В README экспериментального проекта Qwenputer описана версия Qwen3.5-4B со встроенным 32-битным процессором RISC-V. В опубликованном самим проектом сравнении на пяти арифметических наборах модель решила от 97,5% до 100% задач — выше базовой Qwen3.5-4B. По сравнению с вариантом базовой модели, вызывающим Python на хост-компьютере, Qwenputer в двух наборах показала такой же результат, в двух уступила и в одном превзошла его. Запись о проекте на Hacker News датирована 28 октября 2026 года, но эта дата сама по себе не подтверждает дату релиза модели. Описание устройства и результаты проекта в README.
Как вычислительный блок встроен в модель
По описанию README, процессор составляют 11 трансформерных слоёв перед слоями Qwen. Их веса вычислены компилятором, а не обучены. Вместо отдельной оперативной памяти проект использует состояние Gated DeltaNet: отдельные строки состояния можно перезаписывать, и они служат ячейками для кода, данных, регистров и счётчика команд.
Модель формирует блок вызова calc, но внешняя программа его не исполняет. Встроенные слои выполняют вычисление на RISC-V, после чего сама модель формирует ответ. Это отличается от варианта сравнения с Python, где базовая Qwen3.5-4B вызывает настоящий интерпретатор на хост-компьютере.
Результаты на пяти наборах
В README приведена доля решённых задач: в каждом из пяти наборов было по 40 задач, а декодирование выполнялось в режиме greedy. Результаты опубликованы автором проекта, а не получены в независимом тестировании.
| Набор | Qwen3.5-4B | Qwenputer | Qwen3.5-4B с Python |
|---|---|---|---|
| Synthetic integer arithmetic | 75% | 97,5% | 97,5% |
| DeepMind mul_big | 55% | 97,5% | 100% |
| DeepMind div_big | 72,5% | 97,5% | 95% |
| DeepMind mul_div_multiple_longer | 90% | 100% | 97,5% |
| DeepMind add_or_sub_big | 87,5% | 97,5% | 97,5% |
На всех пяти наборах Qwenputer превзошла базовую модель без инструмента. С вариантом с Python она сравнялась на Synthetic integer arithmetic и add_or_sub_big, уступила на mul_big и div_big, а на mul_div_multiple_longer показала более высокий результат.
Что именно показывают эти цифры
Базовой модели без инструментов задавали системную инструкцию точно выполнять арифметические шаги, а Python-вариант запускал реальный интерпретатор на хосте. Поэтому таблица описывает только пять указанных наборов, по 40 задач в каждом, и заданные условия greedy decoding. Проценты нельзя автоматически переносить на другие арифметические задачи или считать независимой оценкой.
README также сообщает, что около 230 000 выходных позиций процессора повторно сверили с эталонной моделью машины и не нашли несовпадений. Это заявление авторов проекта о проверке реализации, а не независимое подтверждение результатов арифметического бенчмарка.
Для запуска нужен специальный драйвер
README указывает, что модель загружается как Qwen3_5ForCausalLM, но для описанного режима используется отдельный драйвер RvChat, который загружает прошивку в состояние DeltaNet. Поэтому показанный способ работы не равнозначен обычному внешнему вызову инструмента: вычисление должно выполняться встроенными слоями модели. Представленные результаты относятся к экспериментальной реализации и не подтверждают её точность на иных задачах.
