Qwenputer 将 RISC-V CPU 嵌入大模型内部，大整数运算准确率升至 97.5%

传统大模型依靠预测词元生成回答，遇到大整数乘除等运算时容易出错，通常需调用外部计算器或代码解释器。

开发者 Divyansh Agrawal 发布实验性模型 Qwenputer，基于阿里 Qwen3.5-4B 构建，将 RISC-V 指令集编译进模型权重，并利用门控 DeltaNet 内部状态充当 RAM，在神经网络内部实现了可执行程序的 CPU。

测试显示，Qwenputer 在大整数乘法中准确率从原版的 55%提升至 97.5%，长整数运算基准 NUPA 达到 100%，而标准版仅为 48.6%，已连续执行约 1800 万条指令未出错。

其代价是模型体积增至约 18.8GB，接近原版两倍，单条 CPU 指令可能耗时数秒。项目已在 Hugging Face 和 GitHub 开源，可在 24GB 显存的单张 GPU 上运行。