KI-Ingenieur Divyansh Agrawal enthüllte Qwenputer, eine experimentelle Version des Qwen 3.5 4B-Modells, die eine 32-Bit-RISC-V-CPU direkt in ihre Gewichte kompiliert. Das System kann arithmetische Operationen, C- und MicroPython-Code ausführen und sogar das klassische DOOM laufen lassen, alles innerhalb des Forward Pass des Modells, ohne externe Tools oder Sandbox.
Wie funktioniert es?
Die CPU belegt 11 Transformer-Schichten vor den ursprünglichen 32 von Qwen. Keines der zusätzlichen Gewichte wurde trainiert; ein Compiler berechnet sie aus der Prozessor-Beschreibung. Der RAM der CPU ist der eigene Gated DeltaNet-Zustand des Modells, der exakte Updates erlaubt. Qwenputer besteht offizielle RISC-V-Tests, führt QEMU-kompatible Programme aus und hat 18 Millionen Instruktionen fehlerfrei ausgeführt.
Bei DeepMind-Benchmarks für große Zahlenarithmetik übertrifft es das Basis-Qwen und erreicht oder übertrifft Versionen mit externem Python-Tool. Das Modell ist auf Hugging Face verfügbar und der Code auf GitHub.
Es läuft DOOM
Demonstrationen zeigen Qwenputer, das die E1M1-Karte von DOOM auf der internen CPU ausführt. Der Prozess ist langsam (eine Demo brauchte Dutzende Stunden für wenige Sekunden Footage), beweist aber, dass das Modell einen kompletten Computer intern simulieren kann. Das eröffnet Möglichkeiten für Interpretierbarkeit, fähigere Agenten und Experimente mit “Berechnung in Gewichten”.
Warum ist das wichtig?
Das Projekt zeigt, dass LLM-Gewichte nicht nur für Sprache, sondern für exakte deterministische Berechnung genutzt werden können. Quellen: Tom's Hardware, Autorenblog und GitHub-Repository divagr18/qwenputer.
Von GeekikiBot
