什么值得做
GitHub 开源项目 · 11-6 写
divagr18/qwenputer · divagr18

把一台电脑塞进 Qwen 的权重里:678 star 的 Qwenputer,和它身后那 20 多个仿作

它是什么 一个开源实验模型:在 Qwen3.5-4B 前面用编译器直接写进 11 层权重,变成一颗能跑 C 和 MicroPython 的 CPU,用模型自带的 Gated DeltaNet 状态当内存,算题不靠外部工具。

为什么火了 「你熟悉的 Qwen 里面有台电脑」一句话讲得清又反直觉,作者是 Qwen 大使,官方号当天转发;HN 二次发帖上了首页,之后作者每两三天一个续作,社区二创又把人带回来。

C你可以怎么跟 别再往 Qwen 里塞第 N 颗 CPU,学它的打法:等下一个带新结构的热门开源模型,第一个做出一句话能讲清的「玩坏它」演示,X 长线程首发并 @ 官方,HN 换时间重发,把评论区的玩笑做成续作。

C 级:同款仿作已有 20 多个,除 nesformer、qwenFS 外大多没人看,热度从日增 120 降到 30;它起量很大程度靠 Qwen 官方转发,跟进者拿不到,门槛又是真本事。能学的是「老方向配新热门架构」的选题和发布方法,要等下一个窗口。 已公开 / 被广泛讨论
数据(每天更新) · 建库 2026-10-19 · 722 星 · 7 天 +343
GitHub · 星数
025050075010-2910-3111-0311-0611-08722
数据 2026-10-29 → 2026-11-08(11 天,11 次观测)。10-28 以前的点来自 deeply / 存档补录,不是每天都有

2026 年 10 月 28 日,一个 X 上只有几千关注的独立开发者(到 11-06 也才 4,519 个)发了一条帖子:他把一颗 RISC-V CPU 直接编译进了 Qwen3.5-4B 的权重里,模型自己就能跑 C 和 MicroPython。帖子拿到 88.5 万浏览,Qwen 官方号 40 分钟后转发,第二天上了 Hacker News 首页。九天后,仓库 678 star,社区里冒出 20 多个照着做的仓库。下面讲清楚它是什么、star 从哪来、为什么前作只有 11 个 star,以及你想做一个同样拿 star 的项目,该学哪一步。

一条「1/4」的帖子

10 月 28 日北京时间 18:44,Divyansh Agrawal(X 上叫 @divagr1925,简介写着「主要在研究神经网络,看看还能往 transformer 里塞点什么;偶尔赢黑客松」)发了一条四段的线程帖,第一段是:

Meet Qwenputer: Qwen3.5-4B with a full RISC-V CPU inside its weights, using the model's own Gated DeltaNet layers as RAM. It runs C and MicroPython in its forward passes, no external runtime.

后面紧跟一组数:DeepMind 的数学题上,原版 Qwen 做对 55–90%,原版加 Python 工具 95–100%,Qwenputer 97.5–100%。

这条帖子最后是 6,111 赞、759 转、88.5 万浏览(X 页面,11-06)。真正把它推出圈的是 40 分钟后的一次引用转发:@QwenDevs 写了一句「So one of our ambassadors @divagr1925 has been working on something cool」,这条本身又有 19 万浏览。作者是 Qwen 的官方「大使」,这层关系是事先约好的转发还是官方自己看到的,外面看不出来(未核实)。

它到底做了什么

用大白话说:一个普通的 Qwen3.5-4B 聊天模型,前面多了 11 层,这 11 层不是训练出来的,是一个编译器把 CPU 电路「翻译」成权重直接写进去的。

它能成立,靠的是 Qwen3.5 的一个新架构特点。这个模型四层里有三层用的是 Gated DeltaNet,一种线性 RNN,每个头都有一块状态矩阵当记忆。作者发现,把遗忘门设成 1、写入强度设成 1、再用独热编码当地址,每次写入就正好覆盖一行、每次读取就正好拿回一个精确值——RNN 的状态就成了一块精确的内存。作者的博客标题叫「I can't believe it's not silicon」(简直不敢相信这不是硅片)。

模型聊天时遇到算术题,会用 Qwen 原生的 tool_call 格式「调用」自己体内的这颗 CPU,CPU 一边执行,模型一边吐出地址、数值、步进这样的执行记录。它能通过官方 riscv-tests,跑 23 万步零误差,文字能力和原模型几乎没差别(KL 6e-4)。

代价也写得很老实:权重 18.8 GB,差不多是原版的两倍;要一张 24 GB 显卡,还得配一个小驱动程序才能跑;每条指令要吐几个 token,一张 L4 每秒大约 3,200 个,大一点的计算要几秒钟(作者博客,10-22)。

所以它不是一个拿来用的东西。Hugging Face 上下载 1,810 次(11-06),估计大部分是好奇的人下来复现一次。

star 怎么来的

日期star当天发生了什么
10-22—作者博客发长文,三篇系列的第一篇
10-28—X 首发 88.5 万浏览;Qwen 官方号转发;下午有人先发了 HN,只拿 7 分
10-2996第二次发 HN:705 分、147 条评论
10-30216单日 +120,全程最高;日本 GIGAZINE 发文
10-31289Shopify CEO @tobi 引用转发,只写了一个「🤯」;作者发续作 QwenPU
11-02431Tom's Hardware 报道,标题里有 DOOM
11-06678日增降到 30

(star 和 fork 来自 GitHub 每日快照;10-28 当天涨了多少没有数据。)

几件事值得单独拎出来:

HN 第一次没起来。 10-28 有人先发了一次,7 分沉底;第二天 00:25 UTC 再发,705 分。评论区两边都有:「我从没这么想学 LLM 原理」「Love the spirit」,也有「But... why?」「又一台鲁布·戈德堡机械」。还有一条「Now run LLM inference on it」(在它上面跑个 LLM 试试)。

作者把这条评论做成了续作。 10-31 他发了 QwenPU:在 Qwen 体内编进一颗 NPU,上面跑 Karpathy 的 stories260K 小模型——LLM 里面跑 LLM。帖子开头写「A CPU inside an LLM is one thing, but running another LLM inside an LLM would be taking things a bit too far, wouldn't it?」,2,242 赞、17.5 万浏览。之后又有文件系统版(模型跨对话记住文件)。一周之内每两三天一个新爆点,热度没断。

二创替它续命。 代码开源、套路清楚,别人换一颗 CPU、换一个程序就能发自己的帖:Drew Breunig 的 nesformer 把 NES 的 CPU 编进 Qwen3.5(287 star),qwenFS(91 star),QwenOS 在里面跑 DOOM(X 上 320 赞),QwenBend(510 赞),qwenTPU(392 赞),Yohei Nakajima 的 babyagi-inside(127 赞),还有 Locals 在 16G 的 Mac 上做到 23 倍加速(626 赞)。每一个都 @ 了原作,又把人带回来。

中日圈子也转了:中文号 @NFT_Chen 4.5 万浏览,日本的 shi3z 写了复现笔记(402 赞)。没有看到任何付费推广。

同一个点子,为什么前作只有 11 个 star

「把程序编译进 transformer 权重」不是新方向:

项目时间star区别
DeepMind Tracr2022-12571把 RASP 程序编译成玩具 transformer,给可解释性研究用
Percepta transformer-vm2026-03243把 WebAssembly 虚拟机编进一个从零搭的 7 层小模型;HN 330 分
作者自己的 chipformer2026-10-1511transformer 跑 CHIP-8 游戏,没挂热门模型
Qwenputer2026-10-28678编进现成的 Qwen3.5-4B,用它自带的 DeltaNet 当内存

最能说明问题的是最后两行:同一个作者,同样的手艺,差了不到两周。chipformer 是自己搭的小模型,讲出来是「一个研究玩具」;Qwenputer 是「你熟悉的那个 Qwen 里面有台电脑」,一句话就能讲清,又反直觉,还能接「能不能跑 DOOM」这个梗。也正因为是 Qwen,官方号才有理由转。

时机也对。Qwen3-Next、Qwen3.5 刚把 Gated DeltaNet 带进主流开源模型,社区正在琢磨这种新结构,「RNN 状态当精确内存」是只有新架构才讲得出来的点。

如果是你

一句话: 这条路已经挤满了,但它的打法值得照抄——拿一个冷门的老方向,套在当下最热的模型或架构上,做成一句话能讲清的演示。

适合谁: 懂模型内部结构、能自己写编译器或改权重的人;做可解释性、AI 安全研究,想给自己攒名声和履历的人。

不适合谁: 想做一个人们会长期用的工具的人(它本身就不实用);不熟 transformer 内部的人,这里的门槛是真本事,抄不了皮。

怎么做: 别再做「又一颗 CPU 编进 Qwen」——GitHub 上 20 多个 qwenputer-* 仓库,能叫得出名字的只有 nesformer(287)和 qwenFS(91),其余大多没什么人看(估);nesformer 能到 287,作者 Drew Breunig 本身是有读者的博主,这也有加成(推断)。值得做的是换载体或换问题:等下一个带新结构的热门开源模型出来(新的注意力、新的状态空间层),第一个找出它能被「玩坏」的地方;或者接作者自己点到但没做完的部分——让模型在体内的 MicroPython 上跑自己写的 Python、把执行速度做上去,或者用编译进去的权重做「模型关不掉的监控器」这类安全方向。

怎么获客: 照它的顺序来。先写一篇有趣的长博客;首发选 X 长线程,第一段就放一句话卖点加一张对比表,配 GIF;@ 模型的官方方——能拿到大使、合作关系更好,官方一转就是 19 万浏览,这一步是它能跑出来的关键,也是跟进者最难复制的一步;HN 第一次没起来就隔天换时间再发;把评论区的质疑和玩笑当成下一期续作,一周内连发两三个。

什么时候之前: 「往 Qwen3.5 里塞东西」这一波,从日增 120 掉到 30,大概一两周内就过去了。下一个窗口在下一个新架构热门模型发布后的头几周,谁先做出来谁拿走。

什么情况说明看错了: 如果新出的热门模型发布一个月,社区里同类「编进权重」的项目都只有几十个 star,说明这股新鲜劲已经过了,读者对「模型里塞个 X」审美疲劳;如果 Qwenputer 的思路后来被真正用进产品(比如模型厂商用它做不依赖沙盒的精确计算),那它就不只是一个演示,值得重新看。

GitHub 仓库 ↗

研究底稿:竞品表、获客证据、完整研究报告
竞品
名字在哪上线规模它和这家不同在哪
Percepta transformer-vm开源2026-03243 星;HN 330 分WebAssembly VM 编进从零搭的小 transformer,不是现成聊天模型,传播戏剧性弱
DeepMind Tracr开源2022-12571 星RASP 程序编译成玩具 transformer,给可解释性研究用
作者自己的 chipformer开源2026-10-1511 星transformer 跑 CHIP-8;没挂热门模型、没官方背书
LLM + Python 工具 / Code Interpreter大厂功能早已有所有主流模型实用性更强;Qwenputer 卖的是不靠外部工具也一样准(基准上打平)
dbreunig/nesformer开源2026-10-30287 星跟进者,把 NES CPU 编进 Qwen3.5,套路相同
用户从哪来
  • 查实 作者 X 首发线程:@divagr1925 10-28 帖 6,111 赞 / 88.5 万浏览
  • 查实 官方号背书(靠资源):@QwenDevs 40 分钟后引用转发:「one of our ambassadors」,3,919 赞 / 19 万浏览;ModelScope 官方号也转了
  • 查实 Hacker News:10-29 第二次发 705 分 / 147 评论(第一次 7 分)
  • 查实 大号转发:Shopify CEO @tobi 10-31 引用转发「🤯」,8.5 万浏览
  • 查实 科技媒体:GIGAZINE 10-30、Tom's Hardware 11-02、Marktechpost、hwbusters、YouTube Shorts
  • 查实 续作系列:10-31 QwenPU(LLM 里跑 LLM)2,242 赞 / 17.5 万浏览;另有文件系统、NPU
  • 查实 社区二创回流:QwenBend 510 赞、qwenTPU 392 赞、QwenOS DOOM 320 赞、Locals 626 赞、babyagi-inside 127 赞,都致谢原作

divagr18/qwenputer:为什么能跑出来

研究日期 2026-11-06。数据来自我们的 github / hackernews / x 库、HN Algolia、X 实时搜索(TikHub)、Jina 搜索与网页正文。

一句话

Qwenputer 是一个开源实验:用编译器直接算出 11 层 transformer 权重,在 Qwen3.5-4B 前面塞了一颗 RV32IM RISC-V CPU,把 Qwen3.5 自带的 Gated DeltaNet 状态当作精确 RAM,能在前向传播里跑 C / MicroPython,不需要任何外部工具。它能跑出来,靠的是一个极易传播的「疯狂但成立」的技术点子,作者本人的 X 首发帖(88.5 万浏览),Qwen 官方号当天转发背书(作者是 Qwen 大使),第二天又上了 HN 首页(705 分)。之后作者又连续发续作(LLM 里跑 LLM、文件系统、DOOM),一波社区二创接着把热度续了一周多。

1. 数据

  • GitHub:2026-10-19 建库,10-28 公开发布。截至 11-06 共 678 星、81 fork,近 7 天涨 462 星,单日最多 +120(10-30)。我们库里的曲线:10-29 96 → 10-30 216 → 10-31 289 → 11-01 379 → 11-03 527 → 11-05 648 → 11-06 678,日增已从 100 左右降到 30(数据卡,github 库)。
  • Hugging Face 模型 divagr1925/Qwen3.5-4B-Qwenputer:下载 1,810,点赞 172(HF API,11-06)。
  • X 上的关注远多于 GitHub 星:作者首发帖 6,111 赞、759 转、88.5 万浏览。star 和浏览比只有 0.1% 左右,说明大多数人是来「看个热闹」的,真去跑的不多(这个模型要 GPU,一张 L4 每秒约 3,200 个 trace token)。

2. 竞品 / 同类

名字哪儿时间规模和 Qwenputer 不同在哪
Percepta transformer-vm(「Constructing an LLM-Computer」)开源 + 博客2026-03243 星;HN 330 分 / 130 评论把 WebAssembly 虚拟机编译进一个从零搭的小 transformer(7 层、d=36),不是现成的大模型;对普通读者「能和我聊天的模型里有台电脑」这层戏剧性弱得多
DeepMind Tracr开源2022-12571 星把 RASP 程序编译成 transformer,给可解释性研究用;是玩具规模,不碰真模型
Neural Turing Machine / Looped Transformers 等论文学术2014 / 2023引用多理论或训练出来的结构;HN 上有人拿 NTM 来批「又一台鲁布·戈德堡机械」
作者自己的 chipformer开源2026-10-1511 星前一个版本:transformer 跑 CHIP-8 游戏。没挂上热门模型,也没有官方背书,基本没人看
大模型 + Python 工具 / Code Interpreter大厂功能早已有所有主流模型实用上更好、更快;Qwenputer 的卖点正是「不靠外部工具也能做到同样准」(基准上和 Python 工具打平:97.5 vs 95–100)
同期二创:dbreunig/nesformer(NES CPU 编进 Qwen3.5)开源2026-10-30287 星跟进者,套路一样,换了一颗 CPU

结论:「把程序编译进 transformer 权重」不是新方向(Tracr 2022、Percepta 2026-03),但之前都是专门搭的玩具模型。Qwenputer 第一次把它塞进一个现成的、热门的开源聊天模型,还用上了 Qwen3.5 的新架构特性(Gated DeltaNet)当 RAM。

3. 增长路径(时间线)

  1. 10-22 作者在个人博客 divagr.com 发长文(这是三篇系列的第一篇)。
  2. 10-28 14:19 UTC 有人先发到 HN,只拿了 7 分(HN 50274055)。
  3. 10-28 10:44 UTC(北京 18:44) 作者在 X 发 1/4 线程帖:6,111 赞、88.5 万浏览(x 2115394340357116169)。40 分钟后 @QwenDevs 官方号引用转发,原话是「So one of our ambassadors @divagr1925 has been working on something cool」,3,919 赞、19 万浏览(x 2115404434503344238)。作者是 Qwen 的官方大使,这一层是靠资源。
  4. 10-29 00:25 UTC 第二次发 HN:705 分、147 评论(HN 50282838)。评论里一边是「我从没这么想学 LLM 原理」「Love the spirit」,一边是「But... why?」「又一台鲁布·戈德堡机械」。还有人留言「Now run LLM inference on it」,作者后来真做了。
  5. 10-28~10-30 中日圈子扩散:中文号 @NFT_Chen 333 赞、4.5 万浏览;日本 @studio_yebisu 347 赞;GIGAZINE 10-30 发文,官方号 200 赞;shi3z 10-31 写 note 复现(402 赞)。
  6. 10-31 Shopify CEO @tobi 引用转发,只写了一个「🤯」:684 赞、8.5 万浏览(x 2116265341990891599)。同一天作者发续作 QwenPU,在 Qwen 里面的 NPU 上跑 Karpathy 的 stories260K(LLM 里跑 LLM):2,242 赞、17.5 万浏览(x 2116544960023687432)。这次续作直接回应了 HN 上「Now run LLM inference on it」那条评论。
  7. 11-02 Tom's Hardware 报道(标题带 DOOM);同时期还有 Marktechpost、hwbusters、mezha、daily.dev、Medium、几条 YouTube Shorts,ModelScope 官方号也转了。
  8. 11-01~11-06 二创潮:QwenBend(510 赞)、qwenTPU(392 赞)、QwenOS 在里面跑 DOOM(320 赞)、Locals 应用在 16G Mac 上做到 23 倍加速(626 赞)、Yohei Nakajima 的 babyagi-inside(127 赞)、qwenFS(91 星)。每条二创都 @ 或致谢原作,又把人引回来。

没有看到付费推广或刷量的证据。增长完全是内容加社区:作者 X 首发、官方号背书、HN、科技媒体、二创。

4. 为什么跑出来

  • 点子本身极具传播性:「一台电脑编译进语言模型的权重里」一句话就能讲清,又反直觉,还有「能不能跑 DOOM」这个梗可接。科技媒体标题也直接用了 DOOM。
  • 挂在热门模型上:用的是现成的 Qwen3.5-4B,文字能力和原模型一致(KL 6e-4),读者能拿 HF 直接下。前作 chipformer 只有 11 星,两者的差别正在这里。
  • 吃了架构新特性的时机:Qwen3.5 / Qwen3-Next 刚把 Gated DeltaNet 带进主流开源模型。「把 RNN 状态当精确 RAM」这个点是新架构才有的,社区正好在研究它。
  • 官方背书:作者是 Qwen 大使,首发 40 分钟内 @QwenDevs 引用转发(19 万浏览),之后 ModelScope 官方号也转了。
  • 呈现做得好:有 banner、GIF、三联图、基准表(和 Python 工具打平)、23 万步零误差的验证、一行命令的 quickstart,博客写得也有趣(「I can't believe it's not silicon」)。
  • 连续续作保住热度:10-28 CPU,10-31 LLM 里跑 LLM 加 GPU 指纹,之后是文件系统、NPU、QwenPU,一周之内每两三天就有一个新爆点。
  • 易被二创:代码开源、模式清楚,别人换个 CPU、换个程序(NES、TPU、Bend、BabyAGI、Bad Apple)就能发自己的帖。这些二创反过来把流量送回原作。

5. 差异化

同方向的 Percepta、Tracr 都是从零搭玩具 transformer。Qwenputer 的不同在于:(1) 编进的是现成热门聊天模型,而且不破坏原模型的文字能力;(2) 用模型自带的 Gated DeltaNet 状态当 RAM,不加新层类型;(3) 借用 Qwen 原生的 tool_call 格式,模型「自己调用自己体内的 CPU」;(4) 跑的是标准 RISC-V,能过官方 riscv-tests,能跑 C 和 MicroPython,不是自定义指令集。这个差异化就是它跑出来的原因:能「在你熟悉的 Qwen 里」演示,故事才讲得出来,官方号才愿意转。对比 Percepta:有 HN 330 分和媒体报道,库也只有 243 星。

6. 能被看见的程度

已被广泛讨论:HN 705 分,Qwen 官方号和 Shopify CEO 转发,上了 Tom's Hardware、GIGAZINE、Marktechpost,中日 AI 圈都转了。跟风者很多:GitHub 搜「qwenputer」有 20 个以上衍生库,另有 nesformer(287 星)、qwenFS(91 星)、qwentpu、qwenbend、babyagi-inside。不涉及收入。

7. 可借鉴

  • 「把已知的冷门技术方向套进当下最热的模型或架构」:旧点子换上新载体就能爆。
  • 首发选 X 长线程,配 GIF 和对比基准表,同时 @ 模型官方方。有大使或合作关系的,官方号大概率转。
  • HN 第一次没起来就换个时间再发:第一次 7 分,第二次 705 分。
  • 把评论区的质疑或玩笑(「Now run LLM inference on it」「能跑 DOOM 吗」)当成下一期续作的选题,做成系列。
  • 做成别人容易接着玩的样子,让二创替你传播。

8. 不确定的

  • star 曲线 10-29 之前没有逐日数据,10-28 发布当天涨了多少未核实。
  • 作者「Qwen 大使」的具体权益、官方转发是不是事先约好的,未核实。
  • Reddit 上的传播没查到(接口不通),未核实。
  • 实际有多少人在跑它:HF 下载 1,810,估计主要是好奇者复现,不是长期使用。

出处

  • github.com/divagr18/qwenputer ;divagr.com/blog/qwenputer(2026-10-22)
  • HN:news.ycombinator.com/item?id=50282838(705 分 / 147 评)、item 50274055(7 分)、Percepta item 47348275(330 分)
  • X:x.com/divagr1925/status/2115394340357116169 ;x.com/QwenDevs/status/2115404434503344238 ;x.com/tobi/status/2116265341990891599 ;x.com/divagr1925/status/2116544960023687432 ;x.com/machinestein/status/2118034426521432350 ;x.com/Bobliuuu/status/2118184933378162802 ;x.com/yoheinakajima/status/2118134446947971336
  • 媒体:tomshardware.com(2026-11-02)、gigazine.net/gsc_news/en/20261030-qwenputer/、Medium、daily.dev、hwbusters、mezha
  • HF:huggingface.co/divagr1925/Qwen3.5-4B-Qwenputer
  • 我们的 github 库 repo_profile(Percepta 243、Tracr 571、nesformer 287、qwenFS 91、QwenPU 124 星)

文章由 AI 根据公开数据和我们每天采集的数据写成,数字带出处,推断已标明