你让 AI 算一道题，它通常有两种办法：凭模型本身一步步生成答案，或者把任务交给外部计算器。Qwenputer 做了一件介于两者之间的怪事：开发者把一台 32-bit RISC-V 处理器的计算规则编码进 Qwen3.5-4B 的模型权重，让模型可以向这台“内置电脑”发送指令。当天，另一名开发者又把基础版 Doom 搬了上去。它跑得很慢，却把一个原本抽象的问题变得很直观：模型内部的计算，能否承担一部分过去必须交给外部工具的工作？
这里的主要事实来自项目作者的博客与发布页面，以及后续开发者的自述。后两者仍是单一信源；现有材料也不足以证明所有执行过程都只发生在模型权重内部。
不是让聊天模型凭空学会当 CPU
先拆开几个容易混淆的概念。
RISC-V 是一套开放的处理器指令集，也就是一份“CPU 应该怎样理解和执行软件命令”的规则。模型权重则是神经网络保存的大量数值，通常决定模型如何处理输入。Qwenputer 的特别之处，在于开发者拿这些数值承载了处理器的计算规则。
据项目作者 Divyansh Agrawal 的个人研究博客，这并不是通过训练，让 Qwen 慢慢学会模拟电脑。作者使用编译器直接构造额外的计算层和权重，原版 Qwen 的权重保持不动。可以把它理解成：不是教原来的住户心算，而是在房子里加装了一台按确定规则工作的机器。
未经再次训练的 Qwen，仍沿用自己熟悉的工具调用格式，向这颗内置 CPU 发出指令。工具调用通常指模型请求外部程序完成计算或操作，例如请计算器算数，或让浏览器打开网页。Qwenputer 则试图把一部分可执行计算移进模型权重。
不过，“移进模型”不等于完全摆脱外部软件。作者明确保留了一个小型驱动，用来启动处理器并隔离执行轨迹。更准确的说法是：权重编码了 CPU 或虚拟机机制，外部推理代码负责驱动它运行；这与“语言模型自己原生执行了程序”不是一回事。
一颗用权重搭出的虚拟处理器
项目作者报告，这颗 CPU 曾连续自行执行约 1800 万条指令，没有观察到错误，程序结果也与 QEMU 参考模拟器一致。QEMU 是一种常见的处理器模拟器，这里相当于标准答案：同一段程序分别交给 Qwenputer 和参考环境，看两边结果是否相符。
项目方还发布了名为 divagr1925/Qwen3.5-4B-Qwenputer 的 Hugging Face 模型，并提供 ModelScope 在线演示。不过，博客、模型页面和演示都来自同一个项目方，应当视作一个信源，而不是三次独立验证。
作者后来还把思路推进到实验性“硬盘”。据其个人研究博客，他把文件目录放进 Gated DeltaNet 的状态——模型运行时保存信息的一种内部状态——将文件名散列到 1024 个槽位，文件内容分散存进其他记忆单元。作者称它最多可保存约 512 个文件，合计约 5.3 万 token；token 是模型切分文字时使用的基本单位。状态还能随对话保存并重新载入，让下一次会话找回旧文件。不过，这项功能仍停留在实验分支。
Doom 为什么又出现了
同一天，独立开发者 mapestree 称，自己利用 Qwenputer 提供的虚拟机运行了一个基础版 Doom，并公开了 qwenputer-doom 项目仓库。Doom 是 1993 年的经典第一人称射击游戏。因为容易移植，它长期被技术社区当作检验非常规计算平台能否真正运行程序的趣味标尺。
这次演示的意义也在这里：它没有为处理器能力提供严谨的基准测试，却说明这套虚拟机至少能被另一名开发者拿来承载程序。作者同时承认，游戏运行得“相当慢”。关于版本完整度、实际速度和执行细节，目前材料只有开发者自述，不能把“Doom running on an LLM”直接理解成完整游戏由语言模型流畅运行。
怪异，但值得继续看
Qwenputer 真正触碰的是模型与工具之间的边界。今天的 AI 往往负责理解意图，再把可靠计算交给外部程序；这个实验则问：能否把一套确定、可执行的计算规则直接做进权重，同时仍让模型用熟悉的方式调用它？
如果这条路线成立，它或许会影响 tool calling（工具调用）和 computer use（让模型操作计算机完成任务）的设计。但目前这仍是社区提出的可能性，不是已经验证的产品结论。眼下最重要的进展，不是 Qwen 已经变成了一台通用电脑，而是开发者展示了另一种组合方式：生成文字的神经网络权重，也可以承载按指令运行的计算结构。
局限与未知
- 现有摘要没有给出底层验证细节，尚不能仅凭两篇 Reddit 帖确认 CPU 是否真正“藏在权重里”，以及多少执行过程发生在权重内部。
- Doom 的运行、版本完整度和速度只有后续开发者的单一信源自述。
- 它是否真能改进工具调用或 computer use，仍待独立验证。