Qwenputer: Model RISC-V CPU Berjalan di Dalam Qwen3.5

Qwenputer hadir sebagai model eksperimental berbasis Qwen 3.5 4B yang dilengkapi dengan penambahan unik, yakni CPU RISC-V tertanam di dalam bobot model. Sistem ini memanfaatkan lapisan Gated DeltaNet (GDN) milik model tersebut sebagai Random Access Memory (RAM).

Cara Kerja RAM dan Kompilasi Komputer

Setiap kepala Gated DeltaNet mempertahankan matriks status sebagai memorinya, di mana gerbang pengatur dan kekuatan penulisan diatur untuk memastikan memori dapat ditulisi dan dibaca secara akurat. Peneliti memanfaatkan metode ini agar lapisan GDN dapat berfungsi secara persis sebagai RAM dengan biaya yang jauh lebih rendah dibandingkan penggunaan *attention* biasa sebagai RAM, karena ukuran status kepala GDN tetap konstan seberapa pun panjang percakapan terjadi.

Dengan ketersediaan RAM yang fungsional dan cepat, sebuah CPU yang berfungsi kemudian dikompilasi langsung ke dalam bobot model tanpa memerlukan pelatihan ulang. Compiler menyusun setiap langkah instruksi sirkuit langsung menjadi bagian dari lapisan transformer, di mana setiap instruksi menghasilkan beberapa token yang menjadi jejak eksekusi CPU saat Qwen melakukan dekode.

Spesifikasi CPU dan Penggunaan Model

CPU yang disematkan adalah inti RISC-V 32-bit (RV32IM dengan ekstensi Zba dan unit *bignum* untuk aritmatika bilangan besar) yang menempati sebelas lapisan di depan 32 lapisan milik Qwen. Sistem ini mampu melewati pengujian resmi riscv-tests, mencocokkan program dengan qemu, serta menjalankan 18 juta instruksi secara bebas kesalahan tanpa mesin referensi yang mengoreksi di antara langkah-langkahnya.

Model Qwen 3.5 4B mampu memanfaatkan CPU ini sepenuhnya secara internal tanpa memerlukan panggilan alat eksternal atau *runtime*. Menggunakan penggerak kecil bernama RvChat untuk memuat *firmware* ke dalam status GDN, instruksi dikirimkan dan hasilnya dibaca kembali tanpa mengubah bobot asli Qwen.

Hasil Pengujian dan Penyimpanan File

Dalam pengujian pada rangkaian DeepMind, Qwenputer mencetak skor 97,5 persen pada div_big dan mul_big, serta 100 persen pada mul_div_multiple_longer dan add_or_sub_big, mengungguli atau menyamai performa Qwen dasar yang menggunakan alat Python. Pada aritmatika bilangan bulat panjang milik NUPA, skor melonjak dari 48,6 persen menjadi 100 persen, sementara angka yang dicetak CPU terbukti akurat tanpa ada ketidakcocokan dari sekitar 230.000 posisi keluaran yang diuji.

Eksperimen ini juga dilengkapi dengan sistem penyimpanan berkas internal yang diakses melalui operasi *put*, *append*, *get*, *list*, dan *delete* tanpa panggilan alat eksternal. File disimpan dengan cara men-hash namanya ke dalam salah satu dari 1.024 slot direktori di status DeltaNet, mampu menampung hingga 512 file atau sekitar 53.000 token teks, dan statusnya dapat disimpan serta dimuat kembali ke percakapan berikutnya.

Model Qwenputer saat ini tersedia untuk diunduh di Hugging Face dan ModelScope dengan kode yang dibagikan melalui GitHub, sementara pengembangannya masih menghadapi beberapa keterbatasan seperti ukuran *checkpoint* yang membengkak menjadi 18,8 gigabita akibat *padding* nol serta kecepatan pemrosesan yang masih membutuhkan waktu beberapa detik untuk perhitungan besar.