El ingeniero de IA Divyansh Agrawal presentó Qwenputer, un modelo experimental que combina el LLM Qwen 3.5 4B de serie con una CPU RISC-V de 32 bits compilada e insertada directamente en sus pesos, informó Tom's Hardware. Con ese procesador interno, el modelo ejecuta operaciones aritméticas e incluso código en C y MicroPython, sin un runtime externo y sin llamar a herramientas.
También corre Doom, aunque muy lento. Agrawal lo mostró en un video publicado el 29 de octubre de 2026, con el primer nivel del juego (E1M1) funcionando sobre la CPU RISC-V compilada en los pesos de Qwen3.5-4B, y anunció que liberará el proyecto.
¿Cómo se mete una CPU dentro de un modelo de lenguaje?
La implementación trae varias ideas poco comunes. Agrawal usó el estado de Gated DeltaNet de Qwen como memoria RAM, algo que él mismo califica de "un truco bastante ingenioso". Reconoce que usar esos fast weights como RAM no es un concepto original, pero modificar Qwen 3.5 de esta forma sí parece ser una primicia.
Agregar la CPU no requiere entrenamiento, a diferencia de cómo se construye un LLM tradicional. Según la explicación del autor, esta implementación de RISC-V "son 11 capas de transformer delante de las de Qwen, y ninguno de sus pesos se aprende: un compilador calcula cada uno".
Agrawal asegura que la CPU de Qwenputer "pasa los riscv-tests oficiales, sus programas coinciden con qemu y ha ejecutado 18 millones de instrucciones de forma continua sin un solo error".
Lo que gana el modelo con su propia CPU
El desarrollador subraya que Qwen usa esa CPU para enviar instrucciones y leer los resultados de vuelta sin llamadas a herramientas ni a un runtime externo. En la práctica funciona como se esperaba. El procesador entrega cálculos exactos, que es justo donde fallan muchos LLM con la aritmética, y además permite correr código dentro del propio modelo, con compatibilidad para C y MicroPython.
Agrawal no se quedó en la CPU. También le dio al modelo un sistema de archivos, una extensión que describe como relativamente sencilla porque la RAM ya estaba resuelta. El almacenamiento usa el mismo estado de DeltaNet y tiene 1.024 espacios para hasta 512 archivos. Es persistente si se guarda el estado al terminar una conversación con el modelo.
¿Qué hardware se necesita para probarlo?
Todo ese agregado tiene costo. Qwenputer prácticamente duplica el tamaño del Qwen 3.5 4B original, que llega a casi 19 GB. Por eso Agrawal recomienda una estación de trabajo con 24 GB de VRAM o más para probar la versión actual. El autor trabaja en simplificar la programación dentro de Qwenputer y en hacer que corra más rápido.
| Dato | Valor |
|---|---|
| Modelo base | Qwen 3.5 4B |
| CPU | RISC-V de 32 bits |
| Capas agregadas | 11 capas de transformer, sin entrenar |
| Instrucciones sin error | 18 millones |
| Sistema de archivos | 1.024 espacios, hasta 512 archivos |
| Tamaño del modelo | casi 19 GB |
| VRAM recomendada | 24 GB o más |
El proyecto es experimental. Tom's Hardware tiene la impresión de que Agrawal armó Qwenputer sobre todo para explorar qué es posible, y no para resolver un problema concreto.
El código está en GitHub bajo licencia MIT y el modelo ya se puede descargar desde Hugging Face para quien quiera probarlo.
