開發者 divagr1925 發布了名為 Qwenputer 的專案，將一個 32-bit RISC-V CPU 直接嵌入 Qwen3.5-4B 模型的權重中。此設計允許模型在內部執行指令，可能對工具調用與電腦操作應用產生影響。
目前大小是最小值，向右滑動可放大。
開發者 divagr1925 在 Reddit 的 LocalLLaMA 版塊分享了 Qwenputer 專案，指出有人直接在 Qwen 模型的權重內部建構了一個 32-bit RISC-V CPU。這種架構使得模型能夠在內部執行指令，而不僅是依賴外部工具調用。
相關技術細節可透過 divagr.com 上的部落格文章了解，該文章標題為 'Qwenputer'。專案的模型檔案已上傳至 Hugging Face，名稱為 divagr1925/Qwen3.5-4B-Qwenputer。
此外，開發者也在 ModelScope 平台上架了名為 Spartan1925/Qwenputer 的線上示範（Live demo），讓使用者可以直接體驗該模型的內部指令執行能力。
截至本次發布，正式發布包未登錄更正。
AI 協助擷取、寫作與核對；最終內容依來源與驗證規則發布。
開源推理框架 SGLang 推出 v0.5.23 版本，透過合併來自 257 位貢獻者的 1007 個 Pull Request，大幅擴展對 Muse Spark、MiniMax-M3.1 等新模型的支援。此次更新重點在於優化 DeepSeek-V4.1 在 NVIDIA GB300 與 AMD MI350X 上的推理速度，並首次透過 SGLang-TorchTPU 插件原生支援 Google TPU7x 硬體。
雲端服務商 Namespace 因 Mac Mini 交貨延遲及晶片更新不同步，轉而採用 MacBook 架設伺服器機櫃。此舉旨在滿足 iOS 開發者對最新 Xcode 版本的即時需求，並透過自製散熱與遠端管理方案克服筆電在資料中心的運作限制。
一篇針對「Astra 能讀寫權重以改進 Qwen」文章的技術評論指出，該文章摘要容易讓人誤以為模型僅透過觀察原始權重就能提升大型語言模型的數學能力。實際上，涉及真實語言模型（如 Qwen3.5-0.8B）的實驗均使用了 Python 程式碼輔助分析與執行，且關鍵結果是修復了推理迴圈問題，而非單純的數學邏輯增強。
我們使用 Google Analytics 了解閱讀情況與改善新聞網站。你可以接受或拒絕分析 Cookie，不影響閱讀。了解 Cookie 政策
