AI Modeli, Ağırlıklarına Doğrudan Derlenen 32-Bit RISC-V İşlemciyle DOOM’u Çalıştırıyor

AI mühendisi Divyansh Agrawal, Qwenputer’ı ortaya çıkardı. En temel tanımıyla Qwenputer, stok Qwen 3.5 4B AI LLM’si ile ağırlıklarına doğrudan derlenip yerleştirilen 32-bit RISC-V CPU’nun deneyisel bir birleşimi. Kullanım sırasında Qwenputer, işlemci aritmetik işlemlerini çalıştırabiliyor – hatta dahili CPU’sunda C ve MicroPython kodu çalıştırabiliyor; bunun için herhangi bir dış çalışma zamanı veya araç kullanmıyor. Üstelik Doom’u çalıştırabiliyor, yavaş da olsa. Qwenputer’ın Doom’u RISC-V CPU’sunda çalıştırmasını aşağıdaki tweet’i genişleterek görebilirsiniz.

@divagr1925’in QWenputer’ı gerçekten çok havalı! ama… DOOM’u çalıştırabilir mi?
Tabii ki evet! E1M1, Qwen3.5-4B ağırlıklarına derlenmiş RISC-V CPU üzerinde. Ayrıca açık kaynak yapacağım https://t.co/hEa46rD6CJOctober 29, 2026

@divagr1925’in QWenputer’ı gerçekten çok havalı! ama… DOOM’u çalıştırabilir mi?
Tabii ki evet! E1M1, Qwen3.5-4B ağırlıklarına derlenmiş RISC-V CPU üzerinde. Ayrıca açık kaynak yapacağım https://t.co/hEa46rD6CJOctober 29, 2026

Qwenputer’ın uygulaması bazı ilginç kavramları ve çözümleri öne çıkarıyor. Örneğin, geliştirici Qwen’in Gated DeltaNet (GND) durumunu RAM olarak kullanmış; Agrawal bunu “oldukça havalı bir taktik” olarak değerlendiriyor. Bu ‘hızlı ağırlıklar’ın RAM olarak kullanılmasının özgün bir kavram olmadığını kabul etseler de, Qwen 3.5’in böyle değiştirilmesinin ilk kez yapıldığından söz ediliyor.

Geleneksel LLM üretiminden farklı olarak, bir ‘CPU’ eklemek eğitim gerektirmiyor. Bu RISC-V CPU uygulaması hakkında “Qwen’in kendi üzerinde 11 transformer katmanından oluşuyor ve hiçbirinin ağırlığı öğrenilmiyor: derleyici her birini hesaplıyor” şeklinde açıklanıyor. Agrawal, Qwenputer’ın dahili CPU’sunun “resmi riscv-tests’i geçtiğini, programlarının qemu ile uyumlu olduğunu ve tek bir hata bile olmadan 18 milyon talimatı serbestçe çalıştırdığını” iddia ediyor.

Geliştirici, Qwen’in bu ‘CPU’sunu talimatları göndermek ve herhangi bir dış araç veya çalışma zamanı çağrısı olmadan geri okumak için kullandığını vurguluyor. Pratikte, amaçlandığı gibi çalışıyor. Qwenputer içindeki CPU’nun kullanımı, birçok LLM’nin aritmetik zayıflıklarını aşan kesin hesaplamalar sağlıyor. Üstelik kullanıcılar LLM içindeki CPU’da kod çalıştırabiliyor; C ve MicroPython uyumluluğu mevcut.

CPU’yu bir LLM’in içine yerleştirmeye yetinmeyen Agrawal, ona bir dosya sistemi de sağlama kararı verdi. Modelin bu genişletilmesini, RAM’in zaten mevcut olması nedeniyle nispeten önemsiz olarak tanımlıyorlar. Aslında dosya sistemi depolaması da DeltaNet durumunu kullanıyor. 512’ye kadar dosyayı barındıran 1.024 yuva bulunuyor. Üstelik bu depolama, bir LLM ile yapılan konuşmanın sonunda durumu kaydettiğinizde kalıcıdır.

Genişleyen kaynak kullanımı nedeniyle Qwenputer, altta yatan Qwen 3.5 4B LLM’in boyutunu temelde neredeyse 19GB’a kadar ikiye katladı. Bu nedenle Agrawal, Qwenputer’ı mevcut sürümünde denemek için 24GB veya daha fazla VRAM’e sahip bir iş istasyonu öneriyor. Qwenputer’daki kodlamanın sadeleştirilmesi ve daha hızlı çalıştırılması için çalışmalar yürütülüyor.

(Görsel kredisi: Divyansh Agrawal)

(Görsel kredisi: Divyansh Agrawal)

(Görsel kredisi: Divyansh Agrawal)

Proje deneyseldir. Agrawal’ın Qwenputer’ı çoğunlukla belirli bir problemi çözmek yerine, mümkün olanın ne olduğunu keşfetmek amacıyla bir deney olarak kurmuş olduğu izlenimini uyandıran bir durum var. Yine de bu özel LLM’in oluşturulması bazı ilginç kavramları ortaya çıkarıyor ve olası pratik uygulamalar konusunda düşünmeyi tetikliyor.

Son haberler, analizler ve incelemelerimizden besinlerde görmek içintakip edinveyatakip edin.