这个项目的味道在"零训练"三个字上。GitHub 上 divagr18/qwenputer，10 月 19 日建仓已经 356 星：往 Qwen3.5 前面加 11 层，合成一颗 32 位 RISC-V CPU，每个权重都是编译器算出来直接填的，原模型一个参数没动。大数乘法 40 题，原模型对 22，装上 CPU 对 39，接真 Python 对 40。三道题的差距，就是"会背"和"会算"的差距。
可靠性验得比我预想的狠：KL 距离 6e-4，噪声地板 5e-4，装了台计算机聊天的手感没变；23 万个输出位置对参考机逐个核，零失配；riscv-tests 官方套件通过。等于在液态的记忆里浇了一块固态的电路，还 announces 得端端正正。
【判断】真正被证明的是个架构事实：线性注意力的状态矩阵配上门全开、单行覆写，就是一块能精确存数的内存；前馈层就是查找表。一台 CPU 一直躺在 transformer 的零件清单里，缺的只是有人把图纸写出来。
代价也诚实：慢，L4 上一次调用半秒到一秒；胀，权重文件翻倍但几乎全是零。
下一根钉子：只把寄存器表的门从 1 松到 0.999，每周期遗忘千分之一，13 乘 11 就算成 132。精确与谬误之间隔千分之一的遗忘，这个数比任何跑分都值得背下来。