Qwenx86-4B (compact)

Qwenx86-4B (compact)

在自己的权重里运行计算器、Python 和 C 编译器，用 Qwen3.5-4B 前面加的 13 层来实现，适合研究会执行代码的模型的研究人员和爱好者。

由 Quazim0t0 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Qwenx86-4B (compact) 是把 64 位 x86 计算机编译进权重的 Qwen3.5-4B。Qwen 自己的层前面多了十三层 transformer 层，它们的每个权重都由编译器计算得出，没有任何学习得来的部分。Qwen 通过正常的工具调用请求工具，权重里的计算机来执行它。

适合谁：它适合想研究语言模型如何在自己权重里运行真实程序的研究人员和爱好者。

Industry | Who uses it | How they use it | Example
人工智能研究 | 模型研究人员 | 研究内置在 transformer 里的计算机 | 阅读电路如何变成层，并和 Qwenputer 对比
系统和硬件 | CPU 和模拟器爱好者 | 观察以网络权重形式运行的 x86 核心 | 在调试器演示里跟踪寄存器和标志位
教育 | 教师 | 展示工具、内存和 CPU 如何配合 | 课堂上一步步观看录制的工具调用
开发者工具 | 智能体开发者 | 试用不需要外部沙盒就能运行小程序的模型 | 让它编译并运行一小段 C 程序

如果你想要一个日常使用的通用聊天模型，可以跳过它。

用在哪里：

• Hugging Face 上的 Qwenx86 Debugger Space，它会回放录制的工具调用
• 有足够显存的 GPU 的本地电脑，紧凑检查点约需 9 GB
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件
• 单独的 GGUF 版本，模型卡里有链接，适用于其他运行环境

Use case | Who | What they get back
观看录制的运行 | 学习者 | 时间线上的对话、寄存器、标志位、代码、RAM 和机器输出
运行小程序 | 研究人员 | 在权重里编译并执行的 C 或 Python 代码
在聊天里记笔记 | 爱好者 | 一个能自己保存、读取、搜索、列出和删除笔记的模型（v3）

如何设置：

你需要先准备：

• Python 和 pip
• 能放下紧凑检查点的 GPU，约 9 GB 显存，所以 16 GB 的卡就够
• 存放 4B 参数模型的磁盘空间

1. 安装 Hugging Face hub 工具。
2. 下载模型文件。
3. 按模型卡的说明，用项目的紧凑加载器运行模型。

pip install -U huggingface_hub
hf download Quazim0t0/Qwenx86-4B-compact

如何使用：你像使用任何 Qwen 模型一样和它聊天。需要计算、代码或查询时，它会写一个工具调用，由权重里的 x86 计算机执行。模型卡列出了下面这些内置工具。

Tool | What it does
calc | 计算器
python | 通过 Qwenputer 打过补丁的 MicroPython 运行 Python
c | 用 qcc 编译器编译 C 代码
notes | 笔记存储
science | 查询物理和化学知识
python_doc | 查询 Python 文档

示例：你让它写一个小的 C 函数并运行。它写出代码，调用 c 工具，权重里的计算机编译并执行它。程序的输出会回到聊天里。

新手与专家：可以把它想成一个普通的聊天模型，身体里还带着一台微型计算机。第一步可以先试 Debugger Space，不用安装任何东西，就能逐步查看一次录制的会话。

从内部看，这个电路是 Qwenputer 的 RV32 核心的分支，增加了 x86 标志位微操作、条件跳转，以及把 x86-64 代码翻译成核心 32 位操作的翻译器。编译器把电路变成 Qwen3.5 的层。加载器每次最多可以验证 256 个机器 token 的块。作者报告 2,000 个同步用例与 Unicorn 全部一致。

Qwen 写出一个工具调用
桥接层把它交给 x86 层
权重里的计算机运行工具
结果回到聊天里

注意事项：版本 2 加入了记忆功能，版本 3 让 Qwen 自己使用它们。下面的数字把它和它所分叉的项目 Qwenputer 做了对比。

Title: 加在模型前面的芯片层数
Qwenputer: 11
Qwenx86: 13

• 记忆: 文件系统、1,000 条事实的存储、50,000 个 token 的逐字回忆、JPEG 图片、搜索索引和精确的 64 位算术
• 宿主代码: v2 的记忆功能在模型旁边运行，由宿主代码驱动，而 x86 工具完全在权重里运行
• RAM: 核心有 64 KB，Qwenputer 是 32 KB
• License: Apache 2.0，共用的基础代码按 MIT 重用
• Cost to run: 未提及，但需要约 9 GB 显存的 GPU
• Data it reaches: 它的记忆功能保存的笔记、文件和事实

Hugging Face 上的数据（2026年11月13日）

• 最近 30 天下载：200
• 点赞：54
• 许可证：apache-2.0
• 基于：Qwen/Qwen3.5-4B
• Quantized versions: 1
• 标签：qwen3_5_text, qwen3.5, computer-in-weights, x86, compiled-weights, tool-use

链接

• 模型：https://huggingface.co/Quazim0t0/Qwenx86-4B-compact
• 文件：https://huggingface.co/Quazim0t0/Qwenx86-4B-compact/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Quazim0t0/Qwenx86-4B-compact

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。