RWKV7-G1 GooseOne

RWKV7-G1 GooseOne

纯 RNN 的文本生成基础模型，用于聊天、推理和工具调用，可作为后训练和微调的起点。支持八种语言，适合开发者和研究人员。

由 BlinkDL 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：RWKV7-G1，昵称 GooseOne，是一组以纯 RNN 而非 Transformer 构建的语言模型。它们是基础模型，在网页、代码和合成文本以及指令、聊天和推理数据上预训练。作者把它们作为后训练和微调的起点。

适合谁：它适合想要基于 RNN 的语言模型来做聊天、推理或工具调用、并可能自己微调的开发者和研究人员。列出的八种语言是英语、中文、法语、西班牙语、德语、葡萄牙语、俄语和意大利语。

Title: 谁在用
Industry | Who uses it | How they use it | Example
AI 研究 | 模型研究人员 | 微调基础模型或研究它的 RNN 设计 | 用自己的聊天数据做后训练
软件 | 应用开发者 | 在本地运行它来聊天或调用工具 | 根据工具列表返回 JSON 函数调用
移动和桌面应用 | 应用开发者 | 在本地推理应用里运行 GGUF 版本 | 在手机或笔记本上与模型聊天

想要现成调好的助手的人可以跳过它，因为这些是基础模型。

用在哪里：

• 使用 rwkv 包的 Python
• Albatross 项目，用于快速批量推理和图形界面
• 面向移动端和桌面端的 RWKV Chat 应用，可在应用商店找到
• Ollama，通过模型卡指向的 GGUF 版本
• Windows、macOS 或 Linux，用来下载文件

Title: 主要用途
Use case | Who | What they get back
聊天 | 开发者 | System、User、Assistant 格式的文字回复
推理 | 研究人员 | 回答前可选的思考步骤
函数调用 | 智能体开发者 | 从工具列表中选出的 JSON 函数调用

如何设置：

• 你电脑上的 Python
• huggingface_hub 包
• 运行权重的工具，例如 rwkv 包、Albatross 或 RWKV Chat 应用

1. 安装 Hugging Face 的 hub 包。
2. 把模型文件下载到你的电脑。
3. 从模型卡的列表里选一个运行工具，让它指向这些文件。
4. 去掉提示词末尾的空格，因为结尾的空格会干扰分词器。

pip install -U huggingface_hub
hf download BlinkDL/rwkv7-g1

如何使用：按下面的聊天格式写提示词，以 Assistant 行结尾。作者说训练数据里用空行分隔聊天轮次，所以请把你自己文字里的空行换成单个换行。

System: YOU_CAN_USE_SYSTEM_IF_NEEDED

User: PREVIOUS_STUFF

Assistant: PREVIOUS_STUFF

User: USER_PROMPT

Assistant:

遇到难题时，模型卡建议用思考提示词。它还特别推荐下面这个假思考提示词。

User: USER_PROMPT

Assistant: <think></think

模型卡给 rwkv 包的解码建议有两组，一组用于聊天，一组用于创意写作。

Chat: temp 1, topp 0.5, alpha_presence 2, alpha_frequency 0.1, alpha_decay 0.99

Creative (great for fiction etc.): temp 0.6, topp 0.6 ~ 0.8, alpha_presence 2, alpha_frequency 0.2, alpha_decay 0.99

Title: 模型卡提到的项目
Tool | What it does
Albatross | 高效推理，带批量生成图形界面
rwkv 包 | Python 推理
RWKV Chat | 面向移动端和桌面端的本地推理应用
RWKV-LM | 训练代码
RWKV-PEFT | 微调代码

示例：做工具调用时，你在系统行里列出三个工具，分别是天气、股价和翻译，并告诉模型只返回 JSON 函数调用。然后你让它把一个简短的天气问题翻译成日语。它应该回答一个指向翻译工具的 JSON 调用。模型卡说，这在解码参数设为零、G1f 1.5B 及更大的模型上有效。

新手与专家：如果你是新手，最简单的起点是 RWKV Chat 应用，它能在手机或电脑上本地运行模型。第一次尝试可以发一条简短的聊天消息，后面不要有空格。

对于专家来说，这是一个 RNN，所以模型卡说随着文本变长，速度和内存占用保持不变。它列出了 7.2B 模型在 RTX5090 上用 fp16 解码，单路每秒 145 个词元。模型卡还提到 rwkv7a 变体带有 DeepEmbed，并建议使用最新的模型。

下载权重
选择 rwkv 或 Albatross 等运行工具
用聊天格式发送提示词
读取回复或 JSON 调用

注意事项：

• Base models: 它们用于后训练和微调，所以作为聊天助手时可能不够完善。
• Prompt format: 输入末尾的空格可能导致非英文回复。
• License: Apache 2.0。
• Cost to run: 来源未提及。模型卡的速度数据来自 RTX5090 GPU。
• Data it reaches: 它从 Hugging Face 下载文件，模型卡没有提到其他访问。
• Not for: 需要现成调好的助手的任务，因为这些是基础权重。

Title: 7.2B fp16 在 RTX5090 上的解码速度
单路: 145 token/s
320 路: 9650 token/s
960 路: 10250 token/s

Hugging Face 上的数据（2026年11月13日）

• 任务：text generation
• 框架：rwkv
• 最近 30 天下载：9,911
• 点赞：253
• 许可证：apache-2.0
• 语言：en, zh, fr, es, de, pt, ru, it
• Quantized versions: 40
• Fine-tunes: 42
• 标签：rwkv, pytorch, text-generation, causal-lm

链接

• 模型：https://huggingface.co/BlinkDL/rwkv7-g1
• 文件：https://huggingface.co/BlinkDL/rwkv7-g1/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 BlinkDL/rwkv7-g1

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。