개발자 divagr가 대규모 언어 모델인 Qwen 3.5 4B의 가중치 내부에 완전한 기능의 RISC-V 중앙처리장치를 컴파일하여 삽입하는 실험을 공개했습니다. 이 프로젝트는 Qwenputer라는 이름으로 불리며, 모델 자체의 Gated DeltaNet 레이어를 메모리 공간으로 활용하는 독특한 구조를 취하고 있습니다.
일반적인 AI 모델이 외부 도구나 플러그인을 통해 계산을 처리하는 것과 달리, Qwenputer는 모델의 순방향 전달 과정 내에서 모든 연산을 수행합니다. 사용자는 별도의 런타임 환경이나 툴 호출 없이도 산술 연산은 물론 C 언어와 MicroPython 코드를 구동할 수 있습니다. 이는 단순한 시뮬레이션이 아니라 실제 하드웨어 논리가 소프트웨어 가중치로 변환되어 동작하는 형태입니다.
기술적 핵심은 Qwen 3.5 모델이 채택한 하이브리드 아키텍처에 있습니다. 이 모델은 네 개의 어텐션 레이어 중 세 개에서 선형 순환 신경망인 Gated DeltaNet을 사용합니다. 각 헤드에는 상태 행렬이 유지되는데, 개발자는 게이트 값을 1로 고정하여 정보의 감쇠를 막고 이를 RAM처럼 사용하는 방식을 고안했습니다.
델타 규칙을 통해 업데이트되는 이 상태 행렬이 프로세서의 기억 장치 역할을 담당하게 됩니다.
모델 내부에는 파일 시스템까지 구현되었습니다. 파일을 저장할 때 컴파일된 레이어들은 파일 이름을 해싱하여 DeltaNet 상태에 있는 1024개의 슬롯 중 하나로 매핑합니다. 텍스트 데이터는 다른 헤드들에 8개 토큰씩 체인 형태로 연결되어 보관됩니다.
이러한 구조 덕분에 모델은 자신의 추론 과정을 숨기거나 내부 모니터링 도구로 활용할 수도 있는 잠재력을 보여줍니다.
Hacker News 커뮤니티에서는 이 실험이 트랜스포머의 튜링 완비성을 시각적으로 증명한다는 평가가 나왔습니다. 일부 이용자들은 이것이 거대 언어 모델이 단순히 다음 단어를 예측하는 것을 넘어 컴퓨터로서의 기능을 수행할 수 있음을 시사한다고 해석했습니다. 또한 DOOM 게임 실행 가능성과 같은 유머러스한 반응들도 섞여 있었습니다.
현재 Qwenputer의 코드와 모델 가중치는 GitHub와 Hugging Face, ModelScope를 통해 공개되어 있습니다. 다만 이는 아직 초기 단계의 실험적 프로젝트이며, 상업적 제품이나 안정화된 기술 표준과는 거리가 멉니다. 향후 이 구조가 실제 에이전트 작업이나 복잡한 논리 추론에서 얼마나 효율적으로 작동할지는 추가 검증이 필요한 상황입니다.