借一步网
作者：
在
想象一下，一个 AI 模型既能像 Transformer 一样高效并行处理，又能像 RNN 一样擅长处理序列数据。RWKV 就是这样一位“跨界选手”。作为一种创新的深度学习网络架构，RWKV 巧妙结合了 Transformer 和 RNN 的优点，既实现了高度并行化训练，又在推理效率上表现优异。
而现在，RWKV 的故事迎来了新的篇章——RWKV-7 架构的发布。这不仅仅是一次技术升级，更是一次全新的探索。RWKV 社区基于这一架构推出了多个令人兴奋的项目，其中包括支持多语言的 RWKV-7-World 模型，以及一款基于黑白棋（Othello）的策略模型 RWKV Othello。
RWKV-7-World-0.4B 模型是 RWKV-7 系列的明星选手。它在 world-2.9 数据集（从 world-v3 数据集中采样了 2T tokens）上训练而成，拥有 0.4B 参数。尽管体量不大，但它的表现却令人惊艳——支持全球 100 多种语言和代码，并在多语言能力上显著超越其他同类模型。
RWKV-7-World 的强大能力在社区 WebGPU Demo 中得到了充分展示。例如，它可以用流畅的英语回答问题，甚至还能生成高质量的 Python 代码。以下是一些生成案例的简要展示：
这些能力使得 RWKV-7-World 成为多语言任务和代码生成领域的强大工具。
黑白棋，也被称为反转棋，是一种经典的策略游戏。而 RWKV Othello 项目则是 RWKV 社区的又一力作。这个项目由社区成员 @Jellyfish042 基于 RWKV-7 架构开发，使用 CoT（Chain of Thought）数据训练了一个仅 8.8M 参数的小型模型。
RWKV Othello 模型可以与人类玩家或其他模型进行自动对战。在与人类对战时，它展现出了非常高的胜率。更令人惊叹的是，它支持两种推理模式：
以下是不同搜索树深度和宽度下的获胜率测试结果：
RWKV Othello 项目不仅展示了 RWKV 模型在策略游戏中的潜力，还证明了其在恒定资源占用下的高效性。
如果你以为 RWKV 的能力仅限于模型训练和推理，那就大错特错了。RWKV WebGPU Demo 将 AI 的魔力带到了你的浏览器中。无需下载任何应用，你只需打开浏览器，就能体验 RWKV 的强大功能。
在 Demo 的聊天界面，你可以选择一个 RWKV-7-World 模型（0.1B 或 0.4B. ��，点击加载按钮后，模型将在浏览器中离线运行。你甚至可以直接拖动本地模型文件到界面中，省略下载过程。
15 谜题，又称数字推盘游戏，是一个经典的滑块益智游戏。在 Demo 的 15 puzzle 界面，你可以设置一局全新的谜题，点击开始按钮后，RWKV-puzzle15 模型会自动解开谜题，并展示推理过程。
在 Demo 的音乐界面，你可以驱动 RWKV ABC 模型进行作曲。只需选择一个 ABC 格式的 prompt，点击生成音乐按钮，RWKV 就会为你创作一段旋律。
作为一种 RNN 模型，RWKV 的隐藏状态演化是其核心机制之一。在 State Replay 界面，你可以直观地查看模型的隐藏状态如何随输入变化而演化。例如，当输入“你好”时，RWKV-7-World-0.1B 模型的 12 层状态会以颜色方格的形式展示：
这种可视化工具不仅帮助我们理解模型的内部机制，还为模型优化提供了重要参考。
RWKV-7 的发布和相关项目的推出，标志着这一架构在多语言处理、策略游戏、益智解谜和音乐创作等领域的巨大潜力。更重要的是，这一切都得益于始智 AI wisemodel 社区的开放和创新精神。
如果你也对 RWKV 的未来感兴趣，不妨加入社区的开源共创志愿者计划，与全球开发者一起探索 AI 的无限可能。
要发表评论，您必须先登录。
通知
步子哥の博客
《RWKV-7 的奇幻冒险：从黑白棋到音乐创作的全能 AI》
科技巨头的政治转变：埃隆·马斯克与MAGA的奇妙旅程
想象一下，一个 AI 模型既能像 Transformer 一样高效并行处理，又能像 RNN 一样擅长处理序列数据。RWKV 就是这样一位“跨界选手”。作为一种创新的深度学习网络架构，RWKV 巧妙结合了 Transformer 和 RNN 的优点，既实现了高度并行化训练，又在推理效率上表现优异。
而现在，RWKV 的故事迎来了新的篇章——RWKV-7 架构的发布。这不仅仅是一次技术升级，更是一次全新的探索。RWKV 社区基于这一架构推出了多个令人兴奋的项目，其中包括支持多语言的 RWKV-7-World 模型，以及一款基于黑白棋（Othello）的策略模型 RWKV Othello。
RWKV-7-World-0.4B 模型是 RWKV-7 系列的明星选手。它在 world-2.9 数据集（从 world-v3 数据集中采样了 2T tokens）上训练而成，拥有 0.4B 参数。尽管体量不大，但它的表现却令人惊艳——支持全球 100 多种语言和代码，并在多语言能力上显著超越其他同类模型。
RWKV-7-World 的强大能力在社区 WebGPU Demo 中得到了充分展示。例如，它可以用流畅的英语回答问题，甚至还能生成高质量的 Python 代码。以下是一些生成案例的简要展示：
这些能力使得 RWKV-7-World 成为多语言任务和代码生成领域的强大工具。
黑白棋，也被称为反转棋，是一种经典的策略游戏。而 RWKV Othello 项目则是 RWKV 社区的又一力作。这个项目由社区成员 @Jellyfish042 基于 RWKV-7 架构开发，使用 CoT（Chain of Thought）数据训练了一个仅 8.8M 参数的小型模型。
RWKV Othello 模型可以与人类玩家或其他模型进行自动对战。在与人类对战时，它展现出了非常高的胜率。更令人惊叹的是，它支持两种推理模式：
以下是不同搜索树深度和宽度下的获胜率测试结果：
RWKV Othello 项目不仅展示了 RWKV 模型在策略游戏中的潜力，还证明了其在恒定资源占用下的高效性。
如果你以为 RWKV 的能力仅限于模型训练和推理，那就大错特错了。RWKV WebGPU Demo 将 AI 的魔力带到了你的浏览器中。无需下载任何应用，你只需打开浏览器，就能体验 RWKV 的强大功能。
在 Demo 的聊天界面，你可以选择一个 RWKV-7-World 模型（0.1B 或 0.4B. ��，点击加载按钮后，模型将在浏览器中离线运行。你甚至可以直接拖动本地模型文件到界面中，省略下载过程。
15 谜题，又称数字推盘游戏，是一个经典的滑块益智游戏。在 Demo 的 15 puzzle 界面，你可以设置一局全新的谜题，点击开始按钮后，RWKV-puzzle15 模型会自动解开谜题，并展示推理过程。
在 Demo 的音乐界面，你可以驱动 RWKV ABC 模型进行作曲。只需选择一个 ABC 格式的 prompt，点击生成音乐按钮，RWKV 就会为你创作一段旋律。
作为一种 RNN 模型，RWKV 的隐藏状态演化是其核心机制之一。在 State Replay 界面，你可以直观地查看模型的隐藏状态如何随输入变化而演化。例如，当输入“你好”时，RWKV-7-World-0.1B 模型的 12 层状态会以颜色方格的形式展示：
这种可视化工具不仅帮助我们理解模型的内部机制，还为模型优化提供了重要参考。
RWKV-7 的发布和相关项目的推出，标志着这一架构在多语言处理、策略游戏、益智解谜和音乐创作等领域的巨大潜力。更重要的是，这一切都得益于始智 AI wisemodel 社区的开放和创新精神。
如果你也对 RWKV 的未来感兴趣，不妨加入社区的开源共创志愿者计划，与全球开发者一起探索 AI 的无限可能。