RWKV-7 G1f 模型发布，纯RNN也能写3D游戏

RWKV元始智能
0 阅读6分钟

2026 年 4 月， RWKV-7 G1f 系列推理模型开源发布，目前已发布 G1f 13.3B/7.2B/2.9B/1.5B 模型。

RWKV 模型名称的 G1a/G1c/G1f 等等代表训练数据的版本。您可在同一参数规模下，选择日期最新的模型，以获得最佳效果。

Uncheatable Eval 评测

Uncheatable Eval 使用最新的代码/论文/维基/新闻/小说等实时数据，测试压缩率（“压缩即智能”），评估基底语言模型的真实语言建模能力和泛化能力。

新版 Uncheatable Eval 提升测试难度，加入更多 github 和 arxiv 数据，且增加了测试文本长度。

uncheatable-14B

uncheatable-7B

uncheatable-3B

uncheatable-1.5B

我们发现，RWKV 系列模型在 uncheatable eval 的成绩随时间持续提升。因此，我们可以持续按月发布最新、最强的模型。

模型实战

通过添加更多高质量训练数据，RWKV7 G1f 增强了所有领域能力。先测试编程：

以下测试均基于 RWKV7 G1f 7.2B 模型

生成 2D 场景，prompt: 生成一个web版的2D射击游戏，我可以控制战机左右移动，躲避敌方不断坠落的战机和子弹。生成效果：

web-shot

生成 3D 场景，prompt：使用 Three.js 创建一个简单 3D 房间，用户可以用 WASD 控制摄像机在房间里移动。生成效果：

3D

生成一个 rmsnorm 的 triton 算子：

example-triton-rmsnorm

日常问答：多学科分析问题

example-analyze

创作：高考作文

example-composition

注意 G1f 系列依然是纯预训练的基底模型，未经任何后训练，现有案例不代表模型的最终性能。

模型下载

下载 RWKV7 G1f 系列 模型（.pth 格式）：

其他格式：

RWKV G1-GGUF 系列模型近 30 天收获了近 2500 次模型下载（无刷榜），收获用户好评。（左边的部分是后台监控漏统计了这段日期的具体每天下载，我们将期间的总下载量按日期摊平到每天。）

model-download

如何使用 RWKV 模型

在线体验

魔搭平台在线 demo：

Hugging Face 平台在线 demo：

移动端（支持高并发）

我们也开源了 RWKV Chat，一款端侧推理 APP。RWKV Chat 是基于 RWKV 模型的离线 AI 对话应用，无需联网也能深度思考和并行推理。

下载 RWKV Chat：rwkv.halowang.cloud/

使用移动端 SoC，RWKV Chat 可实现最高 8 路并发。这是同时用 6 种不同风格回答问题的例子：

RWKV-Chat-APP-Parallel

除了 G1f 语言模型，RWKV Chat 也提供 VL 和 TTS 模型。效果预览：

RWKV-Chat-APP

⚠️ 注意：当前 RWKV Chat APP 处于 demo 阶段，非正式上线应用，仅用于快速体验 RWKV 模型。

本地部署（高并发推理引擎）

推荐使用目前最快的推理方式 Albatross：https://github.com/BlinkDL/Albatross。使用 Albatross 可实现极高的“超并发”推理效率，且永远恒定速度，永远恒定显存：

模型尺寸精度Batch Size速度 token/s阶段硬件
7.2Bfp1696010250+生成 (Decode)5090单卡
7.2Bfp163209650+生成 (Decode)5090单卡
7.2Bfp161145+生成 (Decode)5090单卡
7.2Bfp16111289+预填充 (Prefill)5090单卡

也可以使用基于 Albatross 的 RWKV 并发推理后端 rwkv_lightning（兼容 OAI 格式的 API）：https://github.com/RWKV-Vibe/rwkv_lightning。

使用 rwkv_lightning 可实现单卡部署并批量生成内容，例如 批量网页生成：

rwkv-vibe-code

或批量小说生成：

RWKV-Parallel-Novel

更多细节请查看历史文章：RWKV超并发项目教程，RWKV-LM训练提速40%

其他本地部署工具

由于 RWKV7 G1f 系列 是新模型，目前建议使用 RWKV Runner 以保证得到正确结果。

可以使用 RWKV Runner、Ai00、RWKV pip 等推理工具本地部署 RWKV 模型。

此外，RWKV 模型也适配了 llama.cpp、Ollama 等热门的模型推理工具。

可以在 RWKV 官网 - 模型推理教程中查看上述推理工具的使用教程。

RWKV-LM 优化训练速度和显存占用

最近 Bo 对 RWKV-LM 进行了一轮优化，训练速度提升 40%（融合多个细碎算子），显存占用降低 40~80%（融合 L2Wrap+CE+Head），且训练的精度更高、梯度更准确。

推荐各位都升级到最新版：github.com/BlinkDL/RWK…

RWKV-LM 超并发大赛预告

最后，我们即将举办 RWKV 超并发大赛，欢迎大家在 RWKV 技术群交流并参与此项目。以下是一些 RWKV 超并发的应用场景和创意：

  • 并行 Agent（大模型拆出大量小任务，给 RWKV 模型并行做）
  • 并行写代码（大模型将项目拆成多个模块，拆成多个函数，给 RWKV 模型并行写）
  • 并行分析（大模型将目标拆成多个部分，给 RWKV 模型并行分析）
  • 并行多风格问答 / 创作（让 RWKV 对于一个或多个内容，用不同风格并行回答 / 创作）
  • 并行多角色 NPC（让 RWKV 并行扮演几百个角色）
  • 并行扩写 / 摘要（让 RWKV 并行处理大量数据）
  • 并行改写（让 RWKV 并行处理多个文档，实现个人定制的信息流）
  • 并行翻译（将文本拆成多段，让 RWKV 并行处理）
  • 并行写小说（大模型将小说拆成多个章节，调用 RWKV 并行写）
  • 并行做数学题（让 RWKV 用不同解码参数解题，然后自动投票得到更佳答案）

更多大赛细节将于近日公布，欢迎关注 RWKV 官方账号，获取最新消息！

扫码_搜索联合传播样式-白色版.png

加入 RWKV 社区

欢迎大家加入 RWKV 社区，可以从 RWKV 中文官网了解 RWKV 模型，也可以加入 RWKV 论坛、QQ 频道和 QQ 群聊，一起探讨 RWKV 模型。

欢迎大家基于 RWKV-7 进行创业、科研，我们也会为基于 RWKV 的项目提供技术支持。

如果您的团队正在基于 RWKV 创业或开展研究，请联系我们！（在“RWKV元始智能”微信公众号留言您的联系方式，或发送邮件到“contact@rwkvos.com”。）

avatar
文章
阅读
粉丝