关于 RWKV
RWKV 简介

RWKV（读作 RWaKuV）是一种具有 GPT 级大型语言模型（LLM）性能的 RNN，也可以像 GPT Transformer 一样直接训练（可并行化）。

RWKV 结合了 RNN 和 Transformer 的最佳特性：出色的性能、恒定的显存占用、恒定的推理生成速度、"无限" ctxlen 和免费的句嵌入，而且 100% 不含自注意力机制。

RWKV 项目最初由彭博（Bo Peng ，BlinkDL）提出，随着项目被外界关注，RWKV 项目逐渐发展成一个开源社区。

2023 年 9 月 20 日，RWKV 开源项目正式加入 Linux 开源基金会。如今的 RWKV 项目是一个开源的非盈利组织，隶属于 Linux 基金会，部分算力曾由赞助商支持。

RWKV 架构和论文

RWKV 模型架构有 RWKV-4、RWKV-5（代号 Eagle）、RWKV-6（代号 Finch）、RWKV-7（代号 Goose） 四个正式版本，更早以前的 RWKV 1/2/3 为实验版本。

RWKV-7 架构是 RWKV 的最新版本，架构论文于 2025 年 3 月 18 日正式发布。

通过一系列创新（例如广义 Delta Rule），RWKV-7 在计算效率、任务表现和模型表达力全面超越 Transformer 和过去的 RWKV-6 架构。

在训练数据远低于 Qwen2.5、Llama3.2 等开源模型的前提下，RWKV-7-World 模型的语言建模能力在所有开源 3B 规模模型中达到 SoTA 水平。

通过引入广义 Delta Rule，RWKV-7 使用 2 层即可实现 NC1NC^1 复杂度的 S5S_5 状态跟踪问题，使用 4 层即可识别所有正则语言，表达力显著超越了 Transformers 的 TC0TC^0 限制。

ℹ️

有关 RWKV-7 论文的解读，可以参考此文章 (opens in a new tab)。

RWKV-7 架构图如下：

RWKV-7-architecture

RWKV 模型的版本状态

从 RWKV-4 架构开始，RWKV 在每个架构版本都发布了多种参数规模的开源模型。

截至 2025 年 2 月，RWKV-4、RWKV-5 模型的生命周期已结束。推荐使用最新的 RWKV-7-world 模型。得益于最新的架构设计，RWKV-7 模型在所有任务上的表现都更好。

版本RWKV-V4RWKV-v5-EagleRWKV-v6-FinchRWKV-v7-Goose
论文🎓论文已发布 (opens in a new tab)🎓论文已发布 (opens in a new tab)🎓论文已发布 (opens in a new tab)🎓论文已发布 (opens in a new tab)
总体状态⚠ EOL⚠ EOL✨ 稳定版本⚙️ 模型训练中
0.4B 模型✅ 已发布✅ 已发布❌ 无计划✅ 已发布 (opens in a new tab)
1.5B 模型✅ 已发布✅ 已发布✅ 已发布 (opens in a new tab)✅ 已发布 (opens in a new tab)
3B 模型✅ 已发布✅ 已发布✅ 已发布 (opens in a new tab)✅ 已发布 (opens in a new tab)
7B 模型✅ 已发布✅ 已发布✅ 已发布 (opens in a new tab)📅 计划训练
14B 模型✅ 已发布❌ 无计划✅ 已发布 (opens in a new tab)📅 计划训练
MoE 模型❌ 无计划❌ 无计划❌ 无计划❌ 无计划

我应该使用哪些 RWKV 模型？

⚠️

由于老旧架构导致的性能问题， RWKV-5、RWKV-4 全系列（Raven / World / Pile ...）和更早的 RWKV 版本均已结束生命周期，现有模型仅作为存档。

请使用 RWKV-7 系列模型，RWKV-7 模型基于最新的 RWKV-7 架构和最新的数据集，因此性能更强。

由于 RWKV-7 7B 及更大的模型正在训练中，因此对于 7B 及更大参数的模型，推荐使用 RWKV-6-World-14B-V2.1 (opens in a new tab) 模型；如果你的硬件配置不足以使用 14B 参数模型，可以考虑使用 RWKV-6-World-7B-V3 (opens in a new tab) 模型。

ℹ️

RWKV-7-World 7B/14B 完成训练后，将代替现有的 RWKV-6-World 7B/14B 模型。

请查看本地部署 RWKV 模型的显存需求 (opens in a new tab)，以确认你的显卡可以使用哪一款 RWKV 模型。

RWKV 与 Transformer 的差异

优势

  • 运行和训练时资源使用更低（VRAM、CPU、GPU 等）。
  • 与较大上下文的 Transformer 相比，计算需求低 10 倍到 100 倍。
  • 支持以线性方式扩展到任何上下文长度（Transformer 以二次方扩展）。
  • 在答案质量和泛化能力方面的表现与 Transformer 架构一样好。
  • RWKV 模型的训练数据包括英文以外的其他语言（例如中文、日文等），多语言能力比大多数现有的开源模型要好。

不足

  • RWKV 基底模型对提示词（prompt）的格式非常敏感，提示词的格式对生成结果影响较大。

  • 出于架构设计，RWKV 模型在需要回顾的任务上较弱，因此需要恰当地对提示词进行排序。比如先给模型提供任务指令，再提供需要执行任务的材料文本。

RWKV 社区的基本术语

概念描述
RWKV模型架构本身，训练代码可于此处 (opens in a new tab)获取。
ChatRWKVRWKV 的官方聊天机器人（类似 ChatGPT，但基于 RWKV），代码可于此处 (opens in a new tab)获取。
RWKV-4/5/6/7RWKV 的不同架构版本。注意，推荐使用最新的 RWKV-7 系列模型。
RWKV World使用全球语言训练的基底 RWKV 模型，这类模型涵盖了更广泛、更多样化的数据集，包括 100 多种语言的训练数据，以及部分指令训练。
RavenRWKV-4 基础模型的官方微调版，包含指令训练。但由于 RWKV-4 系列已停止更新，不建议继续使用。
RWKV ABC/MIDI基于 ABC/MIDI 格式的 RWKV 音乐模型
RWKV CHNtuned / one-state-chat / role_play / novel ...RWKV 社区提供的微调模型，针对特定任务或数据类型优化。请优先考虑使用 RWKV-7 系列的微调模型。

RWKV 模型的命名规则

RWKV 模型通常有两种命名规则：

  • RWKV-x060-World-3B-v2.1-20240208-ctx4096.pth
  • RWKV-5-World-1B5-v2-20231113-ctx4096.pth

模型名称中每个字段的含义：

字段含义
RWKV模型名称
x060 / 5RWKV 模型的架构，推荐使用 RWKV-6 模型
World模型类型，World 指使用全球语言训练的 RWKV 模型，因此支持多语言任务
3B / 1B5模型的参数规模，"B"代表"Billions"（十亿）
v2 / v2.1模型的训练集版本，v2 ≈ 1.1 T , v2.1 ≈ 2.5T ,v3 ≈ 5.6T
20240208 / 20231113模型的发布日期
ctx4096预训练的上下文长度

RWKV 社区成员如何交流？

我们拥有 Discord 频道 (opens in a new tab) 和 QQ 频道 (opens in a new tab) ，同时也有 QQ 交流群：

以下是 RWKV 官方的 QQ 交流群：

群名称QQ 群号
RWKV 技术研发群325154699
RWKV 用户交流群224287095
RWKV 应用内测群332381861
ChatRWKV水和机器人群597996773

RWKV 的赞助与贡献者

作为一个开源项目，RWKV 曾接受 Stability AI (opens in a new tab)、EleutherAI (opens in a new tab) 提供的大量 GPU 资源和研究支持。

此外，我们还要感谢以下组织或团队：

同时，我们也感谢 RWKV 社区成员的辛苦付出，包括参与 RWKV 架构改进、使用 RWKV 进行学术研究、协助建设 RWKV 内容、测试最新模型，以及其他任何有帮助的工作。

欢迎下载 RWKV 模型