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

截至 2025 年 6 月，RWKV-8 架构仍处于实验阶段。RWKV-8 已公开的特性：

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。

  • RWKV-7 论文：RWKV-7 "Goose" with Expressive Dynamic State Evolution
  • 论文地址：arXiv:2503.14456

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。

有关 RWKV-7 论文的解读，可以参考此文章。

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 6 月，RWKV-4/5 模型的生命周期已结束，RWKV-6 模型已停止更新。推荐使用最新的 RWKV7-G1 模型。

版本RWKV-V4RWKV-v5-EagleRWKV-v6-FinchRWKV-v7-WorldRWKV7-G1
论文🎓论文已发布🎓论文已发布🎓论文已发布🎓论文已发布🎓论文已发布
总体状态⚠ EOL⚠ EOL⚠ EOL⚙️ 模型训练中⚙️ 模型训练中
0.4B 模型✅ 已发布✅ 已发布❌ 无计划✅ 已发布✅ 已发布
1.5B 模型✅ 已发布✅ 已发布✅ 已发布✅ 已发布✅ 已发布
3B 模型✅ 已发布✅ 已发布✅ 已发布✅ 已发布✅ 已发布
7B 模型✅ 已发布✅ 已发布✅ 已发布❌ 无计划⚙️ 训练中
14B 模型✅ 已发布❌ 无计划✅ 已发布❌ 无计划📅 计划训练

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。

  • 7B 及以下参数的模型：请使用 RWKV7-G1 2.9B 模型，得益于最新的架构设计和最新的 World v3.5 数据集（总数据为 5.16T tokens），RWKV7-G1 模型有较强的推理、代码和数学能力，在所有任务上的表现都比过去的模型更好
  • 7B 以上参数的模型：由于 RWKV7-G1 7B 及更大的模型正在训练中，推荐使用 RWKV-6-World-14B-V2.1 模型

RWKV7-G1 7B/14B 完成训练后，将完全取代现有的 RWKV-6-World 7B/14B 模型。

请查看本地部署 RWKV 模型的显存需求，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，我们正在进行各种优化以解决此问题。

RWKV 社区的基本术语

概念描述
RWKV模型架构本身，训练代码可于此处获取
stateRWKV 是 RNN 架构的变种，state 是 RWKV 在推理过程中跨时间步（time step）传递的隐藏状态（hidden state），用于保留历史上下文信息
ChatRWKVRWKV 的官方聊天机器人（类似 ChatGPT，但基于 RWKV），代码可于此处获取
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 100 多种语言的数据训练而来的基底 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
RWKV7-G1（Goose One）基于 RWKV-7 架构和 World v3.5 数据集训练的基底模型，支持思考推理（Think），性能更强

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 和 QQ 频道 ，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、EleutherAI 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。

这份文档对您有帮助吗？

意见反馈(可选)

联系方式(可选)

On this page