2024 年 9 月 ，RWKV 社区成员发现：Office 系统在自动更新后（版本 2407 及以后）已自带 RWKV 运行库。
在 Windows 系统的 C:\Program Files\Microsoft Office\root\vfs\ProgramFilesCommonX64\Microsoft Shared\OFFICE16 目录，可以找到一系列 rwkv dll（动态链接库） 文件。
![RWKV dll in Windows]()
由于正版 Windows 大多预装了 Office 365，因此，全球大多数 Windows 10 和 11 机器现已搭载 RWKV，包括线下商店中售卖的 Windows 机器。这意味着 RWKV 的装机量可达几亿台。
RWKV 是真正的开源架构（目前在 Linux Foundation 旗下），遵循 Apache 2.0 协议，可用于商业，欢迎大家在各个项目使用。
RWKV 的最新架构为 RWKV-6，且 RWKV-7 即将公布。
从 dll 的文件属性，可以明确这是 RWKV 模型的加载器：
![dll 文件属性]()
此外，微软提供的协议中也明确出现了 rwkv.cpp 的仓库地址 ：
![带 rwkv.cpp 的许可证]()
随后，社区开发者对 dll 文件进行解析，发现 dll 中的函数确实是来自 rwkv.cpp 库中的 RWKV 模型相关函数：
![dll 文件中的函数]()
该发现在多方社交媒体上引起了激烈的讨论：
![RWKV官方推文]()
![]()
RWKV 在 Windows 系统中的角色
目前，微软方面未公布 RWKV 模型会用于 Windows 系统中的哪些功能。
尽管 RWKV 系列 dll 文件存放在 Microsoft Office 目录中，但它们其实是操作系统的一部分，而不仅限于 Microsoft Office 。
出于 RWKV 恒定的显存/内存占用、支持全球 100 多种语言、“能耗最低的模型”等特性，我们推测 RWKV 可能会用于以下 Windows 系统功能：
- 本地 copilot
- 作为 Windows 系统的本地记忆回调器
Local memory recall 是让操作系统记住你过去的操作或输入信息，在需要时再次使用这些记忆。
RWKV 的 llama.cpp 用法
随着 RWKV 社区成员 @MollySophia 的工作，llama.cpp 现已适配 RWKV-6 模型。
接下来，我们一起看看如何在 llama.cpp 中使用 RWKV-6 模型进行推理：
第一步：获取 gguf 格式模型
llama.cpp 支持 .gguf 格式的模型，但 RWKV 官方仅发布了 .pth 格式模型。因此，我们需要使用以下两种方法获取 gguf 格式的 RWKV 模型。
方法 1：从 HF 下载现成 gguf 模型（推荐）
可以从 https://huggingface.co/latestissue 下载已量化并转化成 gguf 格式的 RWKV 模型
方法 2：从 HF 格式转换成 .gguf 格式
首先，从 RWKV 官方 HF 仓库下载一个 Hugging Face 格式的 RWKV 模型，如 RWKV/v6-Finch-1B6-HF
然后在 llama.cpp 目录运行此命令，将 Hugging Face 模型转成 gguf 格式：
python llama.cpp/convert_hf_to_gguf.py ./v6-Finch-1B6-HF
量化方法：（可选）
运行以下命令，对 .gguf 模型进行量化：
./build-cuda-rel/bin/llama-quantize v6-Finch-1B6-HF/v6-Finch-1.6B-HF-F16.gguf（量化前的 gguf 模型路径） ./v6-Finch-1B6-HF/v6-Finch-1.6B-HF-Q5_1.gguf（量化后的 gguf 模型路径） Q5_1（量化精度）
所有可选的量化精度：
![可选的量化精度]()
建议使用以下两种量化精度： Q5_1、 Q8_0。
第二步：本地构建 llama.cpp
可以选择从 llama.cpp 的 release 页面下载已编译的 llama.cpp 程序。
也可以参照 llama.cpp 官方构建文档，选择适合的方法本地编译构建。
第三步：运行 RWKV 模型推理
在 llama.cpp 目录运行以下命令，可驱动 RWKV 模型基于 prompt 生成文本：
./build/bin/llama-cli -m ./v6-Finch-1B6-HF/v6-Finch-1.6B-HF-F16.gguf --no-warmup -p "User: Write me a poem\n\nAssistant:" -t 8 -ngl 25 -n 500
这条命令通过 llama-cli 运行 RWKV 模型，使用 8 个线程、跳过预热、并根据给定的 prompt 生成最多 500 个 token。
![RWKV 模型推理]()
参数解释：
./build/bin/llama-cli：编译好的 llama-cli 程序，打开命令化界面-m ./v6-Finch-1B6-HF/v6-Finch-1.6B-HF-F16.gguf：模型的路径参数--no-warmup：跳过“预热”阶段，直接开始生成文本（以少量性能换取速度）-p "User: Write me a poem\n\nAssistant:"： prompt 参数，模型根据该提示词生成文本。"User: Write me a poem\n\nAssistant:" 是符合 RWKV 模型格式的 prompt，更多 RWKV prompt 格式请在RWKV文档-提示词指南中查看。-t 8：-t 指定线程数，建议根据可用的物理 CPU 核心数调整- ngl：指定模型使用的 n-gpu-layers ，25 是在 GPU 上运行 25 层（1.6B 的 24层 + head 算一层）。可以无脑设定 -ngl 99，使 llama.cpp 加载 RWKV 模型所有层-n 500：-n 参数表示生成的最大 token 数
完整的参数列表可以在 llama.cpp 参数文档中查看。
批量推理生成
使用以下命令，以进行批量推理：
使用 \n 隔开不同的 prompt
./build/bin/llama-parallel -ns 4 -np 4 -m v6-Finch-1B6-HF/v6-Finch-1.6B-HF-F16.gguf --no-warmup -ngl 25 -n 500 -p "Who are you?\nWhat do we have for dinner?\nWhat's the meaning of life\nHello\nWhat is the end of the universe?"
![批量推理生成]()
参数解释：
-ns 4: n_sequence，推理序列的数量-np 4: n_parallel，并行推理的数量
启动 Web 服务
使用以下命令，以启动 llama.cpp 的 Web 服务：
./build/bin/llama-server -m v6-Finch-1B6-HF/v6-Finch-1.6B-HF-F16.gguf --no-warmup -ngl 25
![llama.cpp 的 Web 服务]()
启动后，可以访问 http://127.0.0.1:8080 以检查 Web 页面：
![WebUI]()
![chatUI]()
点击右上方的 New Ul按钮，或者直接访问 http://127.0.0.1:8080/index-new.html，可以打开新版本的 WebUI
![新版本的 WebUI]()
![新版本的 chatUI]()
RWKV 模型介绍
RWKV 是一种创新的深度学习网络架构，它将 Transformer 与 RNN 各自的优点相结合，同时实现高度并行化训练与高效推理，时间复杂度为线性复杂度，在长序列推理场景下具有优于 Transformer 的性能潜力。
RWKV 模型架构论文：
RWKV 4：https://arxiv.org/abs/2305.13048
RWKV-5/6（Eagle & Finch）：https://arxiv.org/abs/2404.05892
RWKV 模型的最新版本是 RWKV-6 ，架构图如下：
![]()
相对 Transformer 架构，RWKV 架构的推理成本降低 2~10 倍，训练成本降低 2~3 倍。
加入 RWKV 社区
