2025 年 9 月 22 日， RWKV7-G1a 1.5B 推理模型（Reasoning Model）正式开源发布。
RWKV7-G1a 1.5B 从 RWKV7-G1 1.5B 继续训练 1T 高质量数据，显著提升模型能力，且加入新的推理风格，可设置推理长度。
模型客观指标评测
英语和多语言能力
RWKV7-G1a 1.5B 的基础英语和多语言能力均强于同规模的开源模型：
![eval]()
RWKV7-G1a 1.5B 的 MMLU 为 50.2%（RWKV7-G1 1.5B 为 48.2%）。注意这是没有使用任何 mid-training 和 post-training 的真实基底模型成绩。
我们正在训练 RWKV7-G0 13.3B，在训练 63% 时 MMLU 已达 71.4%。预计十月发布。
无法作弊的评测
Uncheatable Eval 是"无法作弊的评测"，它使用最新的论文/新闻/代码/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。
RWKV7-G1a 1.5B 的 Uncheatable Eval 显著提升，已非常接近 1.7B 参数的 Qwen3-1.7B-Base。
![Uncheatable Eval]()
多种推理风格
RWKV7-G1a 1.5B 加入了一种新推理风格，通过在问题后加入【 think】引导。
新推理风格
新推理风格的提示词格式：
User: USER_PROMPT think
Assistant: <think
注意在 USER_PROMPT 后的【 think】和前文之间必须有恰好一个空格。如果不添加【 think】，模型会以默认推理风格进行思考。
下面是 RWKV7-G1a 1.5B 使用新推理风格的效果，注意此时它会使用英语思考：
-
非技术问题 ![]()
-
技术问题 ![]()
新推理风格，短思考
通过【 think a bit】可缩短新推理风格的思考长度。提示词格式：
User: USER_PROMPT think a bit
Assistant: <think
-
非技术问题 ![]()
-
技术问题 ![]()
新推理风格，长思考
通过【 think a lot】可增加新推理风格的思考长度。提示词格式：
User: USER_PROMPT think a lot
Assistant: <think
-
非技术问题 ![]()
-
技术问题 ![]()
这里的新推理风格和长度控制，仅适用于 2025 年 9 月 22 日及之后发布的 RWKV7-G 系列模型（从 RWKV7-G1a 1.5B 开始）。我们会陆续升级各个尺寸的模型。例如，几天后发布 RWKV7-G1a 2.9B。
"假"思考模式
最后，对于所有 RWKV7-G 系列模型，通过在提示中加入空 think 标签，可以模拟一个"已完成思考"的上下文，引导模型生成有结构和逻辑的回复。
提示词格式：
User: USER_PROMPT
Assistant: <think>
</think
-
非技术问题 ![]()
-
技术问题 ![]()
解码参数推荐
RWKV 的运行工具均支持调整模型的解码参数，您可以调整解码参数适应不同任务的特点。
下面是推荐的解码参数：
| 模式 |
Temp |
Top-p |
Presence Penalty |
Frequency Penalty |
Penalty Decay |
主要特点与适用场景 |
| 默认 |
1.0 |
0.3 |
0.5 |
0.5 |
0.996 |
默认的推荐解码参数 |
| 综合 |
1.0 |
0.3 |
2 |
0.2 |
0.99 |
另一种推荐解码参数 |
| 创意 |
0.6 |
0.6 ~ 0.8 |
2 |
0.2 |
0.99 |
思维发散，想象力强 |
| 保守 |
0.3 |
0.3 |
0 |
0 |
0.99 |
适合数学和机械任务 |
| 固定 |
0.2 |
0 |
0 |
0 |
0.99 |
最保守的输出 |
如果你对这些解码参数的含义不熟悉，可以参考 RWKV 官网关于解码参数的文档：RWKV 的解码参数
模型下载
下载 RWKV7-G1a 1.5B 模型：
如何使用 RWKV 模型
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。
由于 RWKV7-G1a 1.5B 是新模型，目前建议使用 RWKV Runner 以保证得到正确结果。
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。
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"。）
