RWKV7-G1a 1.5B 推理模型已正式开源发布。该模型在 RWKV7-G1 1.5B 的基础上，使用 1T 高质量数据进行进一步训练，显著提升了模型能力。新模型引入了可设置推理长度的新推理风格，并支持通过添加【 think】标签来引导模型进行思考，以生成更具结构和逻辑的回复。在客观指标评测中，RWKV7-G1a 1.5B 在英语和多语言能力上均优于同规模的开源模型，其 MMLU 分数达到 50.2%。此外，模型在“无法作弊的评测”（Uncheatable Eval）中的表现也大幅提升，接近 1.7B 参数的 Qwen3-1.7B-Base。文章还提供了推荐的解码参数设置，以及模型下载和使用方法，并欢迎用户加入 RWKV 社区进行交流和探索。

💡 新模型发布与能力提升：RWKV7-G1a 1.5B 推理模型于 2025 年 9 月 22 日正式开源。该模型通过在 RWKV7-G1 1.5B 的基础上继续训练 1T 高质量数据，显著增强了其基础能力。在 MMLU 基准测试中，该模型的基础英语和多语言能力均优于同规模的开源模型，得分达到 50.2%，且此成绩为真实基底模型表现，未经过任何后期优化。

✨ 引入创新推理风格：RWKV7-G1a 1.5B 模型新增了一种创新的推理风格，用户可通过在提示词后添加【 think】来引导模型进行思考，生成更具结构化和逻辑性的回复。该风格支持通过【 think a bit】和【 think a lot】来控制思考的长度，并能模拟“已完成思考”的上下文，进一步优化回复的质量。此功能仅适用于 RWKV7-G 系列模型。

📊 客观评测与性能对比：模型在“无法作弊的评测”（Uncheatable Eval）中表现突出，该评测通过实时数据测试模型的压缩率（“压缩即智能”），评估其真实的语言建模能力和泛化能力。RWKV7-G1a 1.5B 的 Uncheatable Eval 分数已非常接近 1.7B 参数的 Qwen3-1.7B-Base，显示出其强大的性能。

🔧 解码参数与使用指南：文章提供了不同场景下的推荐解码参数设置，包括默认、另一种推荐、创意和保守模式，以帮助用户根据任务需求调整模型行为。同时，也列出了 RWKV7-G1a 1.5B 模型在 Hugging Face、魔搭社区和 WiseModel 等平台的下载链接，并建议使用 RWKV Runner 等工具进行本地部署和推理。

原创 manjuan 2025-09-25 17:01 广东

2025 年 9 月 22 日， RWKV7-G1a 1.5B 推理模型正式开源发布。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。

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：

evalRWKV7-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

💡TipsUncheatable Eval[1] 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 thinkAssistant: <think

💡Tips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