ging Face 和 ModelScope，可从以下仓库下载：
Hugging Face：https://huggingface.co/BlinkDL/rwkv-7-world
ModelScope：https://modelscope.cn/models/Blink_DL/rwkv-7-world
RWKV-7-World-0.4B 生成案例
以下是 RWKV-7-World-0.4B 的生成案例（使用社区 WebGPU Demo 运行）：
RWKV Othello
RWKV 社区成员 @Jellyfish042 基于 RWKV-7 架构开发了 RWKV Othello 项目。
项目 GitHub 仓库： https://github.com/Jellyfish042/RWKV_Othello
RWKV Othello 项目利用 Othello（也称为反转棋或黑白棋）的 CoT 数据训练了仅 8.8M 参数的 RWKV-7-Othello 模型。
RWKV-7-Othello 模型可以和人类或其他模型自动对战 Othello 游戏，且在与人类对战时实现了非常高的胜率。
test time scaling
RWKV-7-Othello 模型支持两种推理模式：关闭搜索和开启搜索。
关闭搜索时，模型会直接预测最佳走法；开启搜索后， RWKV Othello 模型会根据搜索配置进行 cot，而且思考的 token 数越多，棋力越强（获胜概率增大）。
以下是不同的搜索配置与基线模型（深度 = 1，宽度 = 1）进行比较，测试不同搜索树深度和宽度的获胜率（模型： rwkv7_othello_26m_L10_D448_extended ，每个数据点包含 100 局游戏）：
RWKV Othello 项目证明 RWKV 模型的恒定资源占用特效在做 CoT 项目时有独特的优势，同时也展示 RWKV 模型在游戏策略和决策任务中的应用潜力。
RWKV WebGPU Demo
无需下载任何应用，在浏览器中运行 RWKV-7-World 模型进行对话、解 15 谜题、音乐作曲，以及可视化查看 state 变化！
基于 web-rwkv 的 RWKV WebGPU Demo 实现了在浏览器中本地运行 RWKV-7 模型！加载模型后，模型将在浏览器中离线运行，不需要任何服务器通信。
对话功能
在 chat 界面选择一个 RWKV-7-World 模型（0.1B 或 0.4B），点击 Load Model 按钮，即可下载并运行模型进行对话。
也可以从本地目录拖动一个 RWKV-7-World 模型到灰框内运行，省略下载的过程。
解 15 谜题
15 谜题（也叫数字推盘游戏或 15 数码）是一个经典的滑块益智游戏，玩家需要在一个 4x4 的方格中放置 1-15 数字并留一个空格，然后通过滑动数字将数字按顺序排列。
在 Demo 的 15 puzzle 界面点击 New Game 按钮，可以设置一局全新的 15 谜题。
点击 start 按钮，WebGPU Demo 会运行 RWKV-puzzle15 模型自动解开当前的 15 谜题，左侧则显示模型的 CoT 推理过程。
RWKV 作曲功能
在 Demo 的 Music 界面，可以驱动 RWKV ABC 模型进行作曲。操作步骤：
点击 Load Model 按钮下载作曲模型
点击 prompt 下拉框选择一个 ABC 格式的 prompt
点击 Generate Music 按钮，开始作曲
