Drew Breunig опубликовал nesformer — проект, где поведение процессора 6502 (сердце Nintendo Entertainment System) закодировано в веса Qwen3.5-4B. Никакого интерпретатора поверх модели, никакого стандартного кода эмуляции в рантайме — только веса, которые при запросе воспроизводят логику CPU. Запустить Super Mario Bros можно уже сейчас, если не торопиться.
Контекст
Несколько месяцев назад Divyansh Agrawal опубликовал qwenputer — эксперимент, где базовая вычислительная логика была «выучена» моделью Qwen как часть весов. Breunig прочитал статью и задал себе вопрос жёстче: а что если зашить в веса полноценный реальный процессор — с регистрами, прерываниями, точными таймингами? NES выбрана не случайно: у платформы хорошо задокументирован 6502, а набор conformance tests для него был открыто выпущен около 15 лет назад Кристофером Пауэллом.
Интересная деталь о процессе: Claude Opus 5.5 нашёл этот набор тестов самостоятельно в ходе разработки. Breunig дал агенту короткое задание — изучить статью про qwenputer и исследовать, применима ли та же техника для NES-процессора. Дальше Opus сам нашёл нужные ресурсы, оценил масштаб задачи и предложил архитектуру. Сами промты Breunig опубликовал в треде Hacker News — они совсем короткие, в них нет детальных инструкций по методу, только цель и явное «просто ради интереса, скорость не важна».
Итог — рабочий CLI-инструмент: указываешь путь к ROM-файлу, и веса модели воспроизводят его выполнение. Это не «симуляция» в смысле LLM-чата про NES. Вычисления происходят через трансформер.
Аналитика
Nesformer — доказательный эксперимент на одну конкретную идею: трансформер достаточно гибок, чтобы выучить детерминированную машину состояний. Процессор 6502 — это конечный автомат с фиксированным набором инструкций. Если построить обучение на достаточном количестве примеров типа «вот состояние до, вот инструкция, вот состояние после», модель запоминает не смысл происходящего, а поведение схемы. Это принципиально отличается от того, что делают LLM, когда «объясняют» или «генерируют» код.
Следствие для понимания LLM шире, чем кажется. Мы привыкли думать о языковых моделях как инструментах для работы с текстом и рассуждениями. Nesformer показывает: веса — это пространство для произвольных вычислительных механизмов. Что ещё можно зашить? Интерпретатор SQL-подмножества? Логику конкретного бизнес-процесса? Конечный автомат для обработки заявок с фиксированными переходами?
Практической ценности у «Марио внутри нейросети» немного — скорость и эффективность здесь не целевые метрики, это фан-проект по определению. Но как концептуальный прецедент это важно: граница между «моделью, которая рассуждает о вычислениях» и «моделью, которая их выполняет», оказывается тоньше, чем предполагалось.
Кейсы применения в бизнесе
B2B-SaaS стартап с кастомной логикой: если у вашего продукта есть сложная, но детерминированная система правил — расчёт скидок, маршрутизация заявок, compliance-фильтры — её теоретически можно обучить как часть специализированной модели, без хрупких if-else деревьев в продакшн-коде. Сценарий требует ресурсов на fine-tuning, но как вектор исследования интересен для команд, уже занятых дообучением моделей.
Корпорация с legacy-системами: есть устаревшие системы, логику которых никто до конца не документировал — они просто работают и их боятся трогать. Подход «выучи поведение через тесты input/output» не просто академика. Если у вас есть достаточный набор примеров от legacy-системы, это готовый материал для обучения модели-заместителя — не полная замена, но страховка и точка входа при миграции.
SMB и локальный бизнес (КР/СНГ): прямого применения nesformer здесь нет. Но косвенный урок — Breunig построил рабочий прототип через одну формулировку задачи Opus и два итерационных промта. Если ваша команда ещё не использует AI-агентов для прототипирования идей, это наглядный аргумент: от идеи до рабочего PoC может уйти несколько часов.
Кейсы в личной жизни
Разработчик: проект полностью открытый. Если вы изучаете fine-tuning или работаете с моделями серии Qwen — nesformer это готовый учебный пример с нестандартной задачей. Смотрите на структуру тренировочных данных: как conformance tests превращаются в обучающие примеры для детерминированного поведения.
Контент-мейкер и исследователь ИИ: история создания через Opus 5.5 — отличный материал для контента про agentic workflows. Breunig опубликовал дословные промты — разберите их структуру: короткая задача, явная цель, отсутствие ограничений по методу, разрешение на эксперимент «просто ради интереса». Это шаблон для собственных нестандартных прототипов через агента.
Студент или начинающий исследователь ML: тема «вычислительные машины в весах трансформера» малоисследована. Репозиторий nesformer вместе с оригинальным qwenputer и conformance tests для NES CPU — это готовый трек для воспроизведения эксперимента и потенциально публикуемого расширения. Набор тестов Кристофера Пауэлла — чистый датасет с известным поведением.
Как применить сегодня
- Найдите репозиторий dbreunig/nesformer на GitHub и запустите CLI с любым публично доступным ROM — убедитесь своими глазами, что трансформер выполняет реальный код процессора.
- Прочитайте оригинальный проект qwenputer от Divyansh Agrawal — nesformer вырос из него; понимание родительской идеи даёт контекст для применения техники.
- Изучите промты Breunig к Opus 5.5 из треда Hacker News: короткий сеттинг + цель + явное разрешение на эксперимент. Адаптируйте формат для своих прототипов.
- Если занимаетесь fine-tuning: посмотрите, как conformance tests для 6502 структурированы в тренировочные пары — нестандартный, но чистый кейс supervised learning на детерминированном поведении.