RWKV v6 Finch 14B

RWKV v6 Finch 14B 是 RWKV 开源项目推出的第六代大模型，属于 Finch（v6）系列，接替此前的 Eagle（v5）系列。项目本身是受 Linux Foundation 认可的开源项目，训练代码托管在 GitHub 上，模型权重对外公布，主要面向需要长文本处理能力的研究者、开发者和开源社区用户。

从架构看，Finch 在 Eagle 的基础上，把数据依赖性引入 token shift 和 time-mixing，使模型在处理提示时能更高效地管理“长期记忆”，上下文覆盖范围更好。Finch 14B 是目前训练过的最大 Finch 模型，也是 RWKV 项目迄今最大的模型——在 Eagle 阶段，训练过的最大规模只有 7B。它的训练起点是 Eagle 7B 的权重，用的是同一份数据集 World v2.1；14B 由两份 7B 模型堆叠而成，堆叠的作用是提升模型的短期记忆，也就是每一层能接收到的精确提示内容，这与单纯把模型加宽的效果并不相同。

使用方式上，普通用户可以通过官方给出的托管推理入口直接体验 14B；开发者可以下载 14B、7B、3B、1.6B 各档权重自行部署，也可以用公开的训练代码做继续训练或微调；团队层面则更偏向把 RWKV 作为长文本场景的底层模型来评估，但需要自行准备算力。

当你要做长文本或长程记忆类实验时，RWKV v6 Finch 14B 值得放进候选名单：它把数据依赖性引入 token shift 与 time-mixing，官方在 235 项基准上测得 Finch 7B 相较 Eagle 7B 整体提升 5.38%，Finch 14B 再提升 7.14%。当你要的是开箱即用的商业服务时则要谨慎：权重虽然开源，官方也提供了托管推理入口，但项目公开表示 GPU 算力是瓶颈之一，正在寻求算力捐赠，说明训练与迭代资源并不宽裕。另外 14B 属于较大规模，自行部署对硬件有要求；如果只是做轻量任务，官方同时放出了 3B 和 1.6B 两个更小的版本可供权衡。