nesformer 演示了一件古怪而明确的事：不训练模型玩游戏，而是把 NES 的6502处理器与部分内存编译成一个神经网络计算过程。它沿用 Divyansh Agrawal 的 Qwenputer 编译器，利用 Qwen3.5 架构中 Gated DeltaNet 的可更新状态——一块能随输入写入和读取的内部存储——来承载内存。权重由程序构造，不能理解成语言模型自己学会了仿真器。
项目实现151条官方处理器指令、2KB RAM和32KB程序ROM。DeltaNet状态承担可更新存储，网络层执行被编译的计算；绘图单元、控制器输入和时序事件等仍由宿主程序处理。产物遵循 Qwen 模型接口，但只有约4.67亿参数，并不是把原来4B模型的预训练权重直接拿来运行游戏。
README把验证拆成多个层次：参考CPU与既有仿真器核对，编译电路与参考token核对，再检查标准 Transformers 路径。作者报告参考CPU与 py65 对照了570万条游戏指令；标准框架路径核对了2,651个位置。不同规模的数字属于不同层，不能合并成对所有执行路径的完整证明。
即使用跳过零块的专用执行器，整体仍比真实主机慢150至290倍，也只支持部分卡带类型且没有音频。它的意义主要在展示可编程的神经网络计算与状态，而非提供更好的游戏模拟器。作者强调，成熟规格、参考实现和一致性测试，让这次借助编码Agent的构建变得可行。