Zhang Bo z DeepSeek przedstawia nowy startup: otwartoźródłowy agent osobisty

Agent AIDeepSeekSilnik wnioskowania MoELokalny LLMAsystent osobistyopen source
1 godzinę temuŹródło: blockweeks.com
Zhang Bo z DeepSeek przedstawia nowy startup: otwartoźródłowy agent osobisty

Zebrani jesteśmy ogniem; rozproszeni jesteśmy gwiazdami na niebie.

Właśnie teraz autor

DeepSeek
V1 oraz lider projektu

DeepSeek
-VL, Tony Zhang (Zhang Bo), oficjalnie ogłosił swój nowy projekt startupowy: Linger.

Kierunek jest dokładnie tym, co jest teraz najgorętsze: osobisty Personal Agent.

Podejście jest również całkiem interesujące. Podczas gdy konkurenci wszyscy tworzą aplikacje, oni wybrali najpierw komputer.

Oznacza to, że Linger może obsługiwać strony internetowe, skrzynkę odbiorczą i kalendarz już obecne na twoim komputerze, bez kłopotu z całą masą danych logowania.

Kiedy utknie w jakimś miejscu, możesz również przejąć kontrolę bezpośrednio.

Kolejna kwestia: jako warstwa pośrednia, Linger obsługuje podłączanie do różnych modeli firm trzecich.

I został specjalnie zoptymalizowany pod kątem lokalnych LLM-ów.

Konkretnie, pojedyncza karta graficzna RTX 3060 z 12GB VRAM może uruchomić Qwen3.8-Flash-Next z 125B parametrów, z szybkością generowania 45,5 tokenów na sekundę.

DeepSeek

Aha, jest jeszcze coś całkiem ważnego—

Ten system jest open source...

A dlaczego?

W poście ogłaszającym Tony Zhang przytoczył historię powstania PC:

W latach 60. XX wieku obliczenia były scentralizowane, aż PC oddał moc w ręce każdego. Dziś AI jest trenowane w centrach danych, a następnie wynajmowane tobie w formie tokenów.

Wierzymy, że inteligencja powinna być rozproszona. Twój kontekst, twoje dane i inteligencja, która nimi kieruje, powinny być w całości twoją własnością.

Dlatego dziś udostępnili jako open source Linger, dedykowanego Agenta, który żyje na twoim osobistym komputerze.

DeepSeek

Kontynuuje również wspaniałą tradycję wielkiego tłustego wieloryba 😭.

AI, które „przejmuje inicjatywę i potrafi się samo uczyć”

Rdzeniem Linger jest system Agentów o nazwie „Drugie Ja”.

Przede wszystkim jest to centrum pamięci.

Linger będzie lokalnie odczytywać twoją skrzynkę odbiorczą, kalendarz, zapisy czatów i spotkania, a każdej nocy automatycznie organizować te informacje w osobistą bazę wiedzy (Wiki) do wyszukiwania przez wszystkie Agenty.

W benchmarku LoCoMo, który mierzy zdolność długoterminowej pamięci konwersacyjnej, dokładność Linger osiągnęła 95%, przewyższając wiele systemów AI z rozszerzoną pamięcią, takich jak Mem0 i MemOS.

DeepSeek

Dzięki temu Linger może działać proaktywnie i skuteczniej.

Będzie po cichu obserwować Twój strumień informacji i decydować, kiedy Ci przypomnieć, w zależności od wagi i pilności zdarzeń. Jeśli w poniedziałek otrzyma e-mail od klienta z prośbą o wycenę do piątku, nie będzie Ci przeszkadzać od razu, lecz poczeka do środy rano, aby wyświetlić przypomnienie.

Ale jeśli chodzi o zmianę godziny spotkania, powiadomi Cię natychmiast.

DeepSeek

Ten Agent uczy się również na podstawie Twoich informacji zwrotnych, co Linger nazywa „niejawnym wzmacnianiem”.

Na przykład, gdy przypomni Ci, że faktura wkrótce wygaśnie, a Ty odpowiesz: „Otrzymałem ją w zeszłym tygodniu, powinieneś był mi wtedy powiedzieć”. System zapisze tę wskazówkę.

Jeśli następnym razem inna faktura znajdzie się w podobnej sytuacji i ponownie wyrazisz tę samą preferencję, system automatycznie wygeneruje regułę: „Faktura dostawcy → przypomnij natychmiast”.

DeepSeek

I odwrotnie, jeśli dwa razy z rzędu okażesz brak zainteresowania „przypomnieniami o dostawie” (na przykład ignorując je bezpośrednio lub odpowiadając „nie mów mi”), również nauczy się w przyszłości milczeć.

Możesz też udzielić bezpośrednich instrukcji, aby nauczyć go wszystkiego naraz. Na przykład powiedz mu: „Powiadamiaj mnie natychmiast o odpowiedziach klientów” lub „Po 21:00 nie musisz od razu mówić mi o zmianach spotkań”.

Ta ciągła interakcja i uczenie się sprawiają, że Agent coraz lepiej rozumie Twoje nawyki pracy, stając się prawdziwie spersonalizowanym asystentem.

Ponadto Linger może również:

Obsługiwać pulpit i przeglądarkę.

Jak wspomniano na początku, Linger może bezpośrednio korzystać z Chrome i różnych aplikacji już zalogowanych na Twoim komputerze, bez potrzeby ponownej konfiguracji.

Budować zespół Agentów.

To zasada Super Agenta, którą

DeepSeek
wyjaśnił wcześniej.

Gdy przydzielisz złożone zadanie, Another Me wywoła lub utworzy Agentów o różnych funkcjach, aby współpracowali nad zadaniem.

A Ty musisz pozostać tylko w tej jednej Sesji z Linger.

Interakcja głosowa.

Służy to głównie scenariuszom biurowym.

Linger może transkrybować spotkania w czasie rzeczywistym, a po spotkaniu możesz bezpośrednio zapytać Agenta o treść spotkania i zlecić mu realizację zadań do wykonania.

Krótko mówiąc, jest to Personal Agent zoptymalizowany specjalnie pod kątem scenariuszy biurowych.

Jednak niektórzy internauci nie do końca rozumieją to pozycjonowanie produktu:

Dlaczego nie rozwijać w oparciu o harness DeepSeek 🤣 Czym to się różni od ds-bot?

W odpowiedzi Tony Zhang napisał:

Linger koncentruje się na wspólnej optymalizacji modelu i harness: karta graficzna 12 GB może uruchomić model 125B lokalnie, bez opłat za token, a dane nigdy nie opuszczają lokalnej maszyny.

Z perspektywy pozycjonowania produktu: rdzeniem DS-Bot jest współpraca między Botami a Botami oraz między Botami a grupami; rdzeniem Linger jest relacja między człowiekiem a jego własnym Agentem oraz między Agentem a lokalnym środowiskiem.

DeepSeek

Karta graficzna 12GB uruchamia model 125B

Aby umożliwić sprzętowi klasy konsumenckiej uruchamianie wielkoskalowych modeli o setkach miliardów parametrów, kluczową technologią Linger jest silnik wnioskowania MoE o nazwie PolyStrata.

Jego zasadę można zrozumieć jako inteligentny mechanizm warstwowego przechowywania.

W przypadku ogromnego modelu MoE (Mixture of Experts) PolyStrata umieszcza najczęściej używane i najbardziej aktywne „moduły ekspertów” w najszybszej pamięci GPU, mniej często używane umieszcza w pamięci RAM, a najrzadziej używane umieszcza na dysku SSD.

Gdy model musi wywołać określonego eksperta, system dynamicznie przenosi dane między GPU, pamięcią RAM i SSD. W ten sposób nie ma potrzeby wpychania całego modelu o dziesiątkach lub setkach GB do ograniczonej pamięci GPU.

Efekt jest natychmiastowy.

Według oficjalnych danych model Qwen3.8-Flash-Next o 125B parametrów może osiągnąć prędkość generowania 45,5 tokena/sekundę na komputerze wyposażonym w kartę RTX 3060 12GB i 64GB pamięci RAM.

Na mocniejszej karcie RTX 5090 (32GB) prędkość wzrasta do 179 tokenów/sekundę.

Aby ułatwić użytkownikom korzystanie z lokalnych dużych modeli, Linger stworzył również funkcję „Model Autopilot”.

Automatycznie wykrywa konfigurację sprzętową (GPU, pamięć GPU, pamięć RAM), a następnie rekomenduje i instaluje dla Ciebie najpotężniejszy model spośród kombinacji 49 modeli językowych, dwóch silników wnioskowania, wielu schematów kwantyzacji i różnych długości kontekstu.

DeepSeek

Według systemu ocen SimplexAI lokalne urządzenia o różnych konfiguracjach mogą osiągnąć możliwości porównywalne z głównymi chmurowymi dużymi modelami:

Karta graficzna 8GB + 32GB pamięci RAM: wynik 35,4, w przybliżeniu odpowiednik Gemini 2.5 Pro.

Mac 24GB pamięci zunifikowanej: wynik 51,9, w przybliżeniu odpowiednik Claude Opus 4.5.

Karta graficzna 12GB + 32GB pamięci RAM: wynik 57,3, w przybliżeniu odpowiednik Claude Opus 4.6.

Oznacza to, że Twój laptop do gier lub MacBook będzie miał naprawdę potężny mózg AI, który jest w gotowości 24/7, nie pobiera opłat za tokeny i utrzymuje dane w całości lokalnie.

Lider DeepSeek-VL zakłada kolejny biznes

Za Linger stoi zespół o głębokim zapleczu technicznym, a życiorys jego założyciela Tony'ego Zhanga jest szczególnie imponujący.

(W końcu to

DeepSeek
-powiązane...)

DeepSeek

Tony Zhang uzyskał tytuł licencjata na Uniwersytecie Zhejiang, w 2019 roku zdobył doktorat na Hong Kong University of Science and Technology, a następnie dołączył do Microsoft Research Asia (MSRA), gdzie od dawna zajmuje się badaniami nad widzeniem komputerowym i modelami generatywnymi. Jest autorem kilku znanych projektów, takich jak VQ-Diffusion i Rodin 3D digital humans.

W 2023 roku dołączył do

DeepSeek
jako naukowiec AI.

Tutaj nie tylko uczestniczył w badaniach i rozwoju wczesnego modelu językowego

DeepSeek
LLM V1 series
, ale także pełnił funkcję Project Lead dużego modelu wizyjno-językowego

DeepSeek
-VL
. Model ten został bardzo dobrze przyjęty za zdolność rozumienia obrazów, dokumentów i wykresów w rzeczywistych scenariuszach.

Po odejściu z

DeepSeek
Tony Zhang dołączył do Uniwersytetu Zhejiang jako członek kadry naukowej, pełniąc funkcję badacza w ramach Programu Stu Talentów i promotora doktorantów, oraz założył Simplex AI.

Linger to najnowsze dzieło Simplex AI.

DeepSeek

A jako techniczne serce Linger, ten silnik wnioskowania zbudowany specjalnie do wdrożeń lokalnych?

Według Tony'ego Zhanga został zbudowany przez 18-letniego geniusza w zespole.

18 lat? Właśnie skończył szkołę średnią?

Ten artykuł pochodzi z oficjalnego konta WeChat "Quantum Bit", autor: Jay