DeepSeek ex-pesquisador Zhang Bo lança startup com agente pessoal open source

Agente de IADeepSeekMotor de inferência MoELLM localAssistente pessoalCódigo Aberto
há 1 horaFonte: blockweeks.com
DeepSeek ex-pesquisador Zhang Bo lança startup com agente pessoal open source

Juntos, somos um fogo; dispersos, somos estrelas pelo céu.

Agora mesmo, o autor do

DeepSeek
V1 e o líder do projeto do

DeepSeek
-VL, Tony Zhang (Zhang Bo), anunciou oficialmente seu novo projeto de startup: Linger.

A direção é exatamente o que está mais em alta agora: o Personal Agent pessoal.

A abordagem também é bastante interessante. Enquanto os concorrentes estão todos fazendo aplicativos, eles escolheram primeiro o computador.

Isso significa que o Linger pode operar as páginas web, a caixa de entrada e o calendário que já estão no seu computador, sem a complicação de um monte de credenciais de login.

Quando ele fica preso em algum lugar, você também pode assumir diretamente.

Outro ponto: como camada intermediária, o Linger suporta a conexão com diversos modelos de terceiros.

E foi especificamente otimizado para LLMs locais.

Especificamente, uma única placa de vídeo RTX 3060 com 12GB de VRAM pode rodar um Qwen3.8-Flash-Next de 125 bilhões de parâmetros, a uma velocidade de geração de 45,5 tokens/segundo.

DeepSeek

Ah, certo, há também algo bastante importante—

Este sistema é open source...

E por quê?

No post de anúncio, Tony Zhang citou a história da ascensão do PC:

Na década de 1960, a computação era centralizada, até que o PC colocou o poder nas mãos de todos. Hoje, a IA é treinada em data centers e depois alugada para você na forma de tokens.

Acreditamos que a inteligência deve ser distribuída. Seu contexto, seus dados e a inteligência que os impulsiona devem ser inteiramente de sua propriedade.

Então hoje, eles abriram o código do Linger, um Agent dedicado que vive no seu computador pessoal.

DeepSeek

Ele também continua a fina tradição da grande baleia gorda 😭.

Uma IA que "toma a iniciativa e pode aprender sozinha"

O núcleo do Linger é um sistema Agent chamado "Outro Eu".

Primeiramente, ele é um hub de memória.

O Linger lerá localmente sua caixa de entrada, calendário, registros de chat e reuniões, e todas as noites organizará automaticamente essas informações em uma base de conhecimento pessoal (Wiki) para todos os Agents consultarem.

No benchmark LoCoMo, que mede a capacidade de memória conversacional de longo prazo, a precisão do Linger alcançou 95%, superando múltiplos sistemas de IA com memória aprimorada, como Mem0 e MemOS.

DeepSeek

Com isso, o Linger pode trabalhar de forma proativa e melhor.

Ele observará silenciosamente o seu fluxo de informações e decidirá quando lembrá-lo com base na importância e urgência dos eventos. Se receber um e-mail de um cliente na segunda-feira solicitando um orçamento até sexta-feira, ele não o incomodará imediatamente, mas esperará até a manhã de quarta-feira para exibir um lembrete.

Mas se for uma mudança de horário de reunião, ele o notificará imediatamente.

DeepSeek

Este Agent também aprende com o seu feedback, o que o Linger chama de "reforço implícito".

Por exemplo, quando ele o lembra de que uma fatura está prestes a vencer, e você responde: "Recebi na semana passada, você deveria ter me avisado naquela época." O sistema registrará uma pista.

Se, na próxima vez, outra fatura tiver uma situação semelhante e você expressar a mesma preferência novamente, o sistema gerará automaticamente uma regra: "Fatura de fornecedor → lembrar imediatamente".

DeepSeek

Por outro lado, se você demonstrar desinteresse por "lembretes de entrega" duas vezes seguidas (por exemplo, ignorando-os diretamente ou respondendo "não me avise"), ele também aprenderá a ficar em silêncio no futuro.

Você também pode dar instruções diretas para ensiná-lo de uma vez. Por exemplo, diga a ele: "Notifique-me imediatamente sobre respostas de clientes" ou "Depois das 21h, não preciso saber imediatamente sobre mudanças de reunião."

Essa interação e aprendizado contínuos fazem o Agent entender cada vez mais os seus hábitos de trabalho, tornando-se um assistente verdadeiramente personalizado.

Além disso, o Linger também pode:

Operar o desktop e o navegador.

Como mencionado no início, o Linger pode usar diretamente o Chrome e vários aplicativos já conectados no seu computador, sem necessidade de reconfiguração.

Construir uma equipe de Agents.

Este é o princípio do Super Agent que

DeepSeek
explicou anteriormente.

Quando você atribui uma tarefa complexa, o Another Me chamará ou criará Agents com diferentes funções para colaborar no trabalho.

E você só precisa permanecer nesta única Sessão com o Linger.

Interação por voz.

Isso serve principalmente para cenários de escritório.

O Linger pode transcrever reuniões em tempo real e, após a reunião, você pode perguntar diretamente ao Agent sobre o conteúdo da reunião e pedir que ele acompanhe as tarefas pendentes.

Em resumo, é um Personal Agent otimizado especificamente para cenários de escritório.

No entanto, alguns internautas não entendem muito bem esse posicionamento do produto:

Por que não desenvolver com base no harness do DeepSeek 🤣 Qual é a diferença em relação ao ds-bot?

Em resposta, Tony Zhang respondeu:

O foco do Linger é otimizar o modelo e o harness em conjunto: uma placa de vídeo de 12GB pode rodar um modelo de 125B localmente, sem taxas por token, e os dados nunca saem da máquina local.

Do ponto de vista do posicionamento do produto: o núcleo do DS-Bot é a colaboração entre Bots e Bots, e entre Bots e grupos; o núcleo do Linger é entre uma pessoa e seu próprio Agent, e entre o Agent e o ambiente local.

DeepSeek

Placa de vídeo de 12GB, roda um modelo de 125B

Para permitir que hardware de nível consumidor rode modelos grandes de escala de centenas de bilhões, a tecnologia central do Linger é um motor de inferência MoE chamado PolyStrata.

Seu princípio pode ser entendido como um mecanismo inteligente de armazenamento em camadas.

Para um enorme modelo MoE (Mixture of Experts), o PolyStrata coloca os "módulos especialistas" mais usados e mais ativos na memória da GPU, que é a mais rápida, coloca os menos usados na memória RAM e coloca os usados com menos frequência no SSD (unidade de estado sólido).

Quando o modelo precisa chamar determinado especialista, o sistema move dinamicamente os dados entre a GPU, a memória RAM e o SSD. Dessa forma, não é necessário enfiar o modelo inteiro de dezenas ou centenas de GB na limitada memória da GPU.

O efeito é imediato.

Segundo dados oficiais, um modelo Qwen3.8-Flash-Next de 125B parâmetros pode atingir uma velocidade de geração de 45,5 tokens/segundo em um computador equipado com uma RTX 3060 de 12GB e 64GB de memória.

Na mais potente RTX 5090 (32GB), a velocidade dispara para 179 tokens/segundo.

Para tornar mais conveniente para os usuários usarem modelos grandes locais, o Linger também criou um recurso de "Piloto Automático de Modelos".

Ele detecta automaticamente a configuração do seu hardware (GPU, memória da GPU, memória RAM) e então recomenda e instala para você o modelo mais potente a partir de combinações de 49 modelos de linguagem, dois motores de inferência, múltiplos esquemas de quantização e diferentes comprimentos de contexto.

DeepSeek

De acordo com o sistema de pontuação da SimplexAI, dispositivos locais com diferentes configurações podem alcançar capacidades comparáveis às dos principais modelos grandes de nuvem:

Placa de vídeo de 8GB + 32GB de memória: pontuação 35,4, aproximadamente equivalente ao Gemini 2.5 Pro.

Mac com 24GB de memória unificada: pontuação 51,9, aproximadamente equivalente ao Claude Opus 4.5.

Placa de vídeo de 12GB + 32GB de memória: pontuação 57,3, aproximadamente equivalente ao Claude Opus 4.6.

Isso significa que seu notebook gamer ou MacBook terá um cérebro de IA verdadeiramente poderoso, em standby 24 horas por dia, 7 dias por semana, sem taxas de tokens e mantendo os dados totalmente locais.

O líder do DeepSeek-VL inicia outro negócio

Por trás do Linger está uma equipe com profundo background técnico, e o currículo de seu fundador, Tony Zhang, é particularmente impressionante.

(Afinal, é

DeepSeek
-relacionado...)

DeepSeek

Tony Zhang recebeu seu diploma de bacharelado pela Universidade de Zhejiang, obteve seu doutorado pela Universidade de Ciência e Tecnologia de Hong Kong em 2019, e posteriormente ingressou na Microsoft Research Asia (MSRA), onde há muito tempo se dedica à pesquisa em visão computacional e modelos generativos. Ele é autor de vários projetos conhecidos, como VQ-Diffusion e Rodin 3D digital humans.

Em 2023, ele ingressou na

DeepSeek
como cientista de IA.

Aqui, ele não apenas participou da pesquisa e desenvolvimento do modelo de linguagem inicial

DeepSeek
LLM V1 series
, mas também atuou como Líder de Projeto do grande modelo de visão-linguagem

DeepSeek
-VL
. Este modelo tem sido altamente elogiado por sua capacidade de compreender imagens, documentos e gráficos em cenários do mundo real.

Após deixar a

DeepSeek
, Tony Zhang ingressou na Universidade de Zhejiang como membro do corpo docente, atuando como pesquisador do Programa Cem Talentos e orientador de doutorado, e fundou a Simplex AI.

Linger é o trabalho mais recente da Simplex AI.

DeepSeek

E como o núcleo técnico do Linger, aquele motor de inferência construído especificamente para implantação local?

De acordo com Tony Zhang, foi construído por um gênio de 18 anos na equipe.

18 anos? Acabou de se formar no ensino médio?

Este artigo é da conta pública do WeChat "Quantum Bit", autor: Jay