Собравшись вместе, мы — огонь; рассеявшись, мы — звёзды по всему небу.
Только что автор
DeepSeek
V1 и руководитель проекта
DeepSeek
-VL, Тони Чжан (Чжан Бо), официально объявил о своём новом стартап-проекте: Linger.
Направление — это именно то, что сейчас самое горячее: персональный Personal Agent.
Подход тоже довольно интересный. Пока конкуренты все делают приложения, они выбрали сначала компьютер.
Это означает, что Linger может управлять веб-страницами, почтовым ящиком и календарём, уже имеющимися на вашем компьютере, без хлопот с целой кучей учётных данных для входа.
Когда он где-то застревает, вы также можете напрямую перехватить управление.
Ещё один момент: как промежуточный слой, Linger поддерживает подключение к различным сторонним моделям.
И он был специально оптимизирован для локальных LLM.
В частности, одна видеокарта RTX 3060 с 12 ГБ видеопамяти может запускать Qwen3.8-Flash-Next с 125 млрд параметров, со скоростью генерации 45,5 токенов в секунду.
Ах да, есть ещё кое-что довольно важное —
Эта система с открытым исходным кодом...
А почему?
В анонсирующем посте Тони Чжан сослался на историю взлёта ПК:
В 1960-х вычисления были централизованы, пока ПК не передал власть в руки каждого. Сегодня ИИ обучают в дата-центрах, а затем сдают вам в аренду в виде токенов.
Мы верим, что интеллект должен быть распределённым. Ваш контекст, ваши данные и интеллект, который ими движет, должны полностью принадлежать вам.
Поэтому сегодня они открыли исходный код Linger — специализированного Agent, который живёт на вашем персональном компьютере.
Он также продолжает славную традицию большого толстого кита 😭.
ИИ, который «проявляет инициативу и умеет самообучаться»
Ядро Linger — это агентная система под названием «Другой Я».
Прежде всего, это центр памяти.
Linger локально читает ваш почтовый ящик, календарь, записи чатов и встречи, и каждую ночь автоматически организует эту информацию в персональную базу знаний (Wiki) для запросов всех Agent.
В бенчмарке LoCoMo, измеряющем способность к долговременной разговорной памяти, точность Linger достигла 95%, превзойдя множество систем ИИ с усиленной памятью, таких как Mem0 и MemOS.
Благодаря этому Linger может работать проактивно гораздо лучше.
Он будет тихо наблюдать за вашим информационным потоком и решать, когда напомнить вам, исходя из важности и срочности событий. Если в понедельник он получит письмо от клиента с просьбой предоставить коммерческое предложение к пятнице, он не будет беспокоить вас сразу, а подождёт до утра среды, чтобы всплыть с напоминанием.
Но если это изменение времени встречи, он уведомит вас немедленно.
Этот агент также учится на вашей обратной связи, что Linger называет «неявным подкреплением».
Например, когда он напоминает вам, что срок действия счёта скоро истекает, а вы отвечаете: «Я получил его на прошлой неделе, вам следовало сказать мне тогда». Система зафиксирует подсказку.
Если в следующий раз с другим счётом возникнет похожая ситуация и вы снова выразите то же предпочтение, система автоматически сгенерирует правило: «Счёт поставщика → напоминать немедленно».
И наоборот, если вы дважды подряд проявите незаинтересованность в «напоминаниях о доставке» (например, просто проигнорируете их или ответите «не говори мне»), он также научится в будущем молчать.
Вы также можете давать прямые указания, чтобы научить его всему сразу. Например, скажите ему: «Немедленно уведомляй меня об ответах клиентов» или «После 21:00 не нужно сразу сообщать мне об изменениях встреч».
Это непрерывное взаимодействие и обучение делает агента всё более понимающим ваши рабочие привычки, превращая его в по-настоящему персонализированного помощника.
Кроме того, Linger также может:
Управлять рабочим столом и браузером.
Как упоминалось в начале, Linger может напрямую использовать Chrome и различные приложения, уже авторизованные на вашем компьютере, без необходимости повторной настройки.
Создавать команду агентов.
Это принцип Super Agent, который
DeepSeek
объяснил ранее.
Когда вы поручаете сложную задачу, Another Me вызовет или создаст агентов с разными функциями для совместной работы.
А вам нужно лишь оставаться в этой одной сессии с Linger.
Голосовое взаимодействие.
Это в основном служит офисным сценариям.
Linger может транскрибировать встречи в реальном времени, а после встречи вы можете напрямую спросить агента о содержании встречи и попросить его заняться последующими задачами.
Короче говоря, это персональный агент, оптимизированный специально для офисных сценариев.
Однако некоторые пользователи сети не совсем понимают это позиционирование продукта:
Почему бы не разрабатывать на основе harness DeepSeek 🤣 В чём разница с ds-bot?
В ответ Тони Чжан ответил:
Linger сосредоточен на совместной оптимизации модели и harness: видеокарта на 12 ГБ может локально запускать модель на 125B, без платы за каждый токен, и данные никогда не покидают локальную машину.
С точки зрения позиционирования продукта: ядро DS-Bot — это взаимодействие между ботами и ботами, а также между ботами и группами; ядро Linger — это взаимодействие между человеком и его собственным агентом, а также между агентом и локальной средой.
Видеокарта на 12 ГБ запускает модель на 125B
Чтобы потребительское оборудование могло запускать крупномасштабные модели с сотнями миллиардов параметров, ключевая технология Linger — это движок вывода MoE под названием PolyStrata.
Его принцип можно понять как интеллектуальный механизм многоуровневого хранения.
Для огромной MoE-модели (Mixture of Experts) PolyStrata размещает наиболее часто используемые и наиболее активные «экспертные модули» в самой быстрой памяти GPU, менее часто используемые — в оперативной памяти, а наименее часто используемые — на твердотельном накопителе SSD.
Когда модели нужно вызвать определённого эксперта, система динамически перемещает данные между GPU, оперативной памятью и SSD. Таким образом, нет необходимости запихивать всю модель объёмом в десятки или сотни ГБ в ограниченную память GPU.
Эффект незамедлителен.
Согласно официальным данным, модель Qwen3.8-Flash-Next с 125B параметров может достигать скорости генерации 45,5 токена в секунду на компьютере, оснащённом RTX 3060 на 12 ГБ и 64 ГБ оперативной памяти.
На более мощной RTX 5090 (32 ГБ) скорость взлетает до 179 токенов в секунду.
Чтобы пользователям было удобнее использовать локальные крупные модели, Linger также создал функцию «Автопилот моделей».
Она автоматически определяет конфигурацию вашего оборудования (GPU, память GPU, оперативную память), а затем рекомендует и устанавливает для вас самую мощную модель из комбинаций 49 языковых моделей, двух движков вывода, нескольких схем квантования и различных длин контекста.
Согласно системе оценки SimplexAI, локальные устройства с различными конфигурациями могут достигать возможностей, сопоставимых с основными облачными крупными моделями:
Видеокарта 8 ГБ + 32 ГБ памяти: оценка 35,4, примерно эквивалентно Gemini 2.5 Pro.
Mac с 24 ГБ унифицированной памяти: оценка 51,9, примерно эквивалентно Claude Opus 4.5.
Видеокарта 12 ГБ + 32 ГБ памяти: оценка 57,3, примерно эквивалентно Claude Opus 4.6.
Это означает, что ваш игровой ноутбук или MacBook получит по-настоящему мощный ИИ-мозг, который находится в режиме ожидания 24/7, не требует платы за токены и полностью сохраняет данные локально.
Руководитель DeepSeek-VL начинает новый бизнес
За Linger стоит команда с глубоким техническим бэкграундом, и резюме её основателя Тони Чжана особенно впечатляет.
(В конце концов, это
DeepSeek
-связанное...)
Тони Чжан получил степень бакалавра в Чжэцзянском университете, в 2019 году защитил докторскую диссертацию в Гонконгском университете науки и технологий, после чего присоединился к Microsoft Research Asia (MSRA), где долгое время занимался исследованиями в области компьютерного зрения и генеративных моделей. Он является автором нескольких известных проектов, таких как VQ-Diffusion и Rodin 3D digital humans.
В 2023 году он присоединился к
DeepSeek
в качестве AI-учёного.
Здесь он не только участвовал в исследованиях и разработке ранней языковой модели
DeepSeek
LLM V1 series, но и担任 руководителем проекта большой визуально-языковой модели
DeepSeek
-VL. Эта модель получила высокую оценку за способность понимать изображения, документы и диаграммы в реальных сценариях.
После ухода из
DeepSeek
Тони Чжан присоединился к Чжэцзянскому университету в качестве преподавателя, заняв должность исследователя по программе «Сто талантов» и научного руководителя докторантов, и основал Simplex AI.
Linger — последняя работа Simplex AI.
А что насчёт технического ядра Linger — того самого механизма вывода, созданного специально для локального развёртывания?
По словам Тони Чжана, его создал 18-летний гений из команды.
18 лет? Только что окончил школу?
Эта статья взята из официального аккаунта WeChat «Quantum Bit», автор: Jay















