智东西(公众号:zhidxcom)
作者 | 黄菲
编辑 | 江宇

智东西11月20日报道,昨夜,前DeepSeek研究员、Simplex AI创始人张博(Tony Zhang)宣布开源个人Agent Linger,号称要让Agent摆脱对云端数据中心的依赖,直接运行在用户自己的电脑上。项目发布后迅速引发关注,GitHub星标数已突破2k。

前DeepSeek研究员,开源本地版Muse,实现token自由

▲Linger项目GitHub主页,来源:GitHub

开源地址:

GitHub:https://github.com/simplexai-labs/linger

张博在推文中将这一变化比作个人电脑的诞生。上世纪60年代,计算能力集中在大型计算中心,直到个人电脑出现,计算能力才逐渐走进普通人的生活。

如今,AI仍主要在数据中心运行,用户需要按Token付费调用。张博希望Linger能改变这一现状,让用户真正拥有自己的数据、个人上下文,以及驱动AI运行的智能。

前DeepSeek研究员,开源本地版Muse,实现token自由

▲张博宣布开源Linger,来源:X

此次开源的Linger,最大的亮点是其主动式助手Another Me。与多数需要用户主动发出指令的Agent不同,Another Me能够持续关注用户的收件箱、日历和Slack,在发现待处理事项时主动提醒用户,并推动后续任务。每天结束后,它还会复盘当天发送的主动消息,根据用户反馈调整后续行动规则。

除了主动处理任务,Linger还支持多个Agent协作,能够操作本机文件、浏览器和桌面应用,并接入Claude Code、Codex等工具。用户也可以选择本地模型,将Agent的运行环境和个人数据留在自己的电脑上。

在衡量长期对话记忆能力的LoCoMo基准测试中,Linger的准确率达到了95%,超过了Mem0、MemOS等多个记忆增强型AI系统。

前DeepSeek研究员,开源本地版Muse,实现token自由

▲Linger的准确率,来源:GitHub

为了支持大模型在个人电脑上运行,Simplex AI还同步开源了本地推理引擎PolyStrata。张博称,搭配64GB内存,部分配置为12GB显存的电脑也能运行125B参数的Qwen3.8-Flash-Next模型;在RTX 3060 12GB显卡上,模型推理速度可达45.4 Token/s。

他还提到,基于polystrata框架,将MoE模型的热专家放到显存,冷专家放到内存,速度能有80token/s,非常能打。

前DeepSeek研究员,开源本地版Muse,实现token自由

▲本地推理引擎PolyStrata,来源:GitHub

网友对此则表现出不同程度的好奇。有网友将其与OpenClaw作比较。张博回应称,两者都是开源个人助手,但侧重点不同:OpenClaw更侧重接入常用聊天软件,以及通过Bot和群组协作;Linger则更关注用户与Agent之间的协作,以及Agent对本地电脑环境的操作。

前DeepSeek研究员,开源本地版Muse,实现token自由

▲张博回应网友关于Linger与OpenClaw区别的评论,来源:X

还有网友问及Linger与DeepSeek DS-Bot的区别。张博称,DS-Bot是基于DeepSeek Harness开发的插件,模型可以通过用户配置的API调用;Linger则不绑定单一Harness,能够接入Claude Code、Codex和Pi等工具,也支持本地模型。其重点是让模型与Harness共同优化。

前DeepSeek研究员,开源本地版Muse,实现token自由

▲张博回应网友关于Linger与DS-Bot区别的评论,来源:X

此前,张博曾在多家科技机构从事AI研究:2013年,他本科毕业于浙江大学光电信息工程专业,2019年获得香港科技大学电子与计算机工程博士学位。随后,他加入微软亚洲研究院视觉计算组,担任高级研究员,研究方向包括计算机视觉和图像生成,并参与了CoCosNet、VQ-Diffusion、Rodin等项目。

2023年,张博加入DeepSeek担任AI科学家,并担任多模态模型DeepSeek-VL项目负责人。离开DeepSeek后,他加入浙江大学计算机科学与技术学院,担任百人计划研究员、博士生导师,并创办AI公司Simplex AI。

前DeepSeek研究员,开源本地版Muse,实现token自由

▲张博工作经历,来源:领英

此次开源,也是Simplex AI在个人Agent和本地推理方向交出的阶段性成果。

结语:Agent正面向用户的本地设备

目前,Agent的运行仍较多依赖云端模型和数据中心算力,用户需要通过API调用模型。随着端侧模型推理能力不断提升,让Agent直接运行在用户的本地设备上,逐渐成为新的探索方向。张博此次开源Linger和PolyStrata,也是在尝试优化Agent在本地的运行效果,让用户更好地掌控自己的数据和AI能力。

不过,Agent向端侧迁移并不容易。受限于设备算力和内存资源,如何在本地运行更大规模的模型,同时保证Agent的响应速度和任务执行能力,仍是这一方向需要解决的问题。

来源:X、领英、GitHub