刚刚,DeepSeek V1作者创业项目曝光:开源Agent
刚刚,前DeepSeek V1作者、DeepSeek-VL项目负责人 Tony Zhang ,正式公布了自己的新创业项目: Linger 。
这意味着,Linger能操纵你电脑已有的网页、邮件箱、日历,无需折腾一大堆登录凭据。
具体来说,一块12GB显存的RTX 3060显卡,就能跑起一个125B参数的 Qwen3.8-Flash-Next ,并且 是45.5 tokens/秒的生成速度。
1960年代,计算是中心化的,直到PC将权力交到每个人手中。如今,AI在数据中心训练,然后以token的形式租给你。 我们相信智能应该是分布式的。你的上下文、你的数据,以及驱动它们的智能,都应该完全由你拥有。
一个「会主动,能自学」的AI
Linger会在本地读取你的收件箱、日历、聊天记录和会议,每晚自动将这些信息整理成个人知识库 (Wiki) ,供所有Agent查询。
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。
它会默默观察你的信息流,根据事件的重要性和紧急性决定何时提醒你。周一收到客户邮件,要求周五前给报价,它不会立刻打扰,而是等到周三早上再弹出提醒。
比如,当它提醒你一张发票快到期了,你回复说「上周就收到了,应该当时就告诉我」。系统会记下一个线索。
如果下一次另一张发票出现类似情况,你再次表达了相同的偏好,系统就会自动生成一条规则: 「供应商发票→立即提醒」 。
反之,如果你连续两次对「快递提醒」表现出不感兴趣 (比如直接忽略或回复「不用告诉我」) ,它也会学会以后保持沉默。
你也可以直接下指令,一次性教会它。比如告诉它:「客户的回复,要立刻通知我」,或者「晚上9点后,会议变更这种事不用马上说」。
这种持续的交互和学习,让Agent越来越懂你的工作习惯,成为一个真正个性化的助理。
就是开头说的,Linger能直接使用你电脑上已经登录的Chrome、各种App,无需重新配置。
你下达一个复杂任务时,Another Me会调用或创建不同职能的Agent,协同完成工作。
Linger能实时转录会议,会后直接向Agent提问会议内容,并让它跟进待办事项。
为什么不基于DeepSeek harness开发🤣跟ds-bot有何区别呢
Linger的重点是把模型和harness一起优化:12GB显卡就能本地跑125B模型,不按token付费,数据也不出本机。 从产品定位上看:DS-Bot的核心是Bot与Bot、Bot与群组的协作;Linger的核心是人与自己的Agent、Agent与本地环境。
12GB显卡,跑125B模型
让消费级硬件运行千亿大模型,Linger的核心技术是一个名为 PolyStrata 的MoE推理引擎。
对于一个庞大的MoE (专家混合) 模型,PolyStrata会把最常用、最活跃的「专家模块」放在最快的GPU显存里,将不那么常用的放在内存中,而使用频率最低的则放在SSD固态硬盘上。
当模型需要调用某个专家时,系统会动态地在GPU、内存和SSD之间移动数据。这样一来,就不需要把整个几十上百GB的模型全部塞进有限的显存里。
根据官方数据, 一个125B参数的Qwen3.8-Flash-Next模型,在一台配备12GB RTX 3060和64GB内存的电脑上,可以实现45.5 tokens/秒的生成速度。
在更强的RTX 5090 (32GB) 上,速度则飙升至179 tokens/秒。
为了让用户更方便地用上本地大模型,Linger还做了一个「模型自动驾驶 (Model Autopilot) 」功能。
它会自动检测你的硬件配置 (GPU、显存、内存) ,然后从49个语言模型、两种推理引擎、多种量化方案和不同上下文长度的组合中,为你推荐并安装性能最强的模型。
根据SimplexAI的评分体系,不同配置的本地设备可以获得媲美主流云端大模型的能力:
8GB显卡+32GB内存 :得分35.4,约等于 Gemini 2.5 Pro 。
Mac 24GB统一内存 :得分51.9,约等于 Claude Opus 4.5 。
12GB显卡+32GB内存 :得分57.3,约等于 Claude Opus 4.6 。
这意味着,你的游戏本或MacBook,将拥有一个真正强大的、7×24小时待命、没有token费用、并且数据完全不出本地的AI大脑。
DeepSeek-VL负责人再创业
Linger背后,是一支有着深厚技术背景的团队,其创始人Tony Zhang的履历尤为亮眼。
Tony Zhang本科毕业于浙江大学,2019年在香港科技大学取得博士学位,随后加入 微软亚洲研究院 (MSRA) ,长期从事计算机视觉和生成模型研究,是VQ-Diffusion、Rodin 3D数字人等多个知名项目的作者。
在这里,他不仅参与了早期语言模型 DeepSeek LLM V1系列 的研发,更是视觉语言大模型 DeepSeek-VL的项目负责人 (Project Lead) 。这款模型在真实世界场景下的图像、文档、图表理解能力备受好评。
离开DeepSeek后,Tony Zhang进入浙江大学任教,担任百人计划研究员、博士生导师,并创立了Simplex AI。
英伟达AMD首次联手押注!Genesis完成A轮融资,估值超230亿 2026-11-18
多模态“源神”!MiniMax开源SOTA生图模型,原生4K,一张两毛 2026-11-12
机器人接管酒店洗衣!双脑协同+RSI,顶级Astra驾驶员来了 2026-11-11
相关阅读
DeepSeek终于丢了开源第一王座,但继任者依然来自中国
榨干3000元显卡,跑通千亿级大模型的秘方来了
deepseek当选网易有道词典2025年度词汇,全年搜索量超867万次
破天荒!DeepSeek V4正式版居然要涨价,而且翻着倍地涨
DeepSeek前脚发新论文,奥特曼立马跟上:GPT-5就在几个月后啊
华为昇腾推理DeepSeek-R1,性能比肩高端GPU,API免费无限量
热门文章
阿里正式发布Qwen4,智能体及编程能力进阶,迈向真实全场景
GPT-6.2 Astra和Sol王炸双发!3D又危了
黄仁勋不再沉默:我愿重掌英伟达!董事会:不考虑
并购完成,李飞飞正式率队加入AMD!苏妈亲自欢迎
量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1