11 月 19 日,张博在 X 上宣布开源个人 Agent 项目 Linger,代码放在 Simplex AI 的 GitHub 组织下,提供 macOS 14 以上、Windows x64 与 Linux x64 三个包。张博此前负责 DeepSeek-VL 多模态模型,更早在微软亚洲研究院做研究员。

卖点是本地推理不产生 token 账单。配套引擎 PolyStrata 按专家分层调度:常用专家留在显存,其余放内存或 SSD,用到再换进来。官方实验室数据是 12GB 显存加 64GB 内存跑 Qwen3.8-Flash-Next(125B)达到 45.5 tokens/秒,2-bit 量化文件约 39GB;同一份文档里 12GB 加 32GB 的 21.3 tokens/秒来自模拟配置,首字延迟约 3 分钟,两组数字不能直接对照。

同一台 12GB 显卡,两种配置 12GB 显存 + 64GB 内存,实验室实测 45.5 tokens/秒 12GB + 32GB,模拟配置并非实测 21.3 tokens/秒 0 25 50 tokens/秒 两组数测法不同,官方文档要求不要直接对照
图 2|厂商把 125B 模型的权重分层摊到显存、内存与 SSD 上,速度差别主要来自内存容量。

权限设计值得单独看。读邮件、读日历、读本地文件直接执行,发邮件这类写操作弹确认卡,服务端再校验一次;文档明确写了不做沙箱隔离,Agent 可以使用用户已登录的 Chrome 和命令行。风险控制压在一张确认卡上,用户点错一次就是一次真实外发。

协作侧,主 Agent 叫 Another Me,能把 Claude Code、Codex 或它自己新建的角色拉进同一个 Room,先写一份 team.md 列出目标、成员职责和谁把结果交给谁,再做交叉检查。夜间还有一步叫 Dreaming,按用户前几天的反应改写自己的行为规则。

还没定的事:macOS 包未签名,启动时要手动放行;托管版只开了早期名单;45.5 tokens/秒是厂商实验室数字,第三方没有复现;多 Agent 房间在长任务下的稳定性也没给数据。