您的位置首页 >科技金融 >

前 DeepSeek 成员张博开源 Linger 个人 Agent 项目,本地推理主打零 token 费

前 DeepSeek-VL 项目负责人张博,在 11 月 19 日通过 X 平台宣布开源 Linger,这是一款 PC 端常驻的个人 AI Agent,核心卖点是本地推理模式下不需要支付云端 token 费用,依托自研 PolyStrata MoE 推理引擎,在 12GB 显存的消费级显卡上就能跑 125B 参数的大模型,数据全程留在本机,不用上传到第三方云端。市面上绝大多数 AI Agent 都依赖云端 API,每一次调用都按 token 计费,长期高频使用成本不低,而且用户文件、邮件、日历这些隐私数据会经过服务商服务器;Linger 直接扎根在电脑本地,优先接管本机浏览器、本地文件、邮件、日历等已登录应用,写入操作需要用户确认,卡住的时候人可以随时接管任务,同时它也兼容接入各类云端模型,给用户两种选择。项目代码已经上传 GitHub,由张博创办的 Simplex AI 推出,主打分布式本地 AI 的思路,降低普通玩家跑大模型 Agent 的硬件门槛,同时规避持续的 token 账单。

一、Linger 本地 Agent 对比云端 API Agent

对比项Linger 本地推理模式常规云端 API Agent
计费方式本地推理零 token 费,仅承担硬件、电费成本按输入输出 token 持续扣费,用量越大账单越高
数据位置全部数据保存在本机,不上传云端数据发送至服务商服务器处理
硬件门槛12GB 显存显卡 + 64GB 内存即可跑 125B 模型对本地显卡无要求,但依赖网络
模型调度PolyStrata 分层调度,专家权重在显存 / 内存 / SSD 之间动态切换算力全部在云端数据中心
权限控制读取直接执行,发邮件等写入动作弹出确认卡依赖第三方平台授权
网络依赖断网也可以继续运行本地模型必须联网,断网直接失效

二、Linger 项目核心模块清单

  1. PolyStrata 推理引擎(核心)
  2. PC 端 Agent 执行层(Another Me)
  3. 人机接管机制
  4. 模型适配层
  5. 权限安全校验层

MoE 分层调度引擎,高频专家放在显存,低频专家放内存、冷数据放 SSD,不用把整个模型一次性载入显存,实现低配显卡跑超大参数模型。

常驻电脑后台,读取本地文件、日历、邮件,控制已经登录的浏览器,自动完成信息整理、网页操作、资料汇总等任务。

Agent 执行遇到卡点,自动暂停,交给用户手动操作,用户操作完成后 Agent 继续往下执行,避免 Agent 无脑误操作。

原生适配本地开源大模型,同时预留接口,支持接入 DeepSeek、Claude 等云端模型,用户可以自由切换本地 / 云端模式。

区分只读和写入动作,浏览、读取文件属于只读;发邮件、提交表单这类写入操作必须弹窗确认,没有沙箱隔离,依靠确认机制管控风险。

三、Linger 本地部署上手步骤

  1. 环境准备:Windows、Mac、Linux 都支持,推荐最低配置 RTX3060(12GB 显存)、64GB 内存;
  2. GitHub 拉取 Linger 源码,部署 PolyStrata 推理引擎;
  3. 下载适配的开源模型,比如 Qwen3.8-Flash-Next(125B),完成量化配置;
  4. 配置本机权限,开启浏览器、本地文件、邮件、日历的读取权限;
  5. 启动 Agent,设置动作确认规则,只读任务自动跑,写入任务强制弹窗;
  6. 测试任务链路,观察生成速度,也可以切换到云端模型模式做对比。

四、优势和现存短板

✅ 优势

  • 本地推理零 token 费用,高频使用没有持续账单压力;
  • 用户数据不出本机,隐私可控;
  • 消费级显卡就能跑超大参数 MoE 模型,降低硬件门槛;
  • 人机协同,随时接管,适合办公、资料整理、网页自动化;
  • 完全开源,开发者可以二次改造、自定义 Agent 能力。

❌ 短板

  • 官方测试数据是实验室环境,实际家用电脑速度会波动;
  • 没有沙箱隔离,Agent 拿到权限后,风险主要靠人工确认;
  • 本地推理会占用电脑 CPU、显存,高负载时电脑卡顿;
  • 本地模型上限受本机硬件,复杂任务效果不如顶配云端模型;
  • 现阶段只优先 PC 端,没有移动端版本。

【相关 FAQ】

问题 1:前 DeepSeek 成员张博开源的 Linger 项目,零 token 费是什么意思?

回答 1:Linger 项目的零 token 费特指使用本地推理模式的时候,不需要调用云端 API,不会产生 token 账单;如果切换接入云端模型,依旧会产生 token 费用。

问题 2:Linger 项目靠什么技术,能在 12GB 显存显卡跑 125B 大模型?

回答 2:Linger 依靠自研 PolyStrata MoE 推理引擎,分层存放专家权重,高频专家放显存,低频放到内存、SSD,按需动态调度,不用一次性加载全部模型权重。

问题 3:Linger 这个开源个人 Agent,能操作电脑里哪些内容?

回答 3:Linger 可以读取本机文件、日历、邮件,操控已经登录的浏览器,读取类动作直接执行,发邮件这类写入动作会弹出确认卡片,用户可以随时接管。

问题 4:Linger 项目是张博在 DeepSeek 期间开发的吗?

回答 4:Linger 是张博离开 DeepSeek 之后,创办 Simplex AI 推出的新项目,代码已经开源上传 GitHub,属于独立创业项目。

【参考资料】

[2026-11-20](DeepSeek 前成员张博开源 Linger 项目,主打零 token 费)华尔街见闻

[2026-11-20](刚刚,DeepSeek 张博创业曝光:开源个人 Agent)36 氪

[2026-11-20](Former DeepSeek Developer Zhang Bo Launches Open-Source Personal Agent Project 'Linger')C114Pro

[2026-11-20](Linger: Open-Source Personal AI Agent That Runs Locally)i10X News

[2026-11-19](DeepSeek 出身の張博、PC 上で動く個人エージェント Linger をオープンソース公開)MY-BEST.AI

【免责声明】

本文内容基于项目官宣、GitHub 信息、科技媒体公开报道整理,Linger 项目为开源项目,零 token 费仅针对本地推理场景;官方性能数据为实验室测试结果,实际运行速度、稳定性受电脑硬件、系统、模型版本影响;项目权限机制存在安全风险,部署前建议仔细阅读官方安全文档,本文不构成部署、二次开发的指导建议。