Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAPI / Producto · Listo para usarX: @GithubProjects→ original

Linger ejecuta 12 modelos de IA en tu PC: hasta 5 veces más rápido y $0 por tokens

Un agente de IA en la nube cobra por cada token, y cuantos más archivos lee, más sube la factura. Tony Zhang, uno de los primeros desarrolladores de DeepSeek, ha publicado el código de Linger, un agente que ejecuta 12 modelos (Qwen, DeepSeek, Gemma) directamente en tu ordenador, de modo que el trabajo local no tiene coste en tokens: $0. La aceleración de hasta 5 veces es una afirmación de los propios autores; no hay mediciones independientes que la respalden. Si la factura de la API te ahoga, prueba localmente un solo proceso.

Procesado por IA desde X: @GithubProjects; editado por Hamidun News
Linger ejecuta 12 modelos de IA en tu PC: hasta 5 veces más rápido y $0 por tokens
Fuente: X: @GithubProjects. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @GithubProjects ↗
Editor jefe
Dato clave #112 modelos en local, entre ellos Qwen, DeepSeek y Gemma
Dato clave #2Los datos permanecen en el dispositivo solo en modo local
Cero tokens no significa cero costeshacen falta hardware propio y configuración

Imagina que encargas a un agente de IA que revise una carpeta con contratos y seis meses de correspondencia. Cada palabra que lee viaja a la nube, y el proveedor cuenta «tokens», fragmentos de texto por los que cobra. Cuanto más lee y vuelve a comprobar el agente, más sube la factura.

El equipo de Linger propone el esquema inverso: un agente personal de código abierto que funciona en tu ordenador. Ejecuta 12 modelos líderes, entre ellos Qwen, DeepSeek y Gemma, no cobra por tokens en la inferencia local ($0) y, según afirman los autores, funciona hasta 5 veces más rápido. El proyecto fue anunciado por Tony Zhang, a quien el anuncio presenta como uno de los primeros colaboradores clave de DeepSeek y antiguo empleado de Microsoft Research Asia.

Qué hace Linger

Según la descripción de los autores, Linger ejecuta 12 modelos en hardware compatible. El usuario no depende de un único proveedor: puede elegir el modelo según la tarea y según su tarjeta gráfica o portátil.

Además de ejecutar modelos, el agente asume tareas que normalmente se hacen a mano:

  • extrae contexto de los archivos y aplicaciones a los que le has dado acceso, de modo que no hace falta copiar documentos en el chat;
  • recuerda preferencias y decisiones anteriores, por ejemplo cómo formateas los informes o qué stack elegiste en proyectos previos;
  • coordina varios agentes para llevar una tarea hasta el resultado, en lugar de detenerse en la primera respuesta.

Los autores describen la experiencia como similar a Grok, pero en tu propia máquina.

Por qué podría resultar rentable

Las cifras principales del anuncio son «hasta 5 veces más rápido» y $0 por tokens en inferencia local. La lógica es sencilla. Si un agente relee archivos constantemente, resume conversaciones largas y encadena decenas de llamadas, la factura de la API en la nube crece rápido. Un modelo local convierte los gastos variables en fijos: pagas el hardware una vez y dejas de contar tokens.

Hay también una razón de fondo. Los autores recuerdan que en los años sesenta la computación era centralizada, hasta que el ordenador personal dio potencia a cada usuario. Hoy la IA se entrena en centros de datos y se alquila por tokens. Linger intenta desempeñar el papel de «ordenador personal» para los agentes.

Limitaciones que conviene tener presentes

Las cifras de «hasta 5 veces más rápido» y «12 modelos» proceden del anuncio de los propios autores. El anuncio no indica con qué se comparó la velocidad: ¿con una API en la nube o con otra herramienta local como Ollama? El resultado depende en gran medida del hardware: los modelos grandes en un portátil modesto funcionarán lentamente, o directamente no arrancarán.

Tener cero tokens de coste no equivale a coste cero. Hacen falta memoria de vídeo, electricidad y tiempo de configuración. La privacidad también es condicional: los autores afirman expresamente que los datos permanecen en el dispositivo solo en modo local. Si conectas servicios externos o modelos en la nube, la información se envía a ellos.

Otra cuestión es la seguridad. Un agente con acceso a tus archivos y aplicaciones amplía la superficie de ataque. Antes de conceder permisos, revisa qué autorizaciones solicita, cómo guarda su memoria y si puedes restringir el acceso a carpetas concretas.

Qué deberían hacer desarrolladores y product managers

Si tus flujos de trabajo con agentes chocan con el coste de la API y no puedes enviar datos al exterior, merece la pena probar Linger. Elige un proceso repetitivo, como el análisis de documentos o el trabajo con un repositorio local, y compara calidad, velocidad y coste total frente a la versión en la nube. Revisa la licencia y la lista de hardware compatible en el repositorio. Si el «hasta 5 veces más rápido» se confirma, aunque sea en tu propia configuración, los agentes locales ganarán un argumento de peso.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué hace Linger?

Según la descripción de los autores, Linger ejecuta 12 modelos en hardware compatible. El usuario no depende de un único proveedor: puede elegir el modelo según la tarea y según su tarjeta gráfica o portátil. Además de ejecutar modelos, el agente asume tareas que normalmente se hacen a mano: extrae contexto de los archivos y aplicaciones a los que le has dado acceso, de modo que no hace falta copiar documentos en el chat; recuerda preferencias y decisiones anteriores, por ejemplo cómo formateas…

¿Qué se sabe sobre Por qué podría resultar rentable?

Las cifras principales del anuncio son «hasta 5 veces más rápido» y $0 por tokens en inferencia local. La lógica es sencilla. Si un agente relee archivos constantemente, resume conversaciones largas y encadena decenas de llamadas, la factura de la API en la nube crece rápido. Un modelo local convierte los gastos variables en fijos: pagas el hardware una vez y dejas de contar tokens. Hay también una razón de fondo.

¿Qué se sabe sobre Limitaciones que conviene tener presentes?

Las cifras de «hasta 5 veces más rápido» y «12 modelos» proceden del anuncio de los propios autores. El anuncio no indica con qué se comparó la velocidad: ¿con una API en la nube o con otra herramienta local como Ollama? El resultado depende en gran medida del hardware: los modelos grandes en un portátil modesto funcionarán lentamente, o directamente no arrancarán. Tener cero tokens de coste no equivale a coste cero. Hacen falta memoria de vídeo, electricidad y tiempo de configuración.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…