Inicia 23 novCohorte 3 en vivo de Vibe Coding y Agentes IA: 3 semanas, 9 clases en directoCohorte 3 (23.11) →
IndustriaAnálisis · En radarX: @gkxspace→ original

Un veterano de DeepSeek publica el código de Linger: un agente de IA local que responde hasta 5 veces más rápido

Linger es un agente de IA abierto que funciona en tu ordenador, no en la nube con pago por token. Según el autor de la reseña, lo desarrolla el equipo de uno de los primeros colaboradores clave de DeepSeek. El asistente principal puede recibir órdenes como «llama a un desarrollador frontend y a un QA independiente». El resultado llega después de la revisión y las correcciones. El motor PolyStrata ejecuta 12 modelos abiertos en local y, en configuraciones específicas, acelera las respuestas hasta 5 veces. Comprueba esa cifra con tu propio hardware.

Procesado por IA desde X: @gkxspace; editado por Hamidun News
Un veterano de DeepSeek publica el código de Linger: un agente de IA local que responde hasta 5 veces más rápido
Fuente: X: @gkxspace. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @gkxspace ↗
Editor jefe
Dato clave #1Los roles y el orden de traspaso del trabajo están definidos en el archivo team.md
Dato clave #2Las tareas largas se envían a un Task en segundo plano, y el chat sigue libre
Dato clave #3Se pueden conectar suscripciones de Codex y Claude, o modelos locales como Qwen, DeepSeek y Gemma

Linger es un agente de IA abierto que vive en tu propio ordenador, no en el centro de datos de otro. Normalmente ocurre lo contrario: el modelo funciona en servidores, pagas por cada token (fragmento de texto que el modelo lee o escribe) y tus archivos viajan a la nube. Linger, del equipo SimplexAI Labs, propone otro esquema: un espacio de trabajo con varios agentes que se ejecuta en local.

Según el autor de la reseña en X, el proyecto lo lleva uno de los primeros colaboradores clave de DeepSeek. Junto con el agente, el equipo ha publicado también el motor PolyStrata, que ejecuta los modelos en tu máquina. En el titular, «hasta 5 veces» se refiere exclusivamente a la velocidad de respuesta de los modelos locales en configuraciones especialmente elegidas, no a una mejora general de calidad.

Una advertencia sobre la fuente. No se trata de un comunicado oficial, sino de un análisis entusiasta de un usuario que, según cuenta, probó Linger durante varios días. No hemos verificado de forma independiente la biografía del responsable del proyecto. Los autores atribuyen las cifras de velocidad a «configuraciones especiales», es decir, son un máximo, no un valor medio.

Los propios desarrolladores explican la idea con una historia: en los años sesenta la computación era centralizada, hasta que el ordenador personal puso la potencia en manos de cada cual. Hoy la IA se entrena en centros de datos y se «alquila» por tokens. Linger intenta repetir ese movimiento con el PC.

Un equipo de agentes en lugar de un solo chat

La parte más práctica son los varios agentes en una misma «sala». Le escribes al asistente principal con una frase normal: añade un ingeniero frontend y un QA independiente, crea un archivo team.md y dame el resultado solo cuando el QA haya encontrado los puntos débiles y el ingeniero los haya corregido.

El archivo team.md funciona como el reglamento de un pequeño equipo: en él consta quién responde de qué y a quién se traslada el trabajo. Es parecido a una revisión de código habitual. El autor no se revisa a sí mismo; un segundo participante busca específicamente lo que se ha roto. Para un desarrollador el esquema resulta familiar, solo que aquí los ejecutores son modelos. La idea es que el agente que verifica no acepte la primera respuesta por cortesía.

Tareas en segundo plano y elección de modelo

El segundo escenario son los «gemelos» en segundo plano. Las tareas largas, como un guion de vídeo plano a plano o el análisis de una gran colección de materiales, se pueden enviar a un Task independiente. Mientras trabaja, en la ventana principal puedes preguntar en qué fase está y a quién conviene impulsar después. Cuando la tarea termina, el documento listo aparece en el chat con vista previa. Las operaciones largas no bloquean la conversación.

El tercer punto es la flexibilidad con los modelos. Linger puede conectar suscripciones de Codex y Claude, es decir, usar modelos en la nube que ya tienes pagados como «cerebro» de los agentes. Además, trabaja con modelos ejecutados en local, de lo cual se encarga PolyStrata. Se anuncia compatibilidad con 12 modelos abiertos, entre ellos Qwen, DeepSeek y Gemma. En las mejores configuraciones las respuestas llegan hasta 5 veces más rápido. Qué modelos concretos, qué hardware y qué modos hay detrás de esa cifra no se desprende de la publicación. La comparación con llama.cpp y otros motores en tu portátil tendrás que hacerla tú.

Qué hacer en la práctica

Para desarrolladores y product managers, Linger resulta interesante por tres razones. Primero, es un espacio de trabajo listo para usar y no un conjunto de librerías: el trabajo multirol, las tareas en segundo plano y la vista previa de resultados ya están integrados. Segundo, el esquema híbrido permite mantener las tareas sensibles en un modelo local y enviar las complejas a las suscripciones en la nube. Tercero, el código abierto se puede leer, auditar y adaptar a tu equipo.

También hay limitaciones. Los modelos locales en un portátil corriente todavía quedan por detrás de los buques insignia en la nube en cuanto a calidad. Varios agentes en una misma sala consumen más recursos que uno solo. Las cifras de «hasta 5 veces» hay que reproducirlas en tu hardware antes de basar planes en ellas. El proyecto es nuevo, así que es pronto para juzgar su estabilidad, la seguridad del acceso de los agentes a los archivos y la calidad de la documentación.

Si llevas tiempo queriendo montar un equipo personal de agentes sin alquilar servidores ajenos, prueba Linger en un proyecto de test. Empieza con un par sencillo «ejecutor y QA independiente» y comprueba cuánto mejora realmente el resultado. Traslada las tareas de trabajo solo cuando veas el efecto y midas la velocidad en tu propio ordenador.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Un equipo de agentes en lugar de un solo chat?

La parte más práctica son los varios agentes en una misma «sala». Le escribes al asistente principal con una frase normal: añade un ingeniero frontend y un QA independiente, crea un archivo team.md y dame el resultado solo cuando el QA haya encontrado los puntos débiles y el ingeniero los haya corregido. El archivo team.md funciona como el reglamento de un pequeño equipo: en él consta quién responde de qué y a quién se traslada el trabajo. Es parecido a una revisión de código habitual.

¿Qué se sabe sobre Tareas en segundo plano y elección de modelo?

El segundo escenario son los «gemelos» en segundo plano. Las tareas largas, como un guion de vídeo plano a plano o el análisis de una gran colección de materiales, se pueden enviar a un Task independiente. Mientras trabaja, en la ventana principal puedes preguntar en qué fase está y a quién conviene impulsar después. Cuando la tarea termina, el documento listo aparece en el chat con vista previa. Las operaciones largas no bloquean la conversación. El tercer punto es la flexibilidad con los modelos.

¿Qué se sabe sobre Qué hacer en la práctica?

Para desarrolladores y product managers, Linger resulta interesante por tres razones. Primero, es un espacio de trabajo listo para usar y no un conjunto de librerías: el trabajo multirol, las tareas en segundo plano y la vista previa de resultados ya están integrados. Segundo, el esquema híbrido permite mantener las tareas sensibles en un modelo local y enviar las complejas a las suscripciones en la nube. Tercero, el código abierto se puede leer, auditar y adaptar a tu equipo. También hay limitaciones.

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.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…