Veterano do DeepSeek abre o código do Linger: agente de IA local que responde até 5 vezes mais rápido
Linger é um agente de IA open source que roda no seu computador, e não na nuvem com cobrança por token. O projeto é da equipe de um dos primeiros participantes-chave do DeepSeek, segundo o autor da análise. Basta pedir ao assistente principal algo como "chame um dev de front-end e um QA independente" e o resultado chega depois de revisado e corrigido. O motor PolyStrata roda 12 modelos abertos localmente e, em configurações específicas, acelera as respostas em até 5 vezes. Vale medir esse número no seu próprio hardware.
Processado por IA de X: @gkxspace; editado por Hamidun News
Linger é um agente de IA open source que vive no seu próprio computador, e não em um data center alheio. Normalmente é o contrário: o modelo roda em servidores, você paga por cada token (pedaço de texto que o modelo lê ou escreve), e seus arquivos vão para a nuvem. O Linger, da equipe SimplexAI Labs, propõe outro esquema: um ambiente de trabalho com vários agentes que roda localmente.
Segundo o autor da análise no X, o projeto é conduzido por um dos primeiros participantes-chave do DeepSeek. Junto com o agente, a equipe abriu também o motor PolyStrata, que executa os modelos na sua máquina. Quando o título diz "até 5 vezes", ele se refere à velocidade de resposta dos modelos locais em configurações especialmente escolhidas, e não a um ganho geral de qualidade.
Uma ressalva sobre a fonte. Não se trata de um comunicado oficial, e sim de uma análise entusiasmada de um usuário que, segundo ele mesmo, testou o Linger por alguns dias. Não verificamos de forma independente a biografia do líder do projeto. Os números de velocidade são atribuídos pelos autores a "configurações especiais", ou seja, representam o máximo, não a média.
Os próprios desenvolvedores explicam a ideia com uma comparação histórica: nos anos 1960, a computação era centralizada, até que o computador pessoal entregou o poder a cada usuário. Hoje a IA é treinada em data centers e "alugada" por token. O Linger tenta repetir esse movimento com o PC.
Equipe de agentes em vez de um chat único
A parte mais prática é a de vários agentes numa mesma "sala". Você escreve ao assistente principal com uma frase comum: adicione um engenheiro de front-end e um QA independente, monte um arquivo team.md e me entregue o resultado somente depois que o QA encontrar os pontos fracos e o engenheiro os corrigir.
O arquivo team.md funciona como o regulamento de uma pequena equipe: registra quem é responsável por cada coisa e para quem o trabalho é passado. É parecido com uma revisão de código comum. O autor não revisa a si mesmo; um segundo participante procura especificamente o que quebrou. Para um desenvolvedor, o esquema é familiar, só que os executores aqui são modelos. A ideia é que o agente revisor não concorde com a primeira resposta por cortesia.
Tarefas em segundo plano e escolha de modelo
O segundo cenário são os "gêmeos" em segundo plano. Tarefas longas, como um roteiro de vídeo quadro a quadro ou a análise de um grande conjunto de materiais, podem ser enviadas para um Task separado. Enquanto ele roda, a janela principal continua disponível para perguntar em que etapa ele está e quem cobrar em seguida. Quando a tarefa termina, o documento pronto aparece no chat com pré-visualização. Operações longas não bloqueiam a conversa.
O terceiro ponto é a flexibilidade de modelos. O Linger consegue conectar assinaturas de Codex e Claude, ou seja, usar modelos na nuvem que você já paga como "cérebro" dos agentes. Além disso, funciona com modelos executados localmente, cuja parte está a cargo do PolyStrata. O suporte anunciado é para 12 modelos abertos, entre eles Qwen, DeepSeek e Gemma. Nas melhores configurações, as respostas saem até 5 vezes mais rápido. Quais modelos exatamente, qual hardware e quais modos estão por trás desse número não aparecem na publicação. A comparação com o llama.cpp e outros motores no seu próprio notebook fica por sua conta.
O que fazer na prática
Para desenvolvedores e product managers, o Linger é interessante por três motivos. Primeiro, é um ambiente de trabalho pronto, e não um conjunto de bibliotecas: o trabalho multipapel, as tarefas em segundo plano e a pré-visualização de resultados já vêm integrados. Segundo, o esquema híbrido permite manter tarefas sensíveis em um modelo local e enviar as complexas para assinaturas na nuvem. Terceiro, o código aberto pode ser lido, verificado e adaptado à sua equipe.
Há também limitações. Modelos locais em um notebook comum ainda ficam atrás dos modelos de ponta na nuvem em qualidade. Várias equipes de agentes numa mesma sala consomem mais recursos do que um agente único. Os "até 5 vezes" precisam ser reproduzidos no seu hardware antes de você basear planos neles. O projeto é novo, então ainda é cedo para julgar estabilidade, segurança no acesso dos agentes aos arquivos e qualidade da documentação.
Se você já quis montar uma equipe pessoal de agentes sem alugar servidores alheios, experimente o Linger em um projeto de teste. Comece com um par simples, "executor e QA independente", e veja o quanto o resultado realmente melhora. Passe as tarefas de trabalho para ele somente depois de ver o efeito e de medir a velocidade no seu próprio computador.
- 22 de nov. de 2026Linger lança agente de IA para Mac com 16 GB sem cobrança por tokens e promete aceleração de 5 vezes
- 22 de nov. de 2026Grant do Yandex foi para um motor de LLM: modelo de 35B na RTX 2080 Ti é três vezes mais rápido que o llama.cpp
- 22 de nov. de 2026Dois juízes de IA em teste jurídico com 15 LLMs mostraram viés a favor dos seus: desvio de 0,04 ponto em 1
- 22 de nov. de 2026Agentes escrevem código funcional em 95% das tarefas, mas deixam uma vulnerabilidade na maioria delas
Perguntas frequentes sobre a notícia
O que se sabe sobre Equipe de agentes em vez de um chat único?
A parte mais prática é a de vários agentes numa mesma "sala". Você escreve ao assistente principal com uma frase comum: adicione um engenheiro de front-end e um QA independente, monte um arquivo team.md e me entregue o resultado somente depois que o QA encontrar os pontos fracos e o engenheiro os corrigir. O arquivo team.md funciona como o regulamento de uma pequena equipe: registra quem é responsável por cada coisa e para quem o trabalho é passado. É parecido com uma revisão de código comum.
O que se sabe sobre Tarefas em segundo plano e escolha de modelo?
O segundo cenário são os "gêmeos" em segundo plano. Tarefas longas, como um roteiro de vídeo quadro a quadro ou a análise de um grande conjunto de materiais, podem ser enviadas para um Task separado. Enquanto ele roda, a janela principal continua disponível para perguntar em que etapa ele está e quem cobrar em seguida. Quando a tarefa termina, o documento pronto aparece no chat com pré-visualização. Operações longas não bloqueiam a conversa. O terceiro ponto é a flexibilidade de modelos.
O que fazer na prática?
Para desenvolvedores e product managers, o Linger é interessante por três motivos. Primeiro, é um ambiente de trabalho pronto, e não um conjunto de bibliotecas: o trabalho multipapel, as tarefas em segundo plano e a pré-visualização de resultados já vêm integrados. Segundo, o esquema híbrido permite manter tarefas sensíveis em um modelo local e enviar as complexas para assinaturas na nuvem. Terceiro, o código aberto pode ser lido, verificado e adaptado à sua equipe. Há também limitações.
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.