Ветеран DeepSeek открыл код Linger: локальный ИИ-агент, модели отвечают до 5 раз быстрее
Linger — открытый ИИ-агент, который работает на вашем компьютере, а не в облаке с оплатой за каждый токен. Её создала команда одного из первых ключевых участников DeepSeek (по словам автора обзора). Главному помощнику можно сказать «позови фронтендера и независимого QA» — результат придёт после проверки и правок. Движок PolyStrata запускает 12 открытых моделей локально и в особых конфигурациях ускоряет ответы до 5 раз. Цифру проверяйте на своём железе.
AI-обработка оригинала X: @gkxspace; редакция Hamidun News
Linger — это открытый ИИ-агент, который живёт на вашем собственном компьютере, а не в чужом дата-центре. Обычно всё устроено наоборот: модель работает на серверах, вы платите за каждый токен (кусочек текста, который модель читает или пишет), а ваши файлы уходят в облако. Linger команды SimplexAI Labs предлагает другую схему: рабочее место с несколькими агентами, которое запускается локально. По словам автора обзора в X, проект ведёт один из самых ранних ключевых участников DeepSeek. Вместе с агентом команда открыла и движок PolyStrata, который запускает модели на вашей машине. В заголовке «до 5 раз» означает именно скорость ответов локальных моделей в специально подобранных конфигурациях, а не общий прирост качества.
Важная оговорка про источник. Это не официальный пресс-релиз, а восторженный разбор пользователя, который, как он пишет, несколько дней тестировал Linger. Биографию руководителя проекта мы независимо не проверяли. Цифры скорости авторы относят к «особым конфигурациям», то есть это максимум, а не среднее значение.
Сами разработчики объясняют идею через историю: в 1960-х вычисления были централизованными, пока персональный компьютер не отдал мощность каждому. Сейчас ИИ обучают в дата-центрах и «сдают в аренду» по токенам. Linger — попытка повторить ход с ПК.
Команда агентов вместо одного чата
Самая практичная часть — несколько агентов в одной «комнате». Вы пишете главному помощнику обычной фразой: добавь фронтенд-инженера и независимого QA, составь файл team.md и отдай мне результат только после того, как QA найдёт слабые места, а инженер их исправит.
Файл team.md работает как регламент маленькой команды: в нём записано, кто за что отвечает и кому передаётся работа. Это похоже на обычное код-ревью. Автор не проверяет сам себя, второй участник специально ищет, что сломалось. Для разработчика схема знакомая, только исполнители здесь — модели. Смысл в том, чтобы проверяющий агент не соглашался с первым ответом из вежливости.
Фоновые задачи и выбор модели
Второй сценарий — фоновые «двойники». Долгие задачи, например покадровый сценарий для видео или разбор большой подборки материалов, можно отправить в отдельный Task. Пока он работает, в основном окне можно спрашивать, на каком этапе остановка и кого подтолкнуть следующим. Когда задача закончится, готовый документ появится в чате с предпросмотром. Длинные операции не блокируют разговор.
Третий пункт — гибкость с моделями. Linger умеет подключать подписки на Codex и Claude, то есть использовать уже оплаченные облачные модели как «мозг» агентов. Кроме того, он работает с локальным запуском моделей: за него отвечает PolyStrata. Заявлена поддержка 12 открытых моделей, среди них Qwen, DeepSeek и Gemma. В лучших конфигурациях ответы идут до 5 раз быстрее. Какие именно модели, какое железо и какие режимы стоят за этой цифрой, из поста не видно. Сравнивать с llama.cpp и другими движками на своём ноутбуке придётся самому.
Что делать на практике
Для разработчиков и продактов Linger интересен по трём причинам. Во-первых, это готовое рабочее место, а не набор библиотек: многоролевая работа, фоновые задачи и предпросмотр результатов уже собраны. Во-вторых, гибридная схема позволяет держать чувствительные задачи на локальной модели, а сложные отдавать облачным подпискам. В-третьих, открытый код можно прочитать, проверить и адаптировать под свою команду.
Ограничения тоже есть. Локальные модели на обычном ноутбуке по качеству пока уступают флагманским облачным. Несколько агентов в одной комнате тратят больше ресурсов, чем один. Заявленные «до 5 раз» нужно воспроизвести на вашем железе, прежде чем строить на них планы. Проект новый, поэтому о стабильности, безопасности доступа агентов к файлам и качестве документации судить рано.
Если вы давно хотели собрать личную агентную команду без аренды чужих серверов, запустите Linger на тестовом проекте. Начните с простой пары «исполнитель и независимый QA» и посмотрите, насколько реально улучшается результат. Рабочие задачи переносите, только когда увидите эффект и замерите скорость на своём компьютере.
- 22 нояб. 2026 г.Linger запускает ИИ-агента на Mac с 16 ГБ без платы за токены и обещает ускорение в 5 раз
- 22 нояб. 2026 г.Грант Яндекса ушёл на движок для LLM: 35B-модель на RTX 2080 Ti втрое быстрее llama.cpp
- 22 нояб. 2026 г.Два ИИ-судьи в юридическом тесте 15 LLM оказались пристрастны к своим: сдвиг 0,04 балла из 1
- 22 нояб. 2026 г.Агенты пишут рабочий код в 95% задач, но оставляют уязвимость в большинстве
Вопросы и ответы по материалу
Что известно по теме: команда агентов вместо одного чата?
Самая практичная часть — несколько агентов в одной «комнате». Вы пишете главному помощнику обычной фразой: добавь фронтенд-инженера и независимого QA, составь файл team.md и отдай мне результат только после того, как QA найдёт слабые места, а инженер их исправит. Файл team.md работает как регламент маленькой команды: в нём записано, кто за что отвечает и кому передаётся работа. Это похоже на обычное код-ревью. Автор не проверяет сам себя, второй участник специально ищет, что сломалось.
Что известно по теме: фоновые задачи и выбор модели?
Второй сценарий — фоновые «двойники». Долгие задачи, например покадровый сценарий для видео или разбор большой подборки материалов, можно отправить в отдельный Task. Пока он работает, в основном окне можно спрашивать, на каком этапе остановка и кого подтолкнуть следующим. Когда задача закончится, готовый документ появится в чате с предпросмотром. Длинные операции не блокируют разговор. Третий пункт — гибкость с моделями.
Что известно по теме: что делать на практике?
Для разработчиков и продактов Linger интересен по трём причинам. Во-первых, это готовое рабочее место, а не набор библиотек: многоролевая работа, фоновые задачи и предпросмотр результатов уже собраны. Во-вторых, гибридная схема позволяет держать чувствительные задачи на локальной модели, а сложные отдавать облачным подпискам. В-третьих, открытый код можно прочитать, проверить и адаптировать под свою команду. Ограничения тоже есть. Локальные модели на обычном ноутбуке по качеству пока уступают флагманским облачным.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.