<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>PolyStrata &#8211; mylogs.cn</title>
	<atom:link href="https://mylogs.cn/tag/polystrata/feed/" rel="self" type="application/rss+xml" />
	<link>https://mylogs.cn</link>
	<description>发现、记录、分享</description>
	<lastBuildDate>Sat, 21 Nov 2026 10:58:55 +0000</lastBuildDate>
	<language>zh-Hans</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>DeepSeek-VL 负责人创业项目亮相：开源个人 Agent，12GB 显卡跑 125B 模型</title>
		<link>https://mylogs.cn/deepseek-vl-%e8%b4%9f%e8%b4%a3%e4%ba%ba%e5%88%9b%e4%b8%9a%e9%a1%b9%e7%9b%ae%e4%ba%ae%e7%9b%b8%ef%bc%9a%e5%bc%80%e6%ba%90%e4%b8%aa%e4%ba%ba-agent%ef%bc%8c12gb-%e6%98%be%e5%8d%a1%e8%b7%91-125b-%e6%a8%a1/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Sat, 21 Nov 2026 10:58:55 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI工具]]></category>
		<category><![CDATA[DeepSeek]]></category>
		<category><![CDATA[Linger]]></category>
		<category><![CDATA[PolyStrata]]></category>
		<category><![CDATA[个人智能体]]></category>
		<category><![CDATA[开源AI]]></category>
		<category><![CDATA[本地部署]]></category>
		<guid isPermaLink="false">https://mylogs.cn/deepseek-vl-%e8%b4%9f%e8%b4%a3%e4%ba%ba%e5%88%9b%e4%b8%9a%e9%a1%b9%e7%9b%ae%e4%ba%ae%e7%9b%b8%ef%bc%9a%e5%bc%80%e6%ba%90%e4%b8%aa%e4%ba%ba-agent%ef%bc%8c12gb-%e6%98%be%e5%8d%a1%e8%b7%91-125b-%e6%a8%a1/</guid>

					<description><![CDATA[前 DeepSeek-VL 项目负责人 Tony Zhang（张博）于 2026 年 11 月 19 日正式公 [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph">前 DeepSeek-VL 项目负责人 Tony Zhang（张博）于 2026 年 11 月 19 日正式公布创业项目 Linger——一款主打本地部署的开源个人智能体（Personal Agent）。这套系统的核心卖点是把模型、记忆、工具与任务调度全部放在用户自己的电脑上运行：一块 12GB 显存的显卡，配合 64GB 内存，即可让 1250 亿参数的模型以每秒 45.5 个词元的速度生成内容，且不按词元计费、数据不出本机。</p>
<figure data-wp-context="{&quot;imageId&quot;:&quot;6b017a86034f5&quot;}" data-wp-interactive="core/image" data-wp-key="6b017a86034f5" class="wp-block-image wp-lightbox-container"><img decoding="async" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/11/299710c4335eba0b29ddcae46924c533_header.webp" alt="Linger 个人智能体运行于个人电脑的概念图" title="图片来源：量子位" style="max-width:100%;height:auto;"/><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button></figure>
<h2 class="wp-block-heading">一位 DeepSeek 早期成员的二次创业</h2>
<p class="wp-block-paragraph">Linger 背后的团队是 Simplex AI。创始人 Tony Zhang 本科毕业于浙江大学，2019 年在香港科技大学取得博士学位，此后加入微软亚洲研究院（MSRA），长期从事计算机视觉与生成模型研究，是 VQ-Diffusion、Rodin 3D 数字人等项目的作者。2023 年他加入 DeepSeek 担任 AI 科学家，参与了早期语言模型 DeepSeek LLM V1 系列的研发，并担任视觉语言大模型 DeepSeek-VL 的项目负责人。离开 DeepSeek 后，他回到浙江大学任教，担任百人计划研究员、博士生导师，并创立了 Simplex AI。Linger 是这家公司的最新作品。</p>
<p class="wp-block-paragraph">据公开信息，Simplex AI 已于 2026 年 1 月完成由 GL Ventures 领投的 600 万美元种子轮融资。Linger 的底座之一——本地推理引擎 PolyStrata——早在 10 月 7 日便已在代码托管平台开源。</p>
<h2 class="wp-block-heading">核心能力：一个&#8221;会主动、能自学&#8221;的另一自我</h2>
<p class="wp-block-paragraph">Linger 的核心是一个名为 Another Me 的智能体系统，定位是用户的&#8221;第二大脑&#8221;与记忆中枢。</p>
<p class="wp-block-paragraph"><strong>记忆中枢。</strong> 它会在本地读取用户的收件箱、日历、聊天记录与会议内容，每晚自动把这些整理成个人知识库，供所有智能体查询。在衡量长期对话记忆能力的 LoCoMo 基准测试中，官方称准确率达到 95%，高于 Mem0、MemOS 等多个记忆增强系统。需要说明的是，该数字为厂商自报，尚未经独立第三方验证。</p>
<p class="wp-block-paragraph"><strong>主动提醒。</strong> Linger 会持续观察信息流，按事件的重要性和紧急程度决定何时打断用户。例如周一收到要求周五前给出报价的客户邮件，它不会立即打扰，而是等到周三早上再弹出提醒；但如果会议时间临时变更，则会立即通知。</p>
<p class="wp-block-paragraph"><strong>隐式强化学习。</strong> 系统会从用户的反馈中自我修正。当用户回应&#8221;这张发票上周就收到了，应该当时就提醒&#8221;，系统会记下线索；若再次出现类似情况并收到相同反馈，便自动生成一条&#8221;供应商发票→立即提醒&#8221;的规则。反之，连续两次忽略快递提醒，它便学会对该类事件保持沉默。</p>
<p class="wp-block-paragraph"><strong>操作桌面与浏览器。</strong> Linger 能直接调用用户电脑上已登录的浏览器和应用，无需重新配置一大堆登录凭据，遇到卡住的步骤也可由用户随时接管。</p>
<p class="wp-block-paragraph"><strong>组建智能体团队。</strong> 面对复杂任务，Another Me 会调用或创建不同职能的子智能体协同工作，用户只需停留在同一个会话中。</p>
<p class="wp-block-paragraph">此外，它还支持实时会议转录、会后提问与待办跟进等语音办公场景。</p>
<h2 class="wp-block-heading">12GB 显卡如何跑起 1250 亿参数模型</h2>
<p class="wp-block-paragraph">让消费级硬件运行千亿大模型的关键，是名为 PolyStrata 的 MoE（混合专家）推理引擎。MoE 模型的特点是每个词元只会激活少数&#8221;专家&#8221;模块。PolyStrata 据此设计了一套分层存储机制：把最活跃、最常用的专家放在速度最快的显卡显存里，次常用的放在系统内存，使用频率最低的则留在固态硬盘上；当模型需要调用某个专家时，系统在显存、内存和固态硬盘之间动态搬移数据。这样一来，就不必把整个数十甚至上百 GB 的模型全部塞进有限的显存。</p>
<figure data-wp-context="{&quot;imageId&quot;:&quot;6b017a86039b6&quot;}" data-wp-interactive="core/image" data-wp-key="6b017a86039b6" class="wp-block-image wp-lightbox-container"><img decoding="async" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/11/inline_299710c4335eba0b29ddcae46924c533_0.webp" alt="Linger 智能体交互界面官方截图" title="图片来源：量子位" style="max-width:100%;height:auto;"/><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button></figure>
<p class="wp-block-paragraph">根据官方公布的数据，一个 1250 亿参数的 Qwen3.8-Flash-Next 模型（2bit 量化版本，权重文件约 39GB），在配备 12GB RTX 3060 显卡和 64GB 内存的电脑上，可达到每秒 45.5 个词元的生成速度；在 32GB 显存的 RTX 5090 上，速度进一步提升至每秒 179 个词元。若内存降至 32GB，跑同一模型的短提示生成速度约为每秒 21.3 个词元，长提示的首词元等待时间会明显拉长。</p>
<p class="wp-block-paragraph">为降低上手门槛，Linger 还提供&#8221;模型自动驾驶&#8221;功能：自动检测显卡、显存和内存配置，从 49 个语言模型、两种推理引擎、多种量化方案和上下文长度组合中，推荐并安装性能最强的搭配。按照 Simplex AI 自有的评分体系，8GB 显卡加 32GB 内存约等于 Gemini 2.5 Pro，Mac 24GB 统一内存约等于 Claude Opus 4.5，12GB 显卡加 32GB 内存约等于 Claude Opus 4.6。这类对标来自厂商自报的评分体系，并非独立评测结论。</p>
<h2 class="wp-block-heading">开源协议与&#8221;数据不出本机&#8221;的边界</h2>
<p class="wp-block-paragraph">Linger 已开放源代码，桌面版支持苹果芯片的 macOS 14 及以上、Windows 11 x64 与 Linux x64，并提供 Docker Compose 自托管方案。其协议基于 Apache 2.0 但附加了条件：允许企业内部商用，但将其作为托管服务提供给组织外部人员，或移除前端品牌标识，需要单独获得商业授权。</p>
<p class="wp-block-paragraph">在发布说明中，Tony Zhang 借用了个人电脑崛起的历史作类比：20 世纪 60 年代计算是中心化的，直到个人电脑把能力交到每个人手中；如今人工智能在数据中心训练，再以词元的形式租给用户。他主张智能应当是分布式的，用户自己的上下文、数据以及驱动它们的智能，都应完全由用户本人掌握。</p>
<p class="wp-block-paragraph">不过需要客观看待&#8221;数据不出本机&#8221;这一表述。官方文档显示，连接 Gmail、Slack 等应用需要经过第三方服务中转，语音功能会用到外部服务，而每晚构建记忆的后台任务，如果调用的是云端订阅的模型接口，被读取的对话仍会发送至相应模型厂商。换言之，本地推理能省去词元费用，但并不意味着所有工作流都完全离线。安全方面，官方说明的是审批与服务器校验机制，并未提供把智能体与用户文件彻底隔离的沙箱。</p>
<h2 class="wp-block-heading">一点提醒</h2>
<p class="wp-block-paragraph">Linger 代表了&#8221;本地个人智能体&#8221;这条正在成形的技术路线：记忆、主动提醒、多智能体协作等功能，行业内外都在做，而它的差异化在于把推理引擎、模型选型到任务调度整体为消费级硬件做了优化。但就现阶段而言，它更接近一个方向样板，而非开箱即用的成熟工具——满血运行对硬件有要求，官方也承认产品仍处于早期。有意尝试的用户，建议先在非主力电脑或独立系统账户上安装，仅授权一两个低风险账号，重点观察长上下文场景下的真实速度，而不是宣传数字。</p>
<p class="wp-block-paragraph"><strong>信息来源</strong>：量子位、36氪、Simplex AI 官方仓库与文档、AI Market Watch、Pandaily。本文所涉性能数据除特别说明外均为厂商自报，未经独立第三方验证。</p>]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
