Ex-DeepSeek-Forscher stellt Linger vor: Open-Source-Agent mit 125B-Modell auf 12-GB-Karte

Tony Zhang, früher Projektleiter von DeepSeek-VL, hat mit seinem Start-up den quelloffenen PC-Agenten Linger veröffentlicht. Er liest Mails, Kalender und Meetings, merkt sich alles in einem Wiki, meldet sich von selbst – und soll mit einem eigenen Inferenz-Trick ein 125-Milliarden-Parameter-Modell auf einer Mittelklasse-Grafikkarte laufen lassen. Alle Leistungszahlen stammen allerdings vom Hersteller selbst.

Tools 19. Nov. 2026 7 Min. Lesezeit Quelle: Bing News (ko-KR)
Symbolbild, KI-generiert

Worum es geht

Tony Zhang (chinesisch Zhang Bo) war an DeepSeek V1 beteiligt und leitete das Projekt DeepSeek-VL, das Bildverständnis-Modell des chinesischen KI-Labors. Jetzt hat er ein eigenes Start-up gegründet und dessen erstes Produkt vorgestellt: Linger, einen persönlichen KI-Agenten für den eigenen Rechner. Ein Agent ist eine KI, die nicht nur chattet, sondern selbstständig Aufgaben erledigt – also Programme bedient, im Browser klickt und Mails liest.

Linger ist quelloffen und liegt auf GitHub unter simplexai-labs/linger. Die erste Version 0.1.0 erschien am 10. November 2026 für macOS (ab Version 14, nur Apple Silicon), Windows x64 und Linux x64. Laut dem Techblog explainx.ai war am 19. November bereits Version 0.1.5 erschienen, und das Projekt hatte in zehn Tagen rund 1.800 Sterne auf GitHub gesammelt. Die Software ist kostenlos; wer lokale Modelle nutzt, zahlt keine Gebühren pro Token.

Zhang begründet die Idee laut dem chinesischen Techportal 36Kr mit der Geschichte des PCs:

In den 1960er-Jahren war Rechenleistung zentralisiert, bis Personal Computer sie in die Hände aller legten. Heute werden KI-Modelle in Rechenzentren trainiert und dann in Form von Tokens an dich vermietet. Wir glauben, dass Intelligenz verteilt sein sollte.

Der Kernanspruch: 125 Milliarden Parameter auf 12 GB

Die auffälligste Behauptung betrifft die Inferenz-Engine PolyStrata. Normalerweise braucht ein Modell mit 125 Milliarden Parametern selbst bei 2-Bit-Quantisierung – das Modell wird verkleinert, indem seine Zahlen gröber gespeichert werden – laut einer Analyse auf note.com rund 39 GB Grafikspeicher. Das passt nicht einmal auf eine RTX 5090.

PolyStrata nutzt aus, dass das unterstützte Modell Qwen3.8-Flash-Next ein Mixture-of-Experts-Modell (MoE) ist: Es besteht aus vielen spezialisierten Teilnetzen („Experten“), von denen pro Token nur wenige aktiv sind. PolyStrata legt die häufig genutzten „heißen“ Experten in den schnellen Grafikspeicher, seltener genutzte in den Arbeitsspeicher und kaum gebrauchte auf die SSD – wie ein Schreibtisch, auf dem das Wichtigste griffbereit liegt, während der Rest im Regal oder im Keller wartet.

Die Herstellerangaben laut README:

Hardware Modell Geschwindigkeit
RTX 3060 (12 GB) + 64 GB RAM Qwen3.8-Flash-Next 125B 45,5 Token/s
RTX 5090 (32 GB) Qwen3.8-Flash-Next 125B 179 Token/s
verschiedene Karten andere Modelle ca. 65 bis 480 Token/s

Dazu kommt Model Autopilot: Der Installer erkennt Grafikkarte, VRAM, Arbeitsspeicher und Speicherbandbreite und wählt aus 49 Modellen, 2 Engines, Quantisierungen von 1 bis 8 Bit und Kontextlängen von 64K bis 256K das „klügste Modell, das auf diesen PC passt“. Vor Abschluss prüft er, ob das Modell eine Testfrage beantworten kann. Genannt werden unter anderem Qwen3.8-27B, Qwen3.6-35B-A3B, Gemma 4 26B-A4B, LFM2.5-24B-A2B und Spark-X2.6-4B, das für Macs mit 16 GB empfohlen wird.

explainx.ai weist auf Einschränkungen hin, die das README selbst nennt: Viele Werte stammen von simulierten Hardware-Stufen, echte Rechner können langsamer sein. Auf der 12-GB-Stufe kann das erste Token nach einem 62.000-Token-Prompt etwa drei Minuten auf sich warten lassen – für einen Agenten, der viel Kontext verarbeitet, ein echtes Problem. Zudem ist laut explainx.ai das 125B-Setup gar nicht die Standardempfehlung für 12-GB-Rechner.

„Another Me“: Ein Agent, der sich von selbst meldet

Das Herzstück ist ein Agent namens „Another Me“ (ein anderes Ich). Er liest lokal Posteingang, Kalender, Chats und Meeting-Protokolle und fasst sie jede Nacht in einem persönlichen Wiki aus Markdown-Seiten zusammen, das alle Agenten durchsuchen können. Änderungen am Gedächtnis werden mit Begründung protokolliert.

Der Agent entscheidet selbst, wann er sich meldet. 36Kr beschreibt ein Beispiel: Kommt am Montag eine Kundenmail mit der Bitte um ein Angebot bis Freitag, erinnert er erst am Mittwochmorgen. Eine Terminverschiebung meldet er dagegen sofort. Ein nächtlicher Prozess namens „Dreaming“ wertet aus, wie du auf seine Hinweise reagiert hast, und schreibt daraus Regeln – etwa „Lieferantenrechnungen → sofort melden“ oder Schweigen bei Paketbenachrichtigungen, wenn du die zweimal ignoriert hast. Linger nennt das „implizite Verstärkung“; ein Nachtraining des Modells ist dafür nicht nötig.

Weitere Funktionen:

  • Desktop- und Browsersteuerung über Playwright und Cua; auf Mac und Windows arbeitet der Agent im bereits angemeldeten Chrome, sodass keine Zugangsdaten neu eingerichtet werden müssen. Hängt etwas, kann man selbst übernehmen.
  • Agenten-Teams: Bei großen Aufgaben erzeugt Another Me spezialisierte Agenten, die einem gemeinsamen Plan in einer Datei namens team.md folgen.
  • Priorisierung: Alle Agenten teilen sich ein lokales Modell; was du gerade am Bildschirm abwartest, hat Vorrang vor Hintergrundjobs.
  • Eigene Laufzeiten: Statt lokaler Modelle lassen sich Claude Code, Codex oder Pi einbinden, seit Version 0.1.4 auch eigene API-Schlüssel für OpenAI-kompatible und Anthropic-Schnittstellen.
  • Sprache: Meetings werden mit LiveKit und Soniox-Spracherkennung live transkribiert; danach kann man Fragen dazu stellen.

Zahlen mit Fragezeichen

Linger wirbt mit einem „Gehirn der Claude-Klasse“. Dafür nutzt das Projekt einen eigenen „SimplexAI Score“, bei dem 50 dem Durchschnitt von 123 Referenzmodellen entspricht. Die Quellen berichten hier widersprüchliche Werte: Laut note.com erreicht ein Setup mit 12 GB GPU und 32 GB RAM 54,8 Punkte (mehr als Claude Sonnet 4.6 mit 53,6), mit 24 GB GPU und 64 GB RAM 59,3 Punkte. 36Kr nennt für 12 GB + 32 GB RAM dagegen 57,3 Punkte, „etwa Claude Opus 4.6“, und für einen Mac mit 24 GB 51,9. Offenbar wurden die Angaben zwischen den Versionen geändert. explainx.ai merkt an, dass die Vergleichsmodelle nicht mehr der neueste Stand sind und ein Mischwert verschleiert, bei welchen Aufgaben ein lokales Modell scheitert.

Beim Gedächtnis-Benchmark LoCoMo, der das Langzeitgedächtnis in Gesprächen misst, nennen note.com und 36Kr 95,0 Prozent – vor Zep (94,7), Mem0 (92,5), Letta (74,0) und OpenAI Memory (52,9). explainx.ai schreibt hingegen, das aktuelle README veröffentliche keinen eigenen Gedächtnis-Benchmark und verweise für Faktenextraktion und Suche auf das Open-Source-Projekt Hindsight. Unabhängige Tests gibt es laut allen Quellen bislang nicht.

Technik und Sicherheit

Der Code besteht laut note.com zu knapp 95 Prozent aus TypeScript und Go. Auf dem eigenen PC läuft ein „Computer Daemon“, der die eigentliche Arbeit erledigt; dauerhafte Daten liegen in einem „TeamHub“-Server mit PostgreSQL. Der Daemon öffnet keine eingehenden Ports, sondern hält nur eine ausgehende WebSocket-Verbindung. Im Arbeitsordner ist nur playground/ beschreibbar, memory/ und llm-wiki/ sind schreibgeschützt. Klicks, Eingaben und Shell-Befehle laufen durch eine zweistufige Schutzschranke: erst Regelprüfung, dann Kontrolle durch ein Sprachmodell – mit Ausnahme der Pi-Laufzeit, bei der die Prüfung derzeit fehlt.

Was du zum Ausprobieren brauchst

Die Desktop-App gibt es als .dmg für Macs mit Apple Silicon (macOS 14+), als Installer oder portable .zip für Windows und als .tar.gz für Linux (glibc 2.35+). Intel-Macs werden nur über Docker unterstützt; die Docker-VM braucht mindestens 5 GiB Arbeitsspeicher. Für lokale Modelle gilt laut Hersteller: Ein Mac mit 16 GB reicht für das kleine Spark-X2.6-4B, für das 125B-Modell nennt das Projekt eine 12-GB-Nvidia-Karte wie die RTX 3060 plus 64 GB Arbeitsspeicher und eine schnelle SSD. Wer keine passende Hardware hat, kann eigene API-Schlüssel nutzen.

Stolpersteine: Die macOS-App ist nicht von Apple notarisiert, beim ersten Start muss das Quarantäne-Attribut per xattr entfernt werden – explainx.ai rät, das nur nach Prüfung der Datei gegen die beigelegte SHA256SUMS.txt zu tun. Der Windows-Installer ist unsigniert und löst eine SmartScreen-Warnung aus. Beim Docker-Weg sollte man das Testpasswort sofort ändern. Bekannt ist außerdem, dass beim Beenden über die Taskleiste lokale Dienste weiterlaufen.

Einordnung

Linger ist kein neues Sprachmodell, sondern ein Paket aus Inferenz-Engine, Modellauswahl, Gedächtnis und Agenten-Infrastruktur, das aufeinander abgestimmt ist. Die Wette: Wenn Modell und Agentensoftware gemeinsam optimiert werden, schafft eine bezahlbare Grafikkarte, wofür sonst Rechenzentrum-Hardware nötig ist – ohne Token-Kosten und ohne dass Daten den Rechner verlassen. Das unterscheidet Linger von Agenten wie Hermes, die meist ein gehostetes Modell voraussetzen.

Kritisch bleibt einiges. Alle Leistungsangaben stammen vom Hersteller, vieles wurde auf simulierter Hardware gemessen, und die Werte widersprechen sich zwischen Quellen. Das Auslagern von Experten auf die SSD wird langsam, wenn der Agent ständig zwischen Mails, Code und Meetings wechselt. Die Lizenz ist kein reines Apache 2.0, sondern enthält Zusatzbedingungen – wer kommerziell damit arbeiten will, muss LICENSE und NOTICE lesen. Und ein Agent, der Postfach, Kalender, Slack und den eingeloggten Browser kontrolliert und von sich aus handelt, hat sehr weitreichende Rechte. explainx.ai empfiehlt, mit einem separaten Browserprofil und eingeschränkten Konten zu beginnen. Bei Version 0.1.x mit Dutzenden offenen Pull-Requests ist zudem mit häufigen, auch inkompatiblen Änderungen zu rechnen. Spannend ist das Projekt trotzdem – vor allem als Bauplan dafür, wie ein vollständig lokaler persönlicher Assistent aussehen könnte.

Quellen

#ki-agent#open-source#lokale-ki#moe#deepseek
Originalquelle lesen

Frag den KI-Assistenten

Fragen zu diesem Artikel, zur Installation oder zu Hintergründen? Unser Assistent kennt diese Seite und läuft auf unserem eigenen Rechner, nicht in einer fremden Cloud.

Verbinde …

Der Assistent ist eine KI (Gemma 4) und kann sich irren – wichtige Angaben bitte in der Quelle prüfen. Fragen werden nur zum Beantworten genutzt und nach einer Stunde gelöscht. Bitte keine persönlichen Daten eingeben.

Kommentare

Was meinst du dazu? Schon ausprobiert? Schreib es hier, ohne Anmeldung.

  1. Kommentare werden geladen …

Kommentare sind öffentlich. Links sind nicht erlaubt, beleidigende Beiträge löschen wir. Deinen eigenen Kommentar kannst du in diesem Browser jederzeit wieder löschen. Mehr dazu in der Datenschutzerklärung.