个人电脑就能运行，更便宜的Agent要来了_Libra_Token_模型

4月2日，来自德国的AI团队Libra发布了名为Vibe Agent的智能体产品。该智能体最大的特色是依靠低位（low-bit)人工智能模型提供底层支持，让用户可以用更低的成本，例如在本地的苹果Mac电脑上，就能够通过自然语言实现人机交互。

Libra团队致力于Local AI领域，Local AI指在本地设备上运行人工智能，而不需要依赖远程云服务器。因为无需支付云服务费用，对于一些预算有限的个人或企业来说，使用 Local AI 可以节省大量的成本。

在团队发布的最新演示中，展示了用户通过自然语言交互，并利用本地算力支持 Agent 进行Long-Horizon 推理，最终完成复杂任务的过程。

和Manus一样，通过自然语言直接生成的方式简化了人机交互的流程，让没有编程能力的人群也能使用并满足需求，为Agent的广泛应用提供了便利。

但是行业普遍认为，单次使用 Manus 要消耗约 1000k Token，起步 2 美元，成本高昂。Vibe Agent无需依赖按 Token 计费的 API 服务，长期使用成本或可降低 90% 以上。

技术层面，其采用基于混合精度量化和 Reasoning-Aware 低比特表征校准技术，将前沿大模型 (QwQ 32B、DeepSeek-R1-70B、Deepseek R1 671B 等) 精准压缩至符合 Apple 消费级 Silicon 硬件计算架构的 3/4 比特混合精度表征，并与 Apple MLX 机器学习推理框架无缝融合。

在性能保持方面，将常规 Instruct 类大语言模型性能损失精确控制在 1% 以内，内存需求较 FP16 模式显著下降 75%+。

为突破本地设备资源限制与模型 Context 窗口制约，同时实现有效的 Token 聚合，Libra 团队创新性地构建了事件驱动的 Token Vibe Orchestration (TVO) 策略。

Libra 提出一种创新的 Meta Agent-Orchestration (MAO) 框架，该框架针对 Orchestration 场景定制了专用策略智能体，使系统能够自主推理、预测最佳协作路径。通过对大量外部工具链、前后端即时交互 Context 进行系统化整合。这种设计确保各组件间无缝协作，即使在本地设备资源受限的情况下也能保持高效运行。

Libra 的相关信息发表在GreenBitAI上，该网站致力于推动开源社区的发展，倡导可持续的机器学习理念。