اگر از نگرانی بابت ارسال دادههای حساس گوشی خود به ابرهای شرکتی خسته شدهاید، اکنون راهی برای اجرای عاملهای هوش مصنوعی بهصورت کاملاً محلی دارید. Kryzz AI در ۹ سپتامبر ۲۰۲۶ نسخه ۱.۱ خود را تحت مجوز MIT منتشر کرد تا یک فضای کاری خصوصی و محلی را برای کاربران اندروید به ارمغان بیاورد.
بسیاری از برنامههای موبایلی فعلاً مانند یک رابط ساده عمل میکنند که دادهها را به سرورهای شرکتها میفرستند. در مقابل، Kryzz AI لایه کنترل را به گوشی کاربر منتقل میکند تا حافظه و مهارتها کاملاً محلی بمانند. طبق گزارش وبسایت dev.to، این برنامه از مدل «کلید شخصی» (BYO) استفاده میکند؛ یعنی شما کلید API خود را وارد میکنید تا هزینههای اضافی یا اجبار به ساخت حساب کاربری حذف شود.
همانطور که در بحثهای گذشته ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، حذف واسطههای ابری گام مهمی در حفظ حریم خصوصی است. نسخه ۱.۱ یک «حلقه ابزار» (Tool Loop) پیشرفته را معرفی کرده است که به عامل (Agent) — شبیه دستیاری که میتواند بهجای حرف زدن، واقعاً کارهای اداری شما را انجام دهد — اجازه میدهد توالیهای پیچیدهای از اقدامات را اجرا کند. این رویکرد در طراحی عاملها، تفاوتهای ساختاری مهمی با زیرساختهای فنی مدلهای مربیگری و همراهی دارد که پیشتر بررسی کردیم:
- جستوجوی وب و استخراج محتوای لینکها
- محاسبات ریاضی و بررسی وضعیت آبوهوا
- مدیریت حافظه و ثبت یادآورها
- پردازش فایلهای PDF یا فایلهای فشرده کد
- پرسش مستقیم از کاربر برای رفع ابهام
بر اساس مستندات فنی، این برنامه با زبان Kotlin و Jetpack Compose توسعه یافته است. برای امنیت بیشتر، اعتبارنامهها با استفاده از AES-GCM در Android Keystore رمزنگاری میشوند. توسعهدهنده تأیید کرده است که هیچگونه تحلیل داده (Analytics) یا ثبت تاریخچه چتها در سرورهای خارجی صورت نمیگیرد.
این انتشار نشاندهنده چرخش به سمت هوش مصنوعی حاکمیتی (Sovereign AI) در موبایل است؛ جایی که کاربر مالک لایه سازماندهنده است، نه ارائهدهنده مدل. با جداسازی رابط کاربری از مدل زبانی، شما میتوانید بدون از دست دادن حافظه محلی، بین سرویسهایی مثل MiniMax یا OpenRouter جابهجا شوید.
گام بعدی شما
- سورسکد و فایل APK نسخه Debug را از گیتهاب دریافت و روی اندروید ۹ یا بالاتر نصب کنید.
- با استفاده از کلید API شخصی خود، قابلیتهای حلقه ابزار را در پردازش فایلهای PDF محلی تست کنید.
- تفاوت سرعت استنتاج را هنگام جابهجایی بین ارائهدهندگان مختلف مدل بررسی کنید.
اما داستان سختافزاری اجرای مدلهای محلی روی موبایل حتی پیچیدهتر است — به تحلیل ما دربارهی تراشههای NPU جدید مراجعه کنید.
گفتگو