hero

如果你是用開放模型的開發者，LM Studio Bionic 聽起來像是為你量身打造的答案——一個能在本地跑、能接雲端、能寫程式、能處理文件的 AI agent。但當你仔細讀完整篇公告，你會發現一個藏在「開放」旗幟底下的問題：這東西到底是為開放生態服務，還是為 LM Studio 自己服務？

原文深度翻譯

LM Studio 推出了他們自稱「演化史上最大的一步」——LM Studio Bionic，一個專為開放模型打造的 AI agent。Bionic 的定位是「用開放模型完成真正的工作」，涵蓋程式開發、研究、以及文件與檔案的複雜處理。你可以用本地模型，也可以切換到雲端的開源模型來處理更重的任務，同時保持對隱私和 AI 費用的控制。

LM Studio 對所有 Bionic 使用者做出了一項承諾：Zero Data Retention（零資料留存），並且絕不用你的資料來訓練模型。

Bionic 的核心功能涵蓋四個面向：

語音輸入與本地轉錄。 Bionic 內建了語音鍵盤，使用 Mistral AI 的 Voxtral 模型進行完全離線的語音轉錄。Voxtral 是一個高效能的多語言即時轉錄模型，所有處理都在裝置端完成，語音資料不需上傳雲端。使用者可以在任何 app 中啟動語音鍵盤，Bionic 會從游標所在位置開始轉錄——講出你的想法、提示詞、編輯指令，全程離線完成。

程式開發。 Bionic 支援廣泛的程式開發需求，主打「不放棄隱私和控制」。它可以檢視本地程式碼庫、解釋不熟悉的程式碼、幫助你進行修改。建立一個 Code 專案並指向本地資料夾後，你可以叫 Bionic 調查、編輯、除錯，並即時檢視它的工作成果。內嵌的 diff 檢視讓每行程式碼變更都一目了然；agentic 程式碼搜尋則讓 Bionic 能快速找到相關檔案、追蹤行為、解釋陌生程式碼。Bionic 相容於 GLM 5.2 和 Kimi K2.7 Code 等強大的開放模型，讓你在控制成本的同時完成更多工作。

文件、簡報與試算表。 Bionic 也定位為通用生產力和深度知識工作的工具。你可以丟文件給它處理，或要求它從零生成新文件、簡報、試算表。在 Work 專案中，Bionic 於沙箱環境內處理文件，確保電腦上的其他檔案安全無虞。它能整理本地目錄、編輯檔案、摘要素材，並透過原生網頁搜尋引入外部脈絡。自動檢查點讓你可以安全地檢視或回溯變更，應用內預覽則將素材和工作流程集中在一個地方。LM Studio 表示正在持續增加更多檔案類型的預覽支援。

原生本地執行。 Bionic 內部可直接下載並執行本地模型，使用 LM Studio runtime 驅動。從簡單對話到進階 agentic 任務，都可以用本地模型完成。

雲端推論與預設零資料留存。 Bionic 也支援最新前沿開放模型的雲端推論，透過 LM Studio Secure Cloud 執行。隨著前沿開源模型在程式開發、推理、工具呼叫和長上下文任務上不斷進步，Bionic 讓使用者可以在 LM Studio Secure Cloud 中試用這些模型。使用雲端模型時，請求是瞬態處理的，請求完成後不會被保留。

入門方式。 Bionic 是一個全新的獨立 app，與原本的 LM Studio 分開。需要進階低階設定的使用者可以繼續使用 LM Studio 搭配 Bionic。使用雲端模型需要建立 LM Studio 帳號來設定計費。連接專案、選擇模型，就可以開始跟 Bionic agent 一起工作。

LM Studio 表示會隨著開放模型能力的成長以及使用者實際專案中的回饋，持續改善體驗。

城武觀點

「給開放模型的 AI agent」——這句話本身就是矛盾的。

如果模型真的開放，為什麼需要一個專屬的 agent 平台？真正開放的生態應該是：agent 能換、模型能換、雲端服務能換。你可以在 Cursor 裡用 Llama、在 Terminal 裡用 Qwen、在自架的 vLLM 上跑 Mixtral——agent 是殼，模型是心，服務是腿，三者各自獨力。但 LM Studio Bionic 把三者綑綁在一起：你用它的 agent、跑它支援的模型（雖然是開源的）、透過它的 Secure Cloud 做雲端推論。這不是開放，這是在開放模型的屍體上蓋自己的城堡。LM Studio 說「我們是給開放模型的 agent」，但更精確的描述是「我們是讓開放模型只能在我們平台上當 agent 的 agent」。換句話說，LM Studio 把「開放」從一種生態屬性降級成一個產品差異化標籤。真正的威脅不是閉源模型——閉源模型從不假裝開放。真正的威脅是把開放當作行銷術語的封閉平台，因為它會讓你放下戒心。

「Zero Data Retention」——沒有審計的財務報表。

LM Studio 的隱私成諾聽起來很乾淨：零資料留存、絕不訓練你的資料。但問題是：誰來驗證？在沒有第三方稽核、沒有開放原始碼的伺服器端、沒有可獨立驗證的資料處理記錄的情況下，「我們不保留你的資料」這句話，跟一家公司說「我們財報沒問題，不用審計」沒有本質區別。信了是你的事。更深的問題是：這類承諾正在成為一種新的「隱私清洗」——企業用一個聽起來很絕對的承諾換取你的信任，但把驗證的責任完全丟給使用者。你無法驗證，所以你只能選擇相信或離開。而大多數人會選擇相信，因為「Zero Data Retention」這幾個字太乾淨了，乾淨到你不忍心懷疑它。

城武的未解檔案——開放模型的未來不應該長成另一個有圍牆的花園，不管牆上貼了多少張「我們很開放」的貼紙。