Bei Fakten, die sich ändern, sucht er, liest die Seiten, antwortet mit nummerierten Quellen und prüft dann seine eigene Antwort an diesen Quellen.
Zieh Text, Word, PDF oder Bilder hinein. Jeder Chat hat seinen Ordner; zeig einem Chat einen Projektordner, und er arbeitet dort.
Python in einer Sandbox, die nur in den Ordner des Chats schreiben kann. Pakete werden installiert, wenn sie gebraucht werden.
Er schaut sich deine Fotos und Screenshots an. Mit installierten Bildern erstellt er Zeichnungen und bearbeitet deine Fotos, lokal.
Er führt kurze Notizen darüber, wer du bist und wie du deine Antworten magst, in Dateien, die du lesen und bearbeiten kannst. Du kannst das jederzeit ausschalten.
Lade in Joshua weitere lokale Modelle herunter, die zu deinem Computer passen, halte sie aktuell, oder wähle für einen Chat ein größeres Cloud-Modell. Unter macOS 26 kann Joshua auch Apple Intelligence nutzen, das im Mac eingebaute Modell.
Eine eingebaute API im verbreiteten OpenAI-Format lässt deine Skripte, einen Roboter oder andere Apps Joshua nutzen, mit Werkzeugen und Gedächtnis, von diesem Computer oder aus dem Heimnetz. So nutzt du sie
Der Zielmodus arbeitet, bis eine Aufgabe erledigt und geprüft ist. Der Schwarmmodus fragt mehrere Agenten und führt die beste Antwort zusammen. Geplante Aufgaben starten von selbst zur festgelegten Zeit, solange Joshua offen und der Computer an ist. Mehr
Gib Joshua ein Ziel statt einer Frage. Er plant, nutzt seine Werkzeuge, prüft das Ergebnis und macht weiter, Runde um Runde bis zu der Grenze, die du festlegst, bis er das Ziel als erreicht markiert oder dir sagt, warum er es nicht schafft. „Lies die drei PDFs in diesem Chat und schreib einen einseitigen Vergleich als Word-Datei.“
Mehrere Agenten arbeiten gleichzeitig an derselben Anfrage, jeder auf seine Art: einer methodisch, einer skeptisch, einer praktisch. Joshua vergleicht dann ihre Antworten, prüft die Fakten, bei denen sie sich nicht einig sind, und schreibt eine einzige Antwort. Langsamer, besser bei schwierigen oder offenen Fragen. „Was sind die stärksten Argumente für und gegen die Vier-Tage-Woche?“
Bitte Joshua, etwas zu einer festen Zeit zu tun: einmal, jeden Tag, jede Woche oder alle paar Stunden. Jeder Lauf erscheint als neuer ⏰-Chat. „Fasse jeden Morgen um 8 die Nachrichten über künstliche Intelligenz zusammen.“ Aufgaben laufen, solange Joshua offen und der Computer an ist.
Das Modell denkt Schritt für Schritt nach, bevor es antwortet, und du kannst sein Nachdenken lesen. Langsamer, aber besser bei Mathe, Logik und Aufgaben mit vielen Teilen. Schalte es nur ein, wenn eine Frage es braucht.
Fine-Tuning passt mit deinen Beispielen einige der Milliarden Zahlen des Modells an, damit es eine Gewohnheit annimmt: einen Tonfall, ein Format, deinen Jargon. Joshua führt dich im Bereich Joshua etwas beibringen hindurch und erklärt jeden Schritt. Es läuft auf deinem Mac in 15–60 Minuten, und deine Beispiele verlassen ihn nie.
Dein eigenes Modell, kein Stapel Dokumente. Beim Fine-Tuning geht es nicht darum, dem Modell Dokumente zu geben, in denen es Antworten sucht: Dafür hat Joshua deine Dateien, sein Gedächtnis und das Web. Fine-Tuning verändert das Modell selbst. Joshua trainiert einen LoRA-Adapter: ein paar Millionen neue Zahlen neben den Milliarden des Modells, aus deinen Beispielen gelernt und dann zu einem neuen Modell zusammengeführt, das dir gehört, mit eigenem Namen im Modellmenü.
Warum kleine Modelle. Ein kleines Modell weiß weniger und denkt schlechter als die Riesen. Aber man kann es in einer Stunde auf einem Laptop nachtrainieren, kopieren und überall laufen lassen, also kann es zum Spezialisten für deinen Ton, deine Formate, den Jargon deines Fachs werden.
Bring ihm Stil bei, keine Fakten. Trainier ihn mit 200 Antworten über deine Firma, und er wird klingen, als kenne er sie, aber die Details erfinden. Für Fakten hat Joshua das Gedächtnis, deine Dateien und das Web.
joshua-<name>.Das Modell hat kein eigenes Gedächtnis. Jedes Mal, wenn du schreibst, schickt Joshua ihm das ganze Gespräch, und das Modell antwortet oder verlangt ein Werkzeug. Joshua nutzt das Werkzeug, fügt das Ergebnis hinzu und fragt erneut, bis zu 25 Runden.
Gebaut mit Ollama · qwen3-vl · FLUX.2 klein über mflux · mlx-lm · dem Konverter von llama.cpp · Gradio · anonyme Suche mit ddgs. Alles Open Source.