Perplexity 已将 Portable Computer 扩展到 Windows 版，支持配备至少 24GB 显存的 NVIDIA GeForce RTX 与 RTX PRO 工作站 GPU，使本地优先的 Agent 工作流能在更多 RTX PC 上运行，同时保持可按需升级到云端的混合架构。
Perplexity 于 2026 年 9 月 14 日宣布，Portable Computer 已加入 Windows 版 Perplexity 应用，面向配备至少 24GB 显存的 NVIDIA GeForce RTX 显卡和 NVIDIA RTX PRO 工作站 GPU。此次更新把 Perplexity 的本地优先 Agent 工作流从 NVIDIA DGX Spark 和 Linux RTX PC 扩展到更多 Windows 设备，但并不是一款全新产品的首次发布。
Perplexity 官方公告称，Portable Computer 面向 Pro 和 Max 订阅用户，也支持个人和企业计划。用户可以在现有的 Windows 应用中选择本地模型并完成下载，之后让 Agent 在本机处理文件、调用本地工具和运行长时间任务。
NVIDIA 的配套说明则确认，Windows 版本支持兼容的 GeForce RTX PC 和 RTX PRO Workstation。NVIDIA 将这一更新描述为对既有 DGX Spark 支持以及 Linux RTX PC 支持的延伸。
Portable Computer 从云端 Agent 转向本地优先
Portable Computer 的核心并不是把聊天窗口简单搬到电脑上，而是将模型、Agent harness、编排器、调度器和任务队列放到用户设备上运行。Perplexity 表示，系统可以分析本地文件、跨文档和代码库整理信息，并执行多步骤工作流。
在本地完成的工作不会消耗 Perplexity Computer credits。对需要反复读取文件、处理表格或执行定期分析的任务来说，这意味着用户不必为每一次本地推理都依赖远程服务。
Perplexity 给出的例子包括：让 Agent 每天读取指定文件夹中的货运发票，与本地承运商费率表核对并标记重复收费；审查 GitHub 拉取请求并按状态分类；或者结合本地数据生成报告，再把经用户批准的结果发送到 Slack。Gmail、Outlook、Slack 和 GitHub 等连接器也可以加入相关工作流。
不过，这并不意味着 Portable Computer 在所有情况下都完全离线运行。若任务需要最新网页信息、浏览器操作、外部连接器，或更强的推理能力，系统可以调用 Perplexity Search 或云端前沿模型。官方说明显示，Portable Computer 支持接入 15 个以上的前沿模型。
当任务需要把设备上的内容发送到云端时，系统会先请求用户许可。换言之，它采用的是本地优先的混合架构，而不是把所有数据自动留在本机，或把所有任务自动送往云端。
Windows 版本的硬件门槛仍然较高
此次更新对硬件提出了明确要求：本地推理需要 NVIDIA GeForce RTX 或 RTX PRO GPU，并至少具备 24GB 显存。这个门槛意味着，Portable Computer 的 Windows 支持并不等同于面向普通办公电脑的普遍开放。
24GB 显存的要求主要决定了可加载模型的规模、上下文处理空间以及 Agent 在执行文件分析和工具调用时的余量。实际体验还会受到 GPU 型号、驱动、Perplexity 软件版本、操作系统环境和地区配置影响，因此“支持 Windows”并不代表所有 Windows RTX 设备都能获得完全相同的模型或功能。
NVIDIA 介绍的本地模型示例包括经过适配的 Qwen 3.8 27B。Perplexity 的 Windows 公告则重点强调了符合条件的 GPU 和应用内下载流程，并没有在同一页面对所有地区、所有 Windows 设备的模型可用性作出统一承诺。用户能否看到某个具体模型，仍应以应用内模型选择器和当地服务配置为准。
这也是本次更新需要注意的范围边界：官方公告确认的是产品支持范围和硬件门槛，而不是对所有兼容设备都提供相同的本地模型组合、性能或功能保证。
本地 MCP 工具把 Agent 带入桌面应用
Perplexity 还表示，Portable Computer 可以通过运行在 Windows 设备上的本地 Model Context Protocol（MCP）服务器连接其他桌面应用。这样，Agent 处理的就不只是文件，还可以调用本地软件提供的工具。
官方给出的应用范围包括文档、电子表格、演示文稿、PDF、代码和图像。比如，设计人员可以把本地安装的软件通过 MCP 连接到 Portable Computer，让 Agent 读取文件并执行创建或修改操作，同时让模型、源文件和应用交互留在设备上。
这使 Portable Computer 与单纯的本地模型运行器有所区别。用户面对的不只是一个可以离线生成文本的模型，而是一套包括规划、工具调用、任务调度和权限边界的 Agent 执行环境。
但这种能力也会提高权限管理的重要性。只要 Agent 可以读取本地文件、调用桌面软件或向外部服务发送结果，用户就需要清楚知道哪些目录和应用被授权、哪些操作需要人工确认，以及哪些步骤会离开本机。Perplexity 称其工具执行运行在隔离的沙箱环境中；其配套研究文章也表示，如果沙箱不可用，系统会停用相关执行能力，而不是退回到没有隔离保护的模式。
从 DGX Spark 到 Windows，竞争转向完整工作流
Perplexity 在 8 月首先发布 Portable Computer 时，产品面向 NVIDIA DGX Spark，并计划随后支持 RTX GPU PC。此前的 AIFlux 报道已经介绍了其本地优先架构、云端升级机制以及首发硬件背景。
此次 Windows 更新的意义在于，它把一套完整的 Agent 软件栈带到了更广泛的个人电脑和工作站环境中。对于 NVIDIA 来说，这也为 RTX 硬件提供了一个超越单模型聊天的应用案例：GPU 不只是用来运行一次推理，而是用来承载持续运行的文件处理、工具调用和定时任务。
这条路线与 NVIDIA 近期推动的个人本地 AI 生态相互呼应。比如，NVIDIA 发布的 PAIR 本地推理路由工具试图把多台个人电脑组织成可调度的本地推理节点。两者都说明，本地 AI 的竞争重点正在从“能否运行一个模型”，转向“能否稳定运行一整套 Agent 工作流”。
这种转变也意味着，模型参数规模不再是唯一的衡量标准。调度、上下文管理、工具路由、沙箱、权限确认、本地与云端之间的边界，以及任务失败后的复核机制，都将影响用户是否愿意把真实工作交给 Agent。
隐私和成本优势仍有现实条件
Portable Computer 的本地执行有两项直接吸引力。第一，敏感文件和本地代码可以在获得授权前留在设备上；第二，本地完成的推理不按 Perplexity Computer credits 计费。这对需要持续运行的知识工作尤其重要，例如周期性财务核对、代码审查和内部文档处理。
但“本地推理不消耗 credits”不等于使用成本为零。用户需要先拥有满足显存要求的 GPU，并承担硬件、电力、散热和维护成本；同时，搜索、云端连接器和更强模型推理仍可能需要联网、订阅或额度。对于复杂任务，本地模型与云端模型之间的切换也会影响数据边界和结果延迟。
Perplexity 在此前的研究文章《A Local-First Agent for Private and Cost-Effective Knowledge Work》中公布过自有评测结果：在其 Local Knowledge Work Bench 中，使用 Qwen 3.8 27B 的 Computer 得分为 82.6%，而经过后训练的 PPLX 27B 得分为 85.4%。这些数字来自 Perplexity 自行设计或运行的测试，不能直接等同于独立机构的普遍性能结论。该研究同时承认，在较难的编码任务中，本地模型仍落后于前沿云端模型，云端升级只能缩小而不能完全消除差距。
因此，Windows 版本的真正考验不只是能否把模型装入 24GB 显存，而是本地模型、Agent harness、沙箱、连接器和云端升级机制能否在真实环境中形成可靠闭环。用户还需要观察不同 GPU 和软件版本下的兼容性、性能，以及本地与云端切换时的权限提示是否足够清晰。
截至目前，可以确认的是，Portable Computer 已从 DGX Spark 和 Linux RTX 环境扩展到符合条件的 Windows RTX PC，并继续沿用本地优先、按需升级到云端的产品路线。至于它能否覆盖更广泛的 Windows 用户，以及本地 Agent 是否会成为高端个人电脑的常规软件形态，还要等待更多设备、模型和独立测试的验证。