Perplexity推出本地优先Agent Portable Computer，先登陆NVIDIA DGX Spark

Perplexity 于 8 月 25 日发布 Portable Computer，将 Agent 的主要运行从云端迁移至用户设备，首发支持 NVIDIA DGX Spark，并计划扩展到配备 RTX GPU 的个人电脑。系统采用“本地优先”混合架构，本地运行模型、编排器和沙箱等，仅在用户授权下将特定步骤升级到云端以调用搜索、连接器或更强推理能力。

Perplexity于8月25日推出 Portable Computer，将其 Computer Agent 的主要运行环节从云端搬到用户自己的设备上。产品首发支持 NVIDIA DGX Spark，之后将扩展到搭载 NVIDIA RTX GPU 的个人电脑。Perplexity称，模型、编排器、规划器、工具路由、调度器、持久任务队列和本地搜索索引都可以在设备上运行；只有在任务需要联网搜索、连接外部应用或更强推理时，才会在用户授权后升级到云端。

这项发布把 Perplexity 置于正在升温的本地 AI 竞争之中，也让 NVIDIA 的桌面级 AI 设备获得了一个面向普通知识工作的应用入口。与只提供本地模型推理的软件不同，Portable Computer试图把模型、Agent harness、工具、连接器和安全沙箱打包成一个应用，让用户无需自行搭建完整的本地 Agent 技术栈。

从本地文件处理开始，再按需连接云端

根据 Perplexity 的官方公告，Portable Computer可用于分析本地数据、综合文件和执行复杂工作流。用户可以让它读取文件、搜索代码库、在设备上执行操作并保持任务运行。

Perplexity表示，本地处理不会消耗 credits。当任务涉及最新网页信息、浏览器操作或前沿模型的复杂推理时，本地编排器才会请求用户许可，将相应步骤交给云端。官方称，系统可以在获得授权后调用 Perplexity Search、宽泛或深入研究功能，以及15个以上的云端前沿模型。

这种设计并不是完全离线的本地 AI，而是“本地优先”的混合架构。比如，用户可以把一份包含敏感信息的文件留在设备上，同时请求云端提供最新市场资料；也可以在本地分析代码或财务数据，再经授权把结果发送到 Slack 等服务。

产品目前支持 Google Drive、Gmail、Slack 和 GitHub 等连接器。Perplexity的产品页面还列出了 Outlook 连接器。官方称，当任务需要把设备上的内容发送到云端服务时，系统会先请求用户许可。

Perplexity还强调，代码和工具执行运行在隔离的沙箱环境中，并根据策略限制进程、文件路径和网络访问。如果沙箱不可用，Agent会在执行工具调用前停用，而不是退回到没有隔离保护的运行方式。这意味着，产品所说的隐私保护主要来自架构和权限机制；它并不等同于已经完成针对所有使用场景的独立安全审计。

Qwen 3.8 27B成为首发本地模型

Portable Computer首发提供 Qwen 3.8 27B 和 PPLX 27B 两个选项。后者是 Perplexity 在 Qwen 模型基础上、针对自身 Agent harness 进行后训练的版本。NVIDIA Nemotron 3.5 Lightning这一30B开放模型则被列为后续加入模型选择器的选项。

Perplexity在配套研究文章《A Local-First Agent for Private and Cost-Effective Knowledge Work》中表示，本地模型和 Agent harness 需要共同设计。该公司称，Qwen 3.8 27B虽然拥有较长的理论上下文窗口，但在超过10万 tokens 后开始出现性能下降，因此 Portable Computer采用简短的核心提示词，并把其他能力拆成按需加载的 skills。

这套思路与 Qwen 3.8 27B本身的开放部署路线相互衔接。AIFlux此前报道的阿里发布 Qwen3.8-27B 并开放模型权重显示，27B版本面向编码、研究和长周期 Agent 任务，但官方 benchmark 仍需要独立评测和真实生产场景验证。Portable Computer则进一步把模型放入一个带有调度、工具调用和安全控制的完整工作系统中。

Perplexity还公布了内部评测结果。在其包含53项深度研究、财务分析、文档制作和工程任务的 Local Knowledge Work Bench 中，使用 Qwen 3.8 27B 的 Computer 得分为82.6%，Pi harness为77.6%，Hermes为74.0%；使用后训练的 PPLX 27B后，得分升至85.4%。在 BrowseComp 网页研究测试中，Computer得分为66.7%，高于 Pi 的50.2%和 Hermes的43.9%。

这些结果来自 Perplexity 自行设计或运行的测试，不能直接视为独立机构的性能结论。研究文章同时承认，在 Terminal Bench 2.1等较难的编码任务中，本地模型仍落后于前沿云端模型；云端顾问可以缩小差距，但不能完全消除差距。

DGX Spark把本地Agent带入桌面级硬件

Perplexity首发选择的 NVIDIA DGX Spark是一台基于 Grace Blackwell GB10平台的桌面级 AI 计算设备。根据NVIDIA硬件文档，设备采用20核 Arm处理器、128GB统一内存和 Blackwell架构 GPU，支持最高约2000亿参数模型的相关部署场景，并配备1TB或4TB NVMe存储。

DGX Spark的意义不只是体积较小，而是把相对充足的统一内存和 Blackwell 加速能力放进一台个人设备。对于需要同时加载模型、文档、上下文和工具环境的 Agent 工作流，这比传统只面向聊天推理的本地应用提出了更高的硬件要求。

不过，Perplexity并没有把 Portable Computer 定位成一款面向所有电脑的即时升级。官方公告确认，首发版本面向 Pro 和 Max 订阅用户，当前支持 Linux，Windows支持将在之后推出；产品页面则显示，安装可以通过 Perplexity 应用的一键设置完成。媒体报道进一步提到，搭载至少24GB显存 RTX GPU 的 Linux 或 Windows 电脑将是后续主要硬件范围，但具体兼容性和发布时间仍应以 Perplexity 后续公告为准。

这一路线也和 NVIDIA近期推动的本地 Agent 硬件布局相呼应。AIFlux此前对NVIDIA与微软推出 RTX Spark的报道指出，行业正在尝试把模型运行、操作系统权限和个人电脑重新组合起来。Portable Computer则从应用层证明，桌面硬件不只可以运行单个模型，也可以承载一个包含规划、执行和云端路由的 Agent 系统。

本地优先能否改变Agent的成本结构

云端 Agent通常按订阅、token或任务额度计费。一个需要持续读取文件、反复调用工具并自行验证结果的长任务，可能产生比一次聊天更高的推理成本。Portable Computer试图将大量重复性和数据密集型步骤放到用户已经购买的硬件上完成，从而让这部分任务不再按 credits 计费。

Perplexity在配套研究中也把本地执行描述为一种成本和隐私的双重控制方式：敏感 token 不必发送到远程集群，本地推理也不产生按 token 计费的边际成本。但这种“零本地推理费用”并不意味着总成本为零。用户仍需要购买或拥有足够强的 GPU 设备，支付 Perplexity订阅费用，而需要云端搜索、连接器或更强模型的步骤仍可能消耗额度。

因此，Portable Computer的真正考验不只是能否在 DGX Spark 上运行 Qwen 3.8 27B，而是本地模型、Agent harness、沙箱和云端升级机制能否在真实工作中形成稳定闭环。用户需要知道哪些数据留在设备上、哪些步骤会离开设备，也需要能够审查、撤销和回滚 Agent的操作。

目前可以确认的是，Perplexity已经把一个本地模型和一套完整的 Agent执行栈结合起来，并选择 NVIDIA DGX Spark作为首发平台。至于 Windows版本的具体上线时间、RTX电脑的兼容范围、本地与云端之间的权限细节，以及 Perplexity 自行评测能否被外部复现，仍有待后续产品更新和独立测试回答。

来源

• Perplexity：Introducing Portable Computer for local-first AI
• Perplexity：Portable Computer产品页面
• Perplexity：A Local-First Agent for Private and Cost-Effective Knowledge Work
• The Register：Now Perplexity is trying to get into the local AI action
• VentureBeat：Perplexity partners with Nvidia to launch Portable Computer
• NVIDIA：NVIDIA and Local AI Community Fuel Open Source Models and Intelligent Agents
• NVIDIA：DGX Spark硬件概览