Perplexity 于 2026 年 8 月 25 日发布 Portable Computer，把智能体平台 Perplexity Computer 整套搬到用户自己的机器上运行。该产品与英伟达联合开发，首先支持桌面级 AI 主机 NVIDIA DGX Spark。模型、对话记录和作业过程都不会离开设备，本地完成的工作也不消耗任何额度。

默认不把数据送上云端的架构

Perplexity Computer 是一个把模型、文件、工具和网络访问整合起来、用于完成多步骤任务的智能体平台。Portable Computer 把这一整套搬到了设备端：编排器、规划器、工具路由、调度器、任务队列以及本地检索索引，全部在本机运行。

有些工作仍然需要外部世界，比如获取最新信息、操作浏览器、调用已连接的应用，或者把棘手的判断交给更强的模型。这些步骤会交给云端，但必须先获得用户许可。系统会在发送之前，先把即将离开设备的内容展示给用户。

可连接的服务包括 Google Drive、Gmail、Slack 和 GitHub。Perplexity 举的例子是：在本地把 GitHub 上的 issue 与夜间送达 Gmail 的故障报告对照分类，第二天早上把排名前 3 的条目连同建议负责人发到 Slack。本地优先并不等于与外界隔绝。

语音输入同样在本地完成。系统使用英伟达的 Nemotron 3.5 ASR 模型，转写和文件操作都在本机处理，因此涉及机密内容的口述不会把音频传到云端。代码和工具的执行被隔离在沙箱内，Perplexity 表示其安全级别与云端版本一致。

围绕小模型重做整套支撑结构

技术上更值得关注的是，Perplexity 把模型和 harness（模型外围的提示词、工具集与编排逻辑）放在一起重新设计。通用 harness 假定使用的是能吞下超长上下文、驾驭大量工具、进行长程规划的前沿模型。把这套假设直接套在设备端的小模型上，很快就会崩掉。

以 Qwen 3.8 27B 为例，它标称支持 26 万 token 的上下文窗口，但 Perplexity 在实测中发现，超过约 10 万 token 之后表现就开始不稳。因此团队把系统提示词压短，把常驻工具收窄，其余能力全部拆成按需加载的「技能」。当任务变长时，harness 还会把陈旧的上下文摘要压缩掉。

连接器的处理方式也不同。Gmail、GitHub 这类服务通常以 MCP 服务器的形式接入，但其工具定义本身就会吃掉相当一部分上下文。Perplexity 把最常用的几个改写成了精简的命令行工具，同时加入了监控任务健康状况、必要时触发自我校验的钩子。

沙箱是强制的。如果隔离环境不可用，harness 会直接停止自己，而不是让工具在无保护状态下运行。这与那些默认以用户权限直接执行命令的开源 harness 形成明显区别。

基准测试给出的实力与差距

Perplexity 同日发布了研究文章，公开了自家的评测结果。在一套由 53 项日常知识工作任务组成的内部基准上，同样搭载 Qwen 3.8 27B 时，自家 harness 得分 82.6%，Pi 为 77.6%，Hermes 为 74.0%，同时 token 用量最少，为 52 万。换成针对该 harness 做过后训练的 PPLX 27B，得分进一步升至 85.4%。

在包含 1,266 项任务的网络调研基准 BrowseComp 上，其得分为 66.7%，明显领先 Pi 的 50.2%和 Hermes 的 43.9%。衡量 PDF 与截图解析能力的 ParseBench-100 上，其得分为 65.1%，同样高于 Hermes 的 34.6%和 Pi 的 13.9%。

短板也很明确。在汇集高难度编程任务的 Terminal Bench 2.1 上，纯本地模型得分为 59.6%。启用「卡住时向云端更强模型求助」的机制后可提升至 73.0%，但仍不及单独运行的 Claude Opus 5 所达到的 82.4%。API 成本方面，带求助机制的方案为每次 0.415 美元（约 66 日元），单独使用 Claude Opus 5 为 0.65 美元（约 103 日元）。换句话说，用大约三分之二的成本，补上了与前沿模型约五分之三的差距。

※1 美元 = 159 日元（截至 2026 年 8 月 26 日）

这些数字出自 Perplexity 自己的评测，尚未经过第三方复现。不过该公司表示，计划公开这套 53 项任务的基准，关于模型训练细节的技术报告也将在近期发布。

可运行的环境

Portable Computer 面向 Pro 与 Max 订阅用户，运行环境为 NVIDIA DGX Spark。首先提供 Linux 版本，Windows 支持随后跟进。搭载 NVIDIA RTX GPU 的 PC 也在计划之列，安装可通过 Perplexity 应用一键完成。

作为底座的 DGX Spark 基于 GB10 Grace Blackwell 平台，配备 20 核 Arm CPU 和 128GB 统一内存，体积为桌面级。能够持续运行 27B 级模型的硬件如今可以摆在办公桌上，这正是这次发布的前提。

首发可选的模型为 Qwen 3.8 27B 与 PPLX 27B，30B 的开源模型 NVIDIA Nemotron 3.5 Lightning 也已预告即将加入。

总结

Portable Computer 试图把本地 AI 从「能不能跑起来」推进到「能不能真正干活」。Perplexity 以小模型的短板为前提重做了整套支撑结构，只在必要时经用户批准把难点交给云端。这种取舍确实扩大了机密作业留在本机的可行范围。编程这类硬骨头上，与前沿模型的差距依然存在，但从设备性能和开源模型的进步速度来看，这段距离正在缩小。