Perplexity 於 2026 年 8 月 25 日發表 Portable Computer，把代理平台 Perplexity Computer 整套搬到使用者自己的機器上執行。這項產品與 NVIDIA 共同開發，首先支援桌上型 AI 主機 NVIDIA DGX Spark。模型、對話紀錄與作業過程都不會離開裝置，在本機完成的工作也不會消耗任何點數。

預設不把資料送上雲端的架構

Perplexity Computer 是一個把模型、檔案、工具與網路存取整合起來，用來完成多步驟任務的代理平台。Portable Computer 把這一整套搬進了裝置端：協調器、規劃器、工具路由、排程器、任務佇列以及本機搜尋索引，全都在本機執行。

有些工作仍然需要外部世界，例如取得最新資訊、操作瀏覽器、呼叫已連接的應用程式，或是把棘手的判斷交給更強的模型。這些步驟會交給雲端，但一定要先取得使用者許可。系統會在送出之前，先把即將離開裝置的內容顯示給使用者確認。

可連接的服務包括 Google Drive、Gmail、Slack 與 GitHub。Perplexity 舉的例子是：在本機把 GitHub 上的 issue 與夜間寄達 Gmail 的問題回報對照分類，隔天早上把前 3 筆連同建議負責人送到 Slack。本機優先並不代表與外界斷線。

語音輸入同樣在本機完成。系統採用 NVIDIA 的 Nemotron 3.5 ASR 模型，轉寫與檔案操作都在本機處理，因此涉及機密內容的口述不會把音訊送上雲端。程式碼與工具的執行被隔離在沙箱內，Perplexity 表示其安全等級與雲端版本相同。

圍繞小模型重做整套支撐結構

技術上更值得注意的是，Perplexity 把模型與 harness（模型外圍的提示詞、工具組與協調邏輯）放在一起重新設計。通用 harness 假設使用的是能吞下超長脈絡、駕馭大量工具、進行長程規劃的前沿模型。把這套假設直接套在裝置端的小模型上，很快就會撐不住。

以 Qwen 3.8 27B 為例，它標稱支援 26 萬 token 的脈絡長度，但 Perplexity 在實測中發現，超過約 10 萬 token 之後表現就開始不穩。因此團隊把系統提示詞壓短、把常駐工具收窄，其餘能力全部拆成需要時才載入的「技能」。當任務拉長時，harness 還會把陳舊的脈絡摘要壓縮掉。

連接器的處理方式也不同。Gmail、GitHub 這類服務通常以 MCP 伺服器的形式接入，但其工具定義本身就會吃掉相當一部分脈絡。Perplexity 把最常用的幾個改寫成精簡的命令列工具，同時加入監控任務健康狀況、必要時觸發自我驗證的掛鉤。

沙箱是強制的。如果隔離環境無法使用，harness 會直接停用自己，而不是讓工具在無保護的狀態下執行。這與那些預設以使用者權限直接執行指令的開源 harness 形成明顯區別。

基準測試呈現的實力與差距

Perplexity 同日也發表了研究文章，公開自家的評測結果。在一套由 53 項日常知識工作任務組成的內部基準上，同樣搭載 Qwen 3.8 27B 時，自家 harness 得分 82.6%，Pi 為 77.6%，Hermes 為 74.0%，同時 token 用量最少，為 52 萬。若換成針對該 harness 做過後訓練的 PPLX 27B，得分進一步提升到 85.4%。

在包含 1,266 項任務的網路調查基準 BrowseComp 上，其得分為 66.7%，明顯領先 Pi 的 50.2% 與 Hermes 的 43.9%。用來衡量 PDF 與截圖解讀能力的 ParseBench-100 上，其得分為 65.1%，同樣高於 Hermes 的 34.6% 與 Pi 的 13.9%。

短板也很明確。在集結高難度程式任務的 Terminal Bench 2.1 上，純本機模型得分為 59.6%。啟用「卡住時向雲端更強模型求助」的機制後可提升到 73.0%，但仍不及單獨執行的 Claude Opus 5 所達到的 82.4%。API 成本方面，帶求助機制的方案為每次 0.415 美元（約 66 日圓），單獨使用 Claude Opus 5 則為 0.65 美元（約 103 日圓）。換句話說，用大約三分之二的成本，補上了與前沿模型約五分之三的差距。

※1 美元 = 159 日圓（截至 2026 年 8 月 26 日）

這些數字出自 Perplexity 自己的評測，尚未經過第三方複驗。不過該公司表示，計畫公開這套 53 項任務的基準，關於模型訓練細節的技術報告也會在近期發布。

可以執行的環境

Portable Computer 提供給 Pro 與 Max 訂閱使用者，執行環境為 NVIDIA DGX Spark。先推出 Linux 版本，Windows 支援隨後跟進。搭載 NVIDIA RTX GPU 的電腦也在規劃之列，安裝可透過 Perplexity 應用程式一鍵完成。

作為基礎的 DGX Spark 採用 GB10 Grace Blackwell 平台，配備 20 核心 Arm 處理器與 128GB 統一記憶體，體積屬於桌上型等級。能夠持續執行 27B 等級模型的硬體如今可以擺在辦公桌上，正是這次發表的前提。

首波可選的模型為 Qwen 3.8 27B 與 PPLX 27B，30B 的開源模型 NVIDIA Nemotron 3.5 Lightning 也已預告即將加入。

總結

Portable Computer 試圖把本機 AI 從「跑不跑得動」推進到「能不能真的做事」。Perplexity 以小模型的弱點為前提重做了整套支撐結構，只在必要時經使用者批准把難處交給雲端。這樣的取捨確實擴大了機密作業留在本機的可行範圍。程式開發這類硬骨頭上，與前沿模型的差距依然存在，但從裝置效能與開源模型的進步速度來看，這段距離正在縮小。