Perplexity heeft Portable Computer gelanceerd, een versie van zijn agentische 'computer'-platform dat volledig draait op hardware die gebruikers al bezitten - te beginnen met Nvidia's DGX Spark desktop-supercomputer en Linux-machines uitgerust met RTX GPU's. Ontwikkeld in nauwe samenwerking met Nvidia en aangekondigd op 25 augustus 2026, is het een van de meest agressieve pogingen tot nu toe om serieuze AI-agentworkloads van de cloud naar lokale apparaten te verplaatsen.
De pitch is eenvoudig maar consequent: het model, de bestanden van de gebruiker en het werk zelf kunnen allemaal op de machine blijven. Voor lokaal voltooid werk zijn geen factureringskredieten nodig, elke taak start standaard op het apparaat en het systeem vraagt toestemming voordat een individuele stap naar een krachtiger grensmodel in de cloud wordt gestuurd. Voor meer context over dit verhaal, zie ons meer AI-verhalen.
"We hebben feitelijk exact dezelfde gebruikersinterface naar een volledig lokale app gebracht", zei Nate, vice-president engineering voor infrastructuur en ondernemingen van Perplexity, tijdens een persconferentie maandag. "Dit omvat het geheel van het harnas en de gevolgtrekking van agenten en alles wat nodig is om lokaal te werken."
Voor Nvidia, dat de afgelopen twee jaar de wereld heeft verkocht via AI-datacenters ter waarde van biljoenen dollars, draagt de aankondiging een subtielere boodschap uit: de chipmaker gelooft dat lokale AI de drempel heeft overschreden van hobbyistische nieuwsgierigheid naar praktisch hulpmiddel. "Lokale AI heeft een keerpunt bereikt", zegt Nader, directeur ontwikkelaarstechnologie bij Nvidia. "Lange tijd waren het hobbyisten en enthousiastelingen... die deze gekwantiseerde modellen lieten draaien, zo klein dat ze superklein waren. En hoewel dat cool is, is het niet superpraktisch. Maar dat veranderde allemaal met veel van deze nieuwe open source-modellen."
Een volledige lokale AI-stack in één app
Perplexity Computer, het cloudproduct, orkestreert modellen, bestanden, tools en webtoegang om kenniswerktaken in meerdere stappen uit te voeren: het beoordelen van mappen met documenten, het analyseren van gegevens en het produceren van rapporten. Portable Computer repliceert dat lokaal, waarbij de lokale modellen, agentharnas, inferentie-engine, tools, app-connectors en een beveiligingssandbox in één enkele applicatie worden gebundeld. Het bundelen is van belang: bij de meeste lokale AI-stacks moeten gebruikers die onderdelen zelf in elkaar zetten: gewichten downloaden, een inferentieserver opzetten en tools met elkaar verbinden.
In een persdemonstratie speelde het systeem een particuliere belegger die een map met 1099's en investeringsdocumenten doornam - het soort gevoelig financieel materiaal dat veel gebruikers zouden aarzelen om naar een cloudservice te uploaden. Door een Qwen-model met 27 miljard parameters bij volledig GPU-gebruik op een DGX Spark uit te voeren, signaleerde de agent gevallen waarin de investeerder onnodige kosten betaalde. Het interface-element dat normaal gesproken de cloudcredits telt, merkte Perplexity op, "staat gewoon op nul geparkeerd."
Het product is ook hybride in plaats van hermetisch. Een tweede demo analyseerde lokaal een CSV van gebruikerstrechtergegevens en pushte de voltooide analyse vervolgens naar Slack met behulp van het connector-ecosysteem van Perplexity. Het systeem maakt verbinding met Google Drive, Gmail en GitHub en kan escaleren naar een frontier-cloudmodel wanneer het lokale model zijn grenzen bereikt.
Vereisten en beschikbaarheid
Bij de lancering kunnen gebruikers Qwen 3.8 27B of PPLX 27B gebruiken – een versie die Perplexity heeft getraind op zijn eigen harnas – en binnenkort komt Nvidia’s Nemotron 3.5 Lightning. Het systeem gebruikt vLLM om de inferentie eronder te hosten, met een geavanceerde modus voor gebruikers die hun eigen eindpunt willen aansluiten. Elke RTX GPU met minimaal 24 GB VRAM, grofweg een GeForce RTX 3090 of nieuwer, legt de lat hoger.
Draagbare computer is nu beschikbaar voor Pro-, Max-, Enterprise Pro- en Enterprise Max-abonnees op Linux, met Windows-ondersteuning in september.
Co-ontwerp van het model en het harnas
Naast de lancering publiceerde Perplexity een onderzoekspaper waarin werd betoogd dat effectieve lokale agenten vereisen dat het model en het agentenharnas – de steiger van aanwijzingen, hulpmiddelen en orkestratielogica – samen worden ontworpen. Harnassen voor algemeen gebruik gaan uit van grensmodellen die enorme contexten kunnen absorberen en door uitgestrekte gereedschapsoppervlakken kunnen navigeren; kleine lokale modellen bezwijken voor die eisen. Perplexity ontdekte dat hoewel Qwen 3.8 27B adverteert met een contextvenster van 260.000 tokens, het begint te worstelen met meer dan 100.000 tokens.
Het antwoord van het bedrijf is een bewust minimaal harnas: een beknopte systeemprompt, een kleine set kerntools en mogelijkheden die kunnen worden geladen en ontladen als on-demand 'vaardigheden'. Het heeft populaire connectoren zoals Gmail en GitHub omgebouwd van token-hongerige MCP-servers naar compacte commandoregeltools, zelfverificatie-hooks toegevoegd en altijd ingeschakelde sandboxing op OS-niveau afgedwongen. Als de sandbox niet beschikbaar is, schakelt het harnas zichzelf uit in plaats van tools onbeschermd uit te voeren.
De benchmarkresultaten van Perplexity-rapporten zijn opvallend, hoewel ze afkomstig zijn van de eigen evaluaties van het bedrijf. Op zijn interne Local Knowledge Work Bench – 53 taken die diepgaand onderzoek, financiële analyse en documentcreatie omvatten, die Perplexity van plan is open source te maken – scoorde een computer met Qwen 3.8 27B op een DGX Spark 82,6%, tegenover 77,6% voor het open-source Pi-harnas en 74,0% voor Hermes met hetzelfde model. Perplexity's post-getrainde PPLX 27B duwde de score naar 85,4%. Op BrowseComp, een benchmark voor webonderzoek, bereikte Computer een nauwkeurigheid van 66,7% versus 50,2% voor Pi en 43,9% voor Hermes, terwijl hij 51% minder muurtijd en 70% minder tokens gebruikte dan Pi.
De Token Economics die lokale agenten aandrijven
De strategische logica wordt duidelijk in de manier waarop AI-workloads zijn veranderd. De chat was barstensvol: een vraag, een antwoord, klaar. Agenten zijn urenlang bezig. "Bij agenten wil je dat deze agenten altijd aan staan als je kunt... Wat we zien is een onverzadigbare vraag naar tokens, en dat is iets dat lokale AI zo geweldig maakt", zei Nader. 'Je werd niet gemeten op basis van het token. Je betaalde niet voor het token.'
De hybride middenweg is misschien wel het commercieel meest interessante resultaat. Op Terminal Bench 2.1, een uitdagende coderingsbenchmark, scoorde het volledig lokale Qwen-model 59,6% tegen vrijwel nul marginale kosten. Door het te laten escaleren naar een Claude Opus 5 "adviseur" in de cloud steeg de score naar 73,0% met een geschatte $0,415 per taak, terwijl het uitvoeren van het frontier-model alleen al 82,4% scoorde met $0,65 per taak. Escalatie heeft grofweg drie vijfde van het verschil met de grensprestaties goedgemaakt tegen ongeveer twee derde van de kosten – en de gebruiker beslist wanneer de transactie de moeite waard is. Voordat een adviseur belt, voert het harnas een PII-classificator uit over de uitgaande context en laat de gebruiker precies zien wat het apparaat zou verlaten; het externe model retourneert alleen tekstbegeleiding en raakt nooit lokale bestanden of tools aan.
Nvidia benadrukte ook dat de hardware verder reikt dan één enkele box: door twee DGX Sparks via gedeeld geheugen aan te sluiten, kunnen open modellen van grensklasse worden uitgevoerd, zoals de nieuwste van DeepSeek, vier kunnen GLM 5.2 of Nemotron Ultra draaien, en Nader zei dat hij "zelfs acht Sparks met elkaar heeft zien verbinden."
De lancering verlengt een partnerschap dat al meer dan een jaar aan het opbouwen is, nadat Nvidia en Perplexity in juni 2025 een soevereine AI-samenwerking voor Europese uitgevers en telecombedrijven hadden aangekondigd. Voor ontwikkelaars die een doe-het-zelf-stapel van Ollama, open harnassen en zelf-gehoste gevolgtrekkingen afwegen, is de weddenschap van Portable Computer dat een apparaatachtige ervaring – een gezamenlijk ontworpen model, harnas en sandbox – uiteindelijk zal zijn wat lokale agentische AI mainstream maakt.
---
Blijf Voorop met AIHet laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.
Lees meer AI-nieuws →
