Firma Perplexity wypuściła Portable Computer, wersję swojej agentycznej platformy „Computer”, która działa wyłącznie na sprzęcie, który użytkownicy już posiadają – począwszy od superkomputera stacjonarnego DGX Spark firmy Nvidia po maszyny z systemem Linux wyposażone w procesory graficzne RTX. Opracowany w ścisłej współpracy z firmą Nvidia i ogłoszony 25 sierpnia 2026 r., jest to jedna z najbardziej agresywnych prób przeniesienia poważnych obciążeń agentów AI z chmury na urządzenia lokalne.
Schemat jest prosty, ale konkretny: model, pliki użytkownika i sama praca mogą pozostać na maszynie. Praca wykonywana lokalnie nie powoduje zużycia środków rozliczeniowych, każde zadanie domyślnie rozpoczyna się na urządzeniu, a system pyta o pozwolenie przed wysłaniem pojedynczego kroku do mocniejszego modelu granicznego w chmurze. Więcej kontekstu na ten temat znajdziesz w naszych wiadomości AI.
„W zasadzie przenieśliśmy dokładnie ten sam interfejs użytkownika do w pełni lokalnej aplikacji” – powiedział podczas poniedziałkowej konferencji prasowej Nate, wiceprezes ds. inżynierii w firmie Perplexity ds. infrastruktury i przedsiębiorstw. „Obejmuje to całą sieć agentów i wnioskowanie oraz wszystko, co jest potrzebne do działania lokalnie”.
Dla Nvidii, która przez ostatnie dwa lata sprzedawała na całym świecie centra danych AI warte bilion dolarów, ogłoszenie niesie subtelniejszy przekaz: producent chipów wierzy, że lokalna sztuczna inteligencja przekroczyła próg od hobbystycznej ciekawości do praktycznego narzędzia. „Lokalna sztuczna inteligencja osiągnęła punkt zwrotny” – powiedział Nader, dyrektor ds. technologii programistycznych w firmie Nvidia. „Przez długi czas hobbystów i entuzjastów... uruchamiano te skwantowane modele, które zostały skwantowane tak, aby były bardzo małe. I choć jest to fajne, nie jest zbyt praktyczne. Ale wszystko się zmieniło wraz z pojawieniem się wielu nowych modeli open source”.
Pełny lokalny stos AI w jednej aplikacji
Perplexity Computer, produkt w chmurze, koordynuje modele, pliki, narzędzia i dostęp do Internetu, aby wykonywać wieloetapowe zadania oparte na wiedzy — przeglądanie folderów z dokumentami, analizowanie danych i tworzenie raportów. Komputer przenośny replikuje to lokalnie, łącząc lokalne modele, wiązkę agentów, silnik wnioskowania, narzędzia, łączniki aplikacji i piaskownicę bezpieczeństwa w jedną aplikację. Łączenie ma znaczenie: w przypadku większości lokalnych stosów sztucznej inteligencji użytkownicy muszą sami złożyć te elementy — pobierając ciężarki, uruchamiając serwer wnioskowania i łącząc razem narzędzia.
W demonstracji prasowej system odgrywał rolę inwestora detalicznego przeglądającego folder zawierający 1099 banknotów i dokumenty inwestycyjne — rodzaj wrażliwych materiałów finansowych, których wielu użytkowników wahałoby się przed przesłaniem do usługi w chmurze. Prowadząc model Qwen o 27 miliardach parametrów przy pełnym wykorzystaniu procesora graficznego na platformie DGX Spark, agent sygnalizował przypadki, w których inwestor płacił niepotrzebne opłaty. Jak zauważył Perplexity, element interfejsu, który zwykle zlicza kredyty w chmurze, „jest po prostu zaparkowany na zero”.
Produkt jest również hybrydowy, a nie hermetyczny. W drugim demo przeanalizowano lokalnie plik CSV z danymi ścieżki użytkownika, a następnie przekazano gotową analizę do Slacka, korzystając z ekosystemu konektorów Perplexity. System łączy się z Dyskiem Google, Gmailem i GitHubem i może zostać przekształcony w model chmury granicznej, gdy model lokalny osiągnie swoje granice.
Wymagania i dostępność
W momencie premiery użytkownicy będą mogli uruchomić Qwen 3.8 27B lub PPLX 27B – wersję, którą Perplexity przeszkolił na własnej uprzęży – a wkrótce pojawi się Nemotron 3.5 Lightning firmy Nvidia. System wykorzystuje technologię vLLM do hostowania wnioskowania pod spodem, z trybem zaawansowanym dla użytkowników, którzy chcą podłączyć własny punkt końcowy. Dowolny procesor graficzny RTX z co najmniej 24 GB pamięci VRAM, mniej więcej GeForce RTX 3090 lub nowszy, czyści poprzeczkę.
Komputer przenośny jest już dostępny dla abonentów Pro, Max, Enterprise Pro i Enterprise Max w systemie Linux, a obsługa systemu Windows będzie dostępna we wrześniu.
Współprojektowanie modelu i uprzęży
Równolegle z premierą firma Perplexity opublikowała artykuł badawczy, w którym argumentuje, że skuteczni agenci lokalni wymagają wspólnego zaprojektowania modelu i uprzęży agenta — szkieletu podpowiedzi, narzędzi i logiki orkiestracji. Uprzęże ogólnego przeznaczenia zakładają modele pionierskie, które mogą wchłonąć ogromne konteksty i nawigować po rozległych powierzchniach narzędzi; małe lokalne modele uginają się pod tymi żądaniami. Zakłopotanie odkryło, że chociaż Qwen 3.8 27B reklamuje okno kontekstowe zawierające 260 000 tokenów, zaczyna mieć trudności z przekroczeniem 100 000 tokenów.
Odpowiedzią firmy jest celowo minimalistyczna konfiguracja: zwięzły komunikat systemowy, niewielki zestaw podstawowych narzędzi i możliwości, które ładują się i rozładowują jako „umiejętności” na żądanie. Przekształcił popularne złącza, takie jak Gmail i GitHub, z serwerów MCP wymagających dużej ilości tokenów w kompaktowe narzędzia wiersza poleceń, dodał punkty samoweryfikacji i wymusił zawsze włączone piaskownice na poziomie systemu operacyjnego — jeśli piaskownica jest niedostępna, wiązka sama się wyłącza, zamiast uruchamiać narzędzia bez ochrony.
Wyniki testów porównawczych Raporty Perplexity są uderzające, choć pochodzą z własnych ocen firmy. W swoim wewnętrznym środowisku Local Knowledge Work Bench — 53 zadania obejmujące głębokie badania, analizy finansowe i tworzenie dokumentów, które Perplexity planuje udostępnić jako oprogramowanie typu open source — komputer z systemem Qwen 3.8 27B na procesorze DGX Spark uzyskał 82,6% w porównaniu z 77,6% w przypadku uprzęży Pi typu open source i 74,0% w przypadku Hermesa korzystającego z identycznego modelu. Wytrenowany po treningu PPLX 27B firmy Perplexity podniósł wynik do 85,4%. W BrowseComp, benchmarku badań internetowych, komputer osiągnął dokładność 66,7% w porównaniu z 50,2% w przypadku Pi i 43,9% w przypadku Hermes, zużywając jednocześnie o 51% mniej czasu na ścianie i 70% mniej tokenów niż Pi.
Token Economics Kieruje lokalnymi agentami
Logika strategiczna staje się jasna po tym, jak zmieniły się obciążenia AI. Czat był burzliwy — pytanie, odpowiedź i gotowe. Agenci działają godzinami. „W przypadku agentów chcesz, aby byli oni zawsze włączeni, jeśli to możliwe... Widzimy nienasycony popyt na tokeny i to właśnie sprawia, że lokalna sztuczna inteligencja jest tak świetna” – powiedział Nader. „Nie byłeś liczony według tokena. Nie płaciłeś za token”.
Hybrydowy środek może być najbardziej interesującym komercyjnie rezultatem. W Terminal Bench 2.1, wymagającym teście porównawczym kodowania, w pełni lokalny model Qwen uzyskał 59,6% przy zasadniczo zerowym koszcie krańcowym. Pozwolenie na eskalację problemu do „doradcy” Claude Opus 5 w chmurze podniosło wynik do 73,0%, przy szacunkowej cenie 0,415 USD za zadanie, podczas gdy uruchomienie samego modelu granicznego uzyskało wynik 82,4% przy 0,65 USD za zadanie. Eskalacja pozwoliła odzyskać mniej więcej trzy piąte luki w stosunku do granicznej wydajności przy około dwóch trzecich kosztów – a użytkownik decyduje, kiedy warto dokonać transakcji. Przed jakimkolwiek wywołaniem doradcy wiązka uruchamia klasyfikator PII w kontekście wychodzącym i pokazuje użytkownikowi dokładnie, co opuści urządzenie; model zdalny zwraca tylko wskazówki tekstowe i nigdy nie dotyka lokalnych plików ani narzędzi.
Nvidia podkreśliła również, że skalowanie sprzętu wykracza poza pojedyncze pudełko: połączenie dwóch DGX Spark przez pamięć współdzieloną umożliwia uruchomienie modeli otwartych klasy frontierowej, takich jak najnowszy DeepSeek, cztery mogą uruchomić GLM 5.2 lub Nemotron Ultra, a Nader powiedział, że „widział nawet osiem Sparków podłączonych”.
Premiera stanowi przedłużenie partnerstwa, które budowano od ponad roku, po tym jak Nvidia i Perplexity ogłosiły w czerwcu 2025 r. suwerenną współpracę w zakresie sztucznej inteligencji dla europejskich wydawców i telekomów. Dla programistów rozważających zestaw Ollama, otwartych wiązek i samodzielnego wnioskowania, Portable Computer zakłada, że doświadczenie przypominające urządzenie — wspólnie zaprojektowany model, uprząż i piaskownica — ostatecznie sprawi, że sztuczna inteligencja lokalnego agenta stanie się głównym nurtem.
---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
