A Perplexity lançou o Portable Computer, uma versão de sua plataforma de “computador” agente que roda inteiramente em hardware que os usuários já possuem – começando com o supercomputador desktop DGX Spark da Nvidia e máquinas Linux equipadas com GPUs RTX. Desenvolvido em estreita parceria com a Nvidia e anunciado em 25 de agosto de 2026, é uma das tentativas mais agressivas de transferir cargas de trabalho sérias de agentes de IA da nuvem para dispositivos locais.
A ideia é simples, mas consequente: o modelo, os arquivos do usuário e o trabalho em si podem ficar na máquina. O trabalho concluído localmente não consome créditos de faturamento, todas as tarefas são iniciadas no dispositivo por padrão e o sistema pede permissão antes de enviar qualquer etapa individual para um modelo de fronteira mais poderoso na nuvem. Para mais contexto sobre esta história, confira nossa últimos desenvolvimentos em IA.
“Basicamente, trouxemos exatamente a mesma interface de usuário para um aplicativo totalmente local”, disse Nate, vice-presidente de engenharia para infraestrutura e empresas da Perplexity, durante uma coletiva de imprensa na segunda-feira. "Isso incorpora todo o equipamento e inferência do agente e tudo o que é necessário para trabalhar localmente."
Para a Nvidia, que passou os últimos dois anos vendendo ao mundo data centers de IA de trilhões de dólares, o anúncio traz uma mensagem mais sutil: a fabricante de chips acredita que a IA local cruzou o limiar da curiosidade amadora para uma ferramenta prática. “A IA local atingiu um ponto de inflexão”, disse Nader, diretor de tecnologia para desenvolvedores da Nvidia. "Por muito tempo, foram hobbystas e entusiastas... rodando esses modelos quantizados até ficarem superminúsculos. E embora isso seja legal, não é muito prático. Mas tudo isso mudou com muitos desses novos modelos de código aberto."
Uma pilha de IA local completa em um aplicativo
Perplexity Computer, o produto em nuvem, orquestra modelos, arquivos, ferramentas e acesso à web para concluir tarefas de trabalho de conhecimento em várias etapas – revisando pastas de documentos, analisando dados e produzindo relatórios. O computador portátil replica isso localmente, agrupando os modelos locais, o equipamento do agente, o mecanismo de inferência, as ferramentas, os conectores de aplicativos e uma área restrita de segurança em um único aplicativo. O agrupamento é importante: com a maioria das pilhas locais de IA hoje, os usuários devem montar essas peças por conta própria – baixando pesos, montando um servidor de inferência e conectando ferramentas.
Numa demonstração para a imprensa, o sistema representou um investidor de varejo revisando uma pasta de 1099 e documentos de investimento – o tipo de material financeiro confidencial que muitos usuários hesitariam em enviar para um serviço em nuvem. Executando um modelo Qwen de 27 bilhões de parâmetros com utilização total da GPU em um DGX Spark, o agente sinalizou casos em que o investidor estava pagando taxas desnecessárias. O elemento de interface que normalmente registra os créditos da nuvem, observou Perplexity, “está estacionado em zero”.
O produto também é híbrido e não hermético. Uma segunda demonstração analisou um CSV de dados de funil do usuário localmente e, em seguida, enviou a análise finalizada para o Slack usando o ecossistema de conectores do Perplexity. O sistema se conecta ao Google Drive, Gmail e GitHub e pode escalar para um modelo de nuvem de fronteira quando o modelo local atinge seus limites.
Requisitos e disponibilidade
No lançamento, os usuários podem executar o Qwen 3.8 27B ou PPLX 27B – uma versão que a Perplexity pós-treinou em seu próprio equipamento – com o Nemotron 3.5 Lightning da Nvidia chegando em breve. O sistema usa vLLM para hospedar inferência abaixo, com um modo avançado para usuários que desejam conectar seu próprio endpoint. Qualquer GPU RTX com pelo menos 24 GB de VRAM, aproximadamente uma GeForce RTX 3090 ou mais recente, supera a barreira.
O computador portátil já está disponível para assinantes Pro, Max, Enterprise Pro e Enterprise Max no Linux, com suporte para Windows em setembro.
Co-projetando o modelo e o arnês
Juntamente com o lançamento, a Perplexity publicou um artigo de pesquisa argumentando que agentes locais eficazes exigem que o modelo e o equipamento do agente – a estrutura de prompts, ferramentas e lógica de orquestração – sejam projetados em conjunto. Chicotes de uso geral assumem modelos de fronteira que podem absorver contextos enormes e navegar por extensas superfícies de ferramentas; pequenos modelos locais cedem a essas demandas. A Perplexity descobriu que, embora o Qwen 3.8 27B anuncie uma janela de contexto de 260.000 tokens, ele começa a lutar além de 100.000 tokens.
A resposta da empresa é um aproveitamento deliberadamente mínimo: um prompt de sistema sucinto, um pequeno conjunto de ferramentas básicas e recursos que carregam e descarregam como "habilidades" sob demanda. Ele converteu conectores populares como Gmail e GitHub de servidores MCP que consomem muitos tokens em ferramentas compactas de linha de comando, adicionou ganchos de autoverificação e aplicou sandboxing sempre ativo no nível do sistema operacional – se a sandbox não estiver disponível, o chicote se desativa em vez de executar ferramentas desprotegidas.
Os resultados do benchmark Os relatórios da Perplexity são impressionantes, embora venham de avaliações da própria empresa. Em seu banco de trabalho de conhecimento local interno – 53 tarefas abrangendo pesquisa profunda, análise financeira e criação de documentos, que a Perplexity planeja abrir o código-fonte – o computador executando Qwen 3.8 27B em um DGX Spark obteve 82,6%, contra 77,6% para o arnês Pi de código aberto e 74,0% para Hermes executando o modelo idêntico. O PPLX 27B pós-treinado da Perplexity elevou a pontuação para 85,4%. No BrowseComp, um benchmark de pesquisa na web, o Computer atingiu 66,7% de precisão contra 50,2% para Pi e 43,9% para Hermes, enquanto usou 51% menos tempo de parede e 70% menos tokens que Pi.
The Token Economics Impulsionando Agentes Locais
A lógica estratégica fica clara na forma como as cargas de trabalho de IA mudaram. O bate-papo estava agitado - uma pergunta, uma resposta, pronto. Os agentes correm por horas. “Com os agentes, você quer que eles estejam sempre ativos, se puder... O que estamos vendo é uma demanda insaciável por tokens, e isso é algo que torna a IA local tão boa”, disse Nader. "Você não foi medido pelo token. Você não estava pagando pelo token."
O meio-termo híbrido pode ser o resultado comercialmente mais interessante. No Terminal Bench 2.1, um benchmark de codificação desafiador, o modelo Qwen totalmente local obteve 59,6% com custo marginal essencialmente zero. Deixá-lo escalar para um “consultor” Claude Opus 5 na nuvem aumentou a pontuação para 73,0%, com uma estimativa de US$ 0,415 por tarefa, enquanto executar o modelo de fronteira sozinho obteve 82,4%, com US$ 0,65 por tarefa. A escalada recuperou cerca de três quintos da diferença em relação ao desempenho da fronteira, com cerca de dois terços do custo – e o usuário decide quando vale a pena fazer a negociação. Antes de qualquer chamada do orientador, o chicote executa um classificador PII no contexto de saída e mostra ao usuário exatamente o que sairia do dispositivo; o modelo remoto retorna apenas orientação de texto e nunca toca em arquivos ou ferramentas locais.
A Nvidia também enfatizou que o hardware vai além de uma única caixa: conectar dois DGX Sparks em memória compartilhada executa modelos abertos de classe de fronteira como o mais recente do DeepSeek, quatro podem executar GLM 5.2 ou Nemotron Ultra, e Nader disse que "até viu oito Sparks serem conectados".
O lançamento estende uma parceria que vem sendo construída há mais de um ano, depois que Nvidia e Perplexity anunciaram uma colaboração soberana de IA para editoras e telecomunicações europeias em junho de 2025. Para desenvolvedores que pesam uma pilha DIY de Ollama, chicotes abertos e inferência auto-hospedada, a aposta da Portable Computer é que uma experiência semelhante a um dispositivo - modelo co-projetado, chicote e sandbox - é o que finalmente torna a IA de agente local popular.
---
Fique à Frente da IAAs últimas notícias, análises e avanços em inteligência artificial — tudo em um só lugar.
Ler mais notícias de IA →
