Jak Perplexity rozděluje práci AI mezi cloud a Mac

Perplexity chce uživatelům nabídnout obojí: výkon nejlepších cloudových modelů i větší kontrolu nad soukromými daty. Její funkce Hybrid Compute proto rozděluje jeden úkol mezi cloud a Mac s čipem Apple Silicon. Cloud zajišťuje webový průzkum, plánování a náročné uvažování, zatímco Mac zpracuje kroky týkající se soukromých souborů, citlivých údajů nebo místních akcí. Výsledky pak agent Computer spojí do jednoho výstupu. 1

Nejde tedy o úplně lokálního chatbota. Smyslem je ponechat v cloudu práci, která těží z rozsáhlé infrastruktury, a citlivé části přesunout přímo do počítače uživatele.

Jak Hybrid Compute funguje

Úloha může začít v cloudu, kde Computer provede vyhledávání, koordinaci jednotlivých kroků a složitější reasoning. Jakmile některý krok vyžaduje přístup k chráněným informacím nebo souborům uloženým na Macu, agent jej může předat lokálnímu modelu. Podle Perplexity se citlivý materiál při tomto procesu neposílá na její servery. 1 16

Hybrid Compute se tím liší od čistě lokálního AI asistenta: uživatel nepřichází o cloudový přístup k výzkumu a plánování, ale soukromý kontext může zůstat uvnitř zařízení.

Privacy Gate hlídá data před odesláním

Klíčovým prvkem je lokálně běžící Privacy Gate, který funguje jako kontrolní bod mezi Macem a cloudem. Perplexity uvádí, že její klasifikátor osobně identifikovatelných údajů (PII) kontroluje úlohu ještě předtím, než opustí počítač. Kontrola se podle dostupného popisu týká promptů, výstupů nástrojů, paměti, protokolů i souborů a dalšího obsahu úlohy. 1 5

Klasifikátor má rozpoznávat například:

• jména a adresy;
• čísla účtů a přihlašovací údaje;
• údaje platebních karet;
• informace z dokladů vydaných státem;
• další tajné nebo osobní údaje. 1 3

Pokud Privacy Gate najde potenciálně citlivý obsah, uživatel si může označené položky prohlédnout a rozhodnout, co dál. K dispozici je několik možností:

• ponechat údaje na Macu a zpracovat je lokálně;
• povolit jejich odeslání do cloudu;
• citlivé hodnoty před cloudovým zpracováním zamaskovat;
• akci odmítnout;
• vyžadovat výslovné schválení před odesláním do cloudu. 1 3

Při maskování se citlivé hodnoty nahradí zástupnými údaji. Cloudový model tak může pracovat se strukturou úkolu, aniž by obdržel původní identifikátory; po návratu výsledku se podle popisu Perplexity zástupné hodnoty opět obnoví. 1

Privacy Gate může snížit riziko nechtěného úniku, není však zárukou, že odhalí každou důvěrnou informaci. Výsledek závisí na přesnosti klasifikátoru, pravidlech směrování i na tom, jak uživatel nastaví schvalování jednotlivých kroků.

Které lokální modely jsou k dispozici?

Mezi úvodní lokální volby patří Gemma 4 E4B, Qwen3.6 35B-A3B a model Perplexity dodatečně trénovaný pro Computer. 1 4

Tyto kompaktní modely nemají ve všech úlohách nahrazovat nejsilnější cloudové systémy. Jejich úkolem je zpracovávat soukromý kontext a provádět lokální akce, zatímco cloudové modely nabídnou širší výzkum, plánování a náročnější uvažování.

Instalace nevyžaduje samostatný modelový stack

Perplexity se snaží nastavení zjednodušit. V aplikaci pro Mac uživatel jedním kliknutím stáhne lokální model, v nabídce modelů zvolí Hybrid a následně vybere lokální i cloudový model, který chce použít. Podle produktových informací není potřeba instalovat Ollamu, ručně konfigurovat runtime ani zadávat API klíč. 1

Lokální tokeny nespotřebovávají cloudové kredity

Inference prováděná lokálním modelem se nezapočítává do cloudových kreditů uživatele. Cloudové části stejné úlohy však dál využívají cloudové zpracování a podléhají příslušnému limitu nebo přidělenému objemu. 1 2

Hybrid Compute tak může být zajímavý nejen kvůli soukromí, ale i kvůli nákladům. Lokální generování nesnižuje příděl pro cloudové modely. Kompromisem je výkon: rychlost a kvalita místního zpracování závisí na sjednocené paměti Macu, zvoleném modelu a složitosti konkrétního kroku.

Úkol lze spustit z iPhonu

Funkce pracuje napříč zařízeními Apple. Uživatel může úlohu Computeru zahájit na iPhonu; ta začne v cloudu a následně Mac zpřístupní lokální soubory a provede citlivé kroky. Dokončený výsledek je pak dostupný napříč zařízeními. 1 5

Pro vzdálený přístup k lokálnímu zpracování Perplexity doporučuje vyhrazený Mac mini, který zůstane zapnutý. 1 Je to pohodlnější než ruční přesouvání souborů mezi zařízeními, zároveň ale Mac musí být v okamžiku lokálního kroku dostupný.

Co Perplexity zveřejnila jako open source

Perplexity uvádí, že zveřejnila zdrojový kód lokálního klasifikátoru PII používaného v Privacy Gate. Firma jej podle vlastního popisu vyvíjela ve spolupráci se svým Secure Intelligence Institute. 1 6

Možnost klasifikátor kontrolovat může bezpečnostním a podnikovým týmům poskytnout lepší přehled o mechanismu, který spouští lokální směrování. Sama o sobě ale nedokazuje, že systém v každém kontextu odhalí všechny druhy důvěrných informací.

Praktické scénáře pro profesionály

Právní práce

V příkladu Perplexity cloudový model vyhledává judikaturu, zatímco lokální model shrnuje důvěrné spisy, vytahuje z nich fakta, vytváří anonymizované výzkumné otázky a aktualizuje místní návrh právního podání. Zamýšleným přínosem je, že klientská data a případové spisy zůstanou na Macu, zatímco veřejný výzkum probíhá v cloudu. 1

Private equity a investiční výzkum

Investiční tým může cloud využít ke shromáždění veřejných dokumentů, srovnatelných transakcí a tržních informací. Lokální model mezitím přečte důvěrné materiály k transakci, vytáhne klíčové podmínky a předpoklady, porovná je s veřejným výzkumem a aktualizuje prezentaci pro investiční výbor nebo LBO analýzu. 1

Oba příklady ukazují stejné rozdělení práce: veřejné informace a široký průzkum míří do cloudu, zatímco důvěrné zdrojové materiály zůstávají uvnitř lokální hranice.

Hlavní kompromisy

Soukromí: Citlivé soubory mohou zůstat v zařízení, ochrana však závisí na správném rozpoznání obsahu a na schvalovacích volbách uživatele. 1 3

Náklady: Lokální inference nespotřebovává cloudové kredity, zatímco cloudové uvažování a vyhledávání dál využívají cloudové zdroje. 1 2

Rychlost: Cloud nabízí přístup k rozsáhlému výpočetnímu výkonu, lokální provedení zase eliminuje nutnost nahrávat chráněné soubory. Rychlost na Macu se liší podle dostupné paměti a zvoleného modelu. 1

Schopnosti: Nejpokročilejší cloudové modely zůstávají vhodnější pro náročné uvažování, webový výzkum a plánování. Lokální modely část výkonu obětují ve prospěch zpracování přímo v zařízení a větší kontroly nad daty. 1

Požadavky a dostupnost

Hybrid Compute vyžaduje Mac s čipem Apple Silicon, macOS 15 nebo novější a nejméně 24 GB sjednocené paměti. Perplexity pro nejlepší výsledky doporučuje 32 GB. 1 3

Podle dostupných produktových informací mohou funkci využívat předplatitelé Perplexity Pro, Max a Enterprise. U podnikových zákazníků je uváděna také možnost aktivace formou opt-in. 1 11

Firemní administrátoři mohou nastavit pravidla pro celou organizaci: určit, která data musejí zůstat lokálně, co lze před cloudovým zpracováním maskovat a u kterých akcí je nutné schválení uživatele. Mohou také kontrolovat, kdy informace zařízení opustily. 1

Kdy dorazí podpora Windows a Linuxu?

Dostupné materiály popisují Hybrid Compute jako funkci pro Mac a čipy Apple Silicon. Perplexity zatím neuvedla datum vydání pro Windows ani Linux, takže pro tyto platformy nelze potvrdit žádný termín.

Hybrid Compute je ve výsledku kompromisní řešení: uživatel si nemusí vybrat mezi schopnostmi cloudové AI a kontrolou lokálního zpracování. Perplexity se snaží pomocí Privacy Gate rozhodnout, které části práce agenta mohou zůstat na Macu a které lze bezpečně předat cloudu.