Så delar Perplexity upp AI-arbetet mellan molnet och din Mac

Perplexitys Hybrid Compute är byggt för att ge Computer-agenten tillgång till två typer av AI-bearbetning: kraftfulla frontmodeller i molnet och mindre modeller som körs direkt på en Mac med Apple Silicon. Molnet hanterar webbsökningar, planering och svårare resonemang, medan Macen tar hand om steg som rör privata filer, känslig information eller lokala åtgärder. Computer väver sedan ihop resultaten till ett enda arbetsflöde. 1

Poängen är alltså inte att köra hela uppgiften lokalt. I stället behåller Hybrid Compute molnets kapacitet för sådant som gynnas av fjärrinfrastruktur och flyttar känsliga delar till användarens egen Mac.

Så fungerar Hybrid Compute

En uppgift kan börja i molnet, där Perplexitys Computer-agent sköter sökning, samordning och analys. När ett steg kräver åtkomst till skyddad information eller filer på Macen kan agenten delegera just den delen till en lokal modell. Enligt Perplexity skickas det lokala resultatet sedan tillbaka till arbetsflödet utan att det känsliga materialet behöver skickas till företagets servrar. 1 16

Det gör Hybrid Compute annorlunda än en helt lokal chattbot. Användaren får fortfarande molnansluten research, men kan samtidigt använda lokal inferens för konfidentiellt arbete.

Privacy Gate ska stoppa känsliga uppgifter från att lämna Macen

Den lokala Privacy Gate fungerar som kontrollpunkt mellan Macen och molnet. Perplexity uppger att en PII-klassificerare på enheten granskar uppgiftsinformationen innan den lämnar datorn. Det rapporterade innehållet omfattar bland annat frågor, verktygsresultat, minne och loggar samt filer och annat material som hör till uppgiften. 1 5

Klassificeraren är utformad för att upptäcka exempelvis:

• namn och adresser,
• kontonummer och inloggningsuppgifter,
• kortuppgifter,
• uppgifter från myndighets-ID:n, och
• andra känsliga hemligheter eller personuppgifter. 1 3

När Privacy Gate hittar information som kan vara känslig kan användaren granska det som flaggats och välja hur processen ska fortsätta. Alternativen omfattar att:

• låta informationen stanna på Macen,
• godkänna att den laddas upp,
• maskera känsliga värden innan molnbearbetning,
• neka åtgärden, eller
• kräva ett uttryckligt godkännande innan information skickas vidare. 1 3

Vid maskering ersätts känsliga värden enligt Perplexitys beskrivning med platshållare under molnsteget och återställs i det svar som kommer tillbaka. 1 På så sätt kan en molnmodell arbeta med uppgiftens struktur utan att få tillgång till de ursprungliga identifierande uppgifterna.

Privacy Gate minskar risken för oavsiktligt röjande, men är ingen garanti för att varje konfidentiell detalj upptäcks. Integritetsskyddet beror fortfarande på hur väl klassificeraren identifierar innehållet, organisationens regler för dirigering och vilka godkännanden användaren ger.

Vilka lokala modeller finns?

De första lokala alternativen omfattar Gemma 4 E4B, Qwen3.6 35B-A3B och en Perplexity-modell som eftertränats för Computer. 1 4

De kompakta modellerna ska inte ersätta de starkaste molnmodellerna i alla typer av uppgifter. Deras roll är att bearbeta privat kontext och utföra lokala åtgärder, medan molnmodellerna står för bredare research, planering och resonemang på högsta nivå.

Installation och aktivering

Perplexitys upplägg är tänkt att slippa en separat teknisk miljö för lokala modeller. I Mac-appen laddar användaren ner en lokal modell med ett klick, väljer Hybrid i modellväljaren och väljer därefter vilken lokal och vilken molnbaserad modell som ska användas. Den tillhandahållna produktinformationen säger att varken Ollama, manuell konfigurering av en körmiljö eller en API-nyckel krävs. 1

Lokala tokens förbrukar inte molnkrediter

Inferens som hanteras av den lokala modellen räknas inte av från användarens molnkrediter. De delar av samma uppgift som körs i molnet använder däremot molninferens och omfattas av den tillgängliga molnkvoten. 1 2

Det gör funktionen intressant både ur integritets- och kostnadsperspektiv: känslig bearbetning kan stanna på den egna hårdvaran, samtidigt som lokalt genererade tokens inte minskar tilldelningen för molnmodeller. Nackdelen är att hastighet och resultatkvalitet lokalt beror på Macens enhetliga minne, vald modell och hur komplicerat steget är.

Starta en uppgift från iPhone

Hybrid Compute kan även användas mellan Apples enheter. En användare kan starta en Computer-uppgift från en iPhone. Uppgiften börjar då i molnet, medan Macen får åtkomst till lokala filer och utför de känsliga stegen. Det färdiga resultatet kan sedan visas på flera enheter. 1 5

För fjärråtkomst till lokal inferens rekommenderar Perplexity en dedikerad Mac mini som alltid är påslagen. 1 Det är smidigare än att manuellt flytta filer mellan enheter, men innebär samtidigt att Macen måste vara tillgänglig när ett lokalt steg behövs.

Perplexity har öppen källkod för klassificeraren

Perplexity uppger att företaget har gjort den lokala PII-klassificeraren bakom Privacy Gate till öppen källkod. Företaget beskriver klassificeraren som utvecklad tillsammans med Secure Intelligence Institute. 1 6

Att göra klassificeraren tillgänglig för granskning kan ge säkerhets- och företagsteam bättre insyn i vad som utlöser lokal dirigering. Det bevisar däremot inte i sig att alla typer av konfidentiell information upptäcks i varje tänkbar situation.

Exempel på arbetsflöden för yrkesverksamma

Juridiskt arbete

I Perplexitys exempel söker molnmodellen efter rättsfall, medan den lokala modellen sammanfattar sekretessbelagda akter, plockar ut fakta, skapar anonymiserade forskningsfrågor och uppdaterar ett lokalt utkast till en juridisk inlaga. Tanken är att klientdata och akter ska stanna på Macen, medan offentlig research kan göras med molnmodeller. 1

Private equity och investeringsanalys

För ett investeringsteam kan molnet samla in offentliga rapporter, jämförbara transaktioner och marknadsinformation. Den lokala modellen kan läsa konfidentiellt transaktionsmaterial, ta fram villkor och antaganden, jämföra dem med den offentliga researchen och uppdatera ett presentationsunderlag för investeringskommittén eller en LBO-analys. 1

Exemplen visar arbetsfördelningen: offentlig information och bred research går till molnet, medan konfidentiellt källmaterial stannar inom den lokala behandlingsgränsen.

De viktigaste kompromisserna

Integritet: Känsliga filer kan stanna på enheten, men skyddet beror på att klassificeringen fungerar och att godkännandeinställningarna används rätt. 1 3

Kostnad: Lokal inferens använder inte molnkrediter, medan resonemang och research i molnet fortfarande förbrukar molnresurser. 1 2

Hastighet: Molnmodeller ger snabb tillgång till storskalig inferens, medan lokal körning gör att skyddade filer inte behöver laddas upp. Den lokala prestandan varierar beroende på Macens minne och modellval. 1

Förmåga: Frontmodeller i molnet lämpar sig fortfarande bättre för krävande resonemang, webbresearch och planering. Lokala modeller byter en del av denna kapacitet mot bearbetning på enheten och större kontroll över data. 1

Krav och tillgänglighet

Funktionen kräver en Mac med Apple Silicon, macOS 15 eller senare samt minst 24 GB enhetligt minne. Perplexity rekommenderar 32 GB för bästa resultat. 1 3

Den tillhandahållna produktinformationen anger att abonnenter på Perplexity Pro, Max och Enterprise kan använda funktionen. 1 Rapportering beskriver också en väg för Enterprise-kunder att själva välja att aktivera den. 11

Administratörer i företag kan fastställa gemensamma regler för vilka uppgifter som måste stanna lokalt, vilken information som får maskeras före molnbearbetning och vilka åtgärder som kräver användarens godkännande. De kan även granska när information lämnar enheten. 1

Kommer Hybrid Compute till Windows eller Linux?

Det tillgängliga produktmaterialet beskriver Hybrid Compute som en Mac- och Apple Silicon-funktion. Något lanseringsdatum för Windows eller Linux anges inte, så det finns ingen bekräftad tidsplan att rapportera.

För tillfället är Hybrid Computes främsta idé en kompromiss: användaren behöver inte välja mellan moln-AI:s kapacitet och lokal bearbetnings kontroll. I stället använder systemet en lokal Privacy Gate för att avgöra vilka delar av agentens arbetsflöde som kan stanna på Macen och vilka som kan skickas till molnet.