Perplexity Portable Computer 是 Perplexity 與 NVIDIA 於 2026 年 8 月 25 日推出的「本機優先」AI 代理平台。它不是單純把聊天模型下載到電腦，而是將模型、規劃器、代理協調器、工具、應用程式連接器、推論引擎與安全沙箱整合成一套可在支援硬體上執行的完整系統。35

它採用混合式設計：一般的多步驟工作先在使用者自己的電腦上處理；若某個子任務需要更強的前沿模型，才在取得使用者同意後尋求雲端協助。36

它和一般本機聊天機器人有何不同？

一般所謂的本機 AI，常常只代表「模型推論在裝置上完成」。Portable Computer 的目標更進一步：讓整個代理工作流程留在本機，包括：

• 協調器與規劃器
• 子代理模型
• 代理執行框架（agent harness）
• 推論引擎
• 工具與工具路由
• 應用程式連接器
• 安全沙箱 35

這代表它可以處理的不只是問答，還包括跨檔案、應用程式、連線服務與網路的多步驟工作。可執行的任務包括分析 CSV 和其他文件、擷取資料並產生報告、建立文件，以及處理包含稅務表格或券商紀錄的私人資料夾。138

在連接服務方面，Perplexity 列出的例子包括 Slack、Google Drive、Gmail 與 GitHub。138

本機執行如何協助保護隱私？

Portable Computer 的預設路徑是本機執行。Perplexity 表示，每項工作都會先在使用者的裝置上開始；本機模型可以直接處理檔案與工具，不會自動把整個工作流程送往雲端。本機完成的工作也不計入 Perplexity 的代幣限制或計費點數。13

這種架構可以減少敏感資料離開電腦的機會。對需要處理財務文件、企業資料或個人檔案的使用者而言，資料「預設留在本機」可能比單純追求最大雲端模型更重要。

Portable Computer 也為代理執行框架加入作業系統層級的安全沙箱。根據 Perplexity 的發布資訊，如果必要的沙箱無法使用，代理框架會停用工具執行，而不是在缺乏這層保護的情況下繼續運作。35

不過，「本機優先」不等於在所有情況下都完全不會連上伺服器。當本機模型無法完成某個步驟時，系統仍可請求雲端支援。

混合式雲端升級：先徵求同意再送出子任務

Portable Computer 並非每個工作都永遠只在本機執行。若系統判斷某個子任務需要更強的前沿雲端模型，它的設計是先向使用者提出請求，再將該個別步驟送到雲端；雲端回應完成後，結果會回到原本的本機工作流程。36

這種「由使用者把關」的路由方式，試圖在隱私與推理能力之間取得折衷：日常工作留在裝置上，複雜步驟則由使用者決定是否交給雲端。

目前提供的資料支持「雲端升級需要使用者同意」這項設計，但無法獨立確認原始說法中更具體的實作細節，例如個人識別資訊（PII）標記機制，或特定的純文字核准流程。因此，這些細節不應視為已獲證實的功能。36

首發支援哪些本機模型？

Portable Computer 首發提供兩個本機模型選項：

• Qwen 3.8 27B
• PPLX 27B：Perplexity 針對自身代理執行框架，在 Qwen 基礎上進一步訓練的版本 38

Perplexity 表示，之後計畫加入 NVIDIA Nemotron 3.5 Lightning 的支援。38

模型選擇相對集中，是本機執行的取捨之一。使用者獲得的是整合好的 AI 代理體驗，而不是雲端平台上所有前沿模型的完整選擇；換來的則是更多日常工作可以在自己控制的硬體上完成。

Perplexity 公布的效能數據

在 Perplexity 內部的 53 項 Local Knowledge Work Bench 測試中，公司公布以下結果：

• Qwen 3.8 27B 搭配 Computer：82.6%
• PPLX 27B：85.4%
• 使用相同模型的 Pi：77.6%
• 使用相同模型的 Hermes：74.0% 3

在 BrowseComp 測試中，Perplexity 報告 Portable Computer 達到 66.7%，相較之下 Pi 為 50.2%、Hermes 為 43.9%。同一比較中，公司也表示其實際經過時間比 Pi 少 51%，使用的代幣少 70%。在多模態文件理解測試中，Perplexity 報告的成績為 65.1%，Pi 與 Hermes 則分別為 34.6% 和 13.9%。3

這些是 Perplexity 自行執行並公布的評測結果，而不是獨立機構完成的基準測試。因此，它們可用來理解公司的效能主張，但不能視為 Portable Computer 在所有工作負載下都必然勝過其他本機 AI 代理的定論。

硬體與作業系統要求

Portable Computer 首發支援：

• NVIDIA DGX Spark
• 配備 NVIDIA RTX 顯示卡、至少 24GB VRAM 的 Linux 電腦，硬體等級約相當於 RTX 3090 或更新的產品 3515

Windows 支援原本預計在 2026 年 9 月推出。23

這也是首發版本最明顯的門檻。AI 代理不只要執行模型，還要同時處理規劃、工具、檔案與多步驟狀態，因此需要的運算能力和記憶體通常高於一般雲端聊天。現階段它主要面向擁有高階 NVIDIA 硬體的使用者，而非一般筆電用戶。

哪些 Perplexity 方案包含 Portable Computer？

以下訂閱方案可在不另加產品費用的情況下使用 Portable Computer：

• Pro
• Max
• Enterprise Pro
• Enterprise Max 3

「不另加費用」指的是訂閱方案包含使用權，並不代表不需要購買或準備相容硬體。

它如何延伸 Perplexity Computer？

Perplexity 在 2026 年 2 月推出 Computer，定位是一套以雲端為主的 AI 代理，能協調多個模型、瀏覽網路、使用工具並完成長時間、多步驟的工作流程。2528

2026 年 7 月推出的 Windows Personal Computer，則把這套代理能力帶到 Windows，讓使用者能在同一處處理本機檔案、Microsoft 365 與網路內容。18

Portable Computer 的位置可以這樣理解：

1. Computer：建立以雲端為主的多步驟 AI 代理。
2. Personal Computer：讓代理更貼近使用者的本機檔案與桌面應用程式。
3. Portable Computer：把核心代理執行環境本身搬到支援的本機硬體上，必要時再由使用者選擇是否使用雲端推理。31827

因此，它不是把本機推論做成另一個獨立聊天機器人，而是試圖在本機重現 Computer 的代理式工作流程。

隱私與便利性的取捨

Portable Computer 的重點不只是「讓模型在 GPU 上執行」。它將模型、協調器、代理框架、推論引擎、工具、連接器與沙箱包裝在一起，省去使用者自行拼裝本機 AI 代理軟體堆疊的麻煩。35

代價也很清楚：首發硬體要求高、作業系統支援有限，而且本機模型的推理範圍未必能媲美最新雲端系統。它提出的折衷方案是：把敏感和例行工作留在本機，只有在確實需要更強能力時，才讓使用者決定是否把特定步驟交給雲端。

對重視私人文件與企業資料控管的人來說，這種隱私優先的預設可能比隨時使用最大型雲端模型更有吸引力。至於一般使用者，在 Windows 支援擴大、硬體門檻降低之前，傳統雲端 AI 代理仍可能是更方便的選擇。

Perplexity Portable Computer 是 Perplexity 與 NVIDIA 於 2026 年 8 月 25 日推出的「本機優先」AI 代理平台。它不是單純把聊天模型下載到電腦，而是將模型、規劃器、代理協調器、工具、應用程式連接器、推論引擎與安全沙箱整合成一套可在支援硬體上執行的完整系統。35

它採用混合式設計：一般的多步驟工作先在使用者自己的電腦上處理；若某個子任務需要更強的前沿模型，才在取得使用者同意後尋求雲端協助。36

它和一般本機聊天機器人有何不同？

一般所謂的本機 AI，常常只代表「模型推論在裝置上完成」。Portable Computer 的目標更進一步：讓整個代理工作流程留在本機，包括：

• 協調器與規劃器
• 子代理模型
• 代理執行框架（agent harness）
• 推論引擎
• 工具與工具路由
• 應用程式連接器
• 安全沙箱 35

這代表它可以處理的不只是問答，還包括跨檔案、應用程式、連線服務與網路的多步驟工作。可執行的任務包括分析 CSV 和其他文件、擷取資料並產生報告、建立文件，以及處理包含稅務表格或券商紀錄的私人資料夾。138

在連接服務方面，Perplexity 列出的例子包括 Slack、Google Drive、Gmail 與 GitHub。138

本機執行如何協助保護隱私？

Portable Computer 的預設路徑是本機執行。Perplexity 表示，每項工作都會先在使用者的裝置上開始；本機模型可以直接處理檔案與工具，不會自動把整個工作流程送往雲端。本機完成的工作也不計入 Perplexity 的代幣限制或計費點數。13

這種架構可以減少敏感資料離開電腦的機會。對需要處理財務文件、企業資料或個人檔案的使用者而言，資料「預設留在本機」可能比單純追求最大雲端模型更重要。

Portable Computer 也為代理執行框架加入作業系統層級的安全沙箱。根據 Perplexity 的發布資訊，如果必要的沙箱無法使用，代理框架會停用工具執行，而不是在缺乏這層保護的情況下繼續運作。35

不過，「本機優先」不等於在所有情況下都完全不會連上伺服器。當本機模型無法完成某個步驟時，系統仍可請求雲端支援。

混合式雲端升級：先徵求同意再送出子任務

Portable Computer 並非每個工作都永遠只在本機執行。若系統判斷某個子任務需要更強的前沿雲端模型，它的設計是先向使用者提出請求，再將該個別步驟送到雲端；雲端回應完成後，結果會回到原本的本機工作流程。36

這種「由使用者把關」的路由方式，試圖在隱私與推理能力之間取得折衷：日常工作留在裝置上，複雜步驟則由使用者決定是否交給雲端。

目前提供的資料支持「雲端升級需要使用者同意」這項設計，但無法獨立確認原始說法中更具體的實作細節，例如個人識別資訊（PII）標記機制，或特定的純文字核准流程。因此，這些細節不應視為已獲證實的功能。36

首發支援哪些本機模型？

Portable Computer 首發提供兩個本機模型選項：

• Qwen 3.8 27B
• PPLX 27B：Perplexity 針對自身代理執行框架，在 Qwen 基礎上進一步訓練的版本 38

Perplexity 表示，之後計畫加入 NVIDIA Nemotron 3.5 Lightning 的支援。38

模型選擇相對集中，是本機執行的取捨之一。使用者獲得的是整合好的 AI 代理體驗，而不是雲端平台上所有前沿模型的完整選擇；換來的則是更多日常工作可以在自己控制的硬體上完成。

Perplexity 公布的效能數據

在 Perplexity 內部的 53 項 Local Knowledge Work Bench 測試中，公司公布以下結果：

• Qwen 3.8 27B 搭配 Computer：82.6%
• PPLX 27B：85.4%
• 使用相同模型的 Pi：77.6%
• 使用相同模型的 Hermes：74.0% 3

在 BrowseComp 測試中，Perplexity 報告 Portable Computer 達到 66.7%，相較之下 Pi 為 50.2%、Hermes 為 43.9%。同一比較中，公司也表示其實際經過時間比 Pi 少 51%，使用的代幣少 70%。在多模態文件理解測試中，Perplexity 報告的成績為 65.1%，Pi 與 Hermes 則分別為 34.6% 和 13.9%。3

這些是 Perplexity 自行執行並公布的評測結果，而不是獨立機構完成的基準測試。因此，它們可用來理解公司的效能主張，但不能視為 Portable Computer 在所有工作負載下都必然勝過其他本機 AI 代理的定論。

硬體與作業系統要求

Portable Computer 首發支援：

• NVIDIA DGX Spark
• 配備 NVIDIA RTX 顯示卡、至少 24GB VRAM 的 Linux 電腦，硬體等級約相當於 RTX 3090 或更新的產品 3515

Windows 支援原本預計在 2026 年 9 月推出。23

這也是首發版本最明顯的門檻。AI 代理不只要執行模型，還要同時處理規劃、工具、檔案與多步驟狀態，因此需要的運算能力和記憶體通常高於一般雲端聊天。現階段它主要面向擁有高階 NVIDIA 硬體的使用者，而非一般筆電用戶。

哪些 Perplexity 方案包含 Portable Computer？

以下訂閱方案可在不另加產品費用的情況下使用 Portable Computer：

• Pro
• Max
• Enterprise Pro
• Enterprise Max 3

「不另加費用」指的是訂閱方案包含使用權，並不代表不需要購買或準備相容硬體。

它如何延伸 Perplexity Computer？

Perplexity 在 2026 年 2 月推出 Computer，定位是一套以雲端為主的 AI 代理，能協調多個模型、瀏覽網路、使用工具並完成長時間、多步驟的工作流程。2528

2026 年 7 月推出的 Windows Personal Computer，則把這套代理能力帶到 Windows，讓使用者能在同一處處理本機檔案、Microsoft 365 與網路內容。18

Portable Computer 的位置可以這樣理解：

1. Computer：建立以雲端為主的多步驟 AI 代理。
2. Personal Computer：讓代理更貼近使用者的本機檔案與桌面應用程式。
3. Portable Computer：把核心代理執行環境本身搬到支援的本機硬體上，必要時再由使用者選擇是否使用雲端推理。31827

因此，它不是把本機推論做成另一個獨立聊天機器人，而是試圖在本機重現 Computer 的代理式工作流程。

隱私與便利性的取捨

Portable Computer 的重點不只是「讓模型在 GPU 上執行」。它將模型、協調器、代理框架、推論引擎、工具、連接器與沙箱包裝在一起，省去使用者自行拼裝本機 AI 代理軟體堆疊的麻煩。35

代價也很清楚：首發硬體要求高、作業系統支援有限，而且本機模型的推理範圍未必能媲美最新雲端系統。它提出的折衷方案是：把敏感和例行工作留在本機，只有在確實需要更強能力時，才讓使用者決定是否把特定步驟交給雲端。

對重視私人文件與企業資料控管的人來說，這種隱私優先的預設可能比隨時使用最大型雲端模型更有吸引力。至於一般使用者，在 Windows 支援擴大、硬體門檻降低之前，傳統雲端 AI 代理仍可能是更方便的選擇。