Perplexity hat die Funktion Hybrid Compute für seine agentenbasierte Plattform Computer eingeführt, um die Fähigkeiten fortschrittlicher Cloud-Modelle mit dem Datenschutz lokaler Verarbeitung zu verbinden. Die Funktion ermöglicht es dem Agenten, eine Aufgabe in der Cloud zu beginnen und anschließend die Teile, die private Dateien oder auf dem Gerät gespeicherte Daten betreffen, an ein lokal auf einem Mac mit Apple-silicon-Chip ausgeführtes Modell zu delegieren, ohne die Aufgabe neu zu starten oder ihren Kontext zu verlieren.
Die Funktion ist ab dem 1. September 2026 über die Perplexity-Desktop-App für Unternehmenskunden verfügbar, die sie aktivieren, ebenso für Pro- und Max-Abonnenten, auf jedem Mac mit Apple-silicon-Prozessor, auf dem macOS 15 oder neuer läuft. Das Unternehmen nannte in dem Material keinen konkreten Termin für die Unterstützung von Windows oder Linux und erklärte lediglich, dass diese später folgen werde.
Wie verteilt die Plattform die einzelnen Aufgaben?
Die Architektur fungiert als Koordinationsschicht beziehungsweise Aufgabenverteiler. Ein fortschrittliches Modell in der Cloud zerlegt die Anfrage in Teilaufgaben und entscheidet anschließend, wo die jeweilige Aufgabe ausgeführt wird. Websuche, langfristige Planung und rechenintensive Schlussfolgerungsaufgaben können in der Cloud verbleiben, während Vorgänge, die private Dateien, lokale Daten oder Geräteaktionen berühren, an einen auf dem Mac ausgeführten Unteragenten gesendet werden.
Perplexity verwendet dafür das sogenannte Privacy Gate, einen vom Unternehmen trainierten Klassifikator, der auf dem Gerät läuft und personenbezogene Informationen wie Namen, Adressen, Kontonummern und Geheimnisse prüft, bevor Inhalte in die Cloud übertragen werden. Werden sensible Daten erkannt, entscheidet der Nutzer, ob der betreffende Teil lokal ausgeführt oder mit dem Cloud-Koordinator geteilt wird. Nach Angaben des Unternehmens verlassen die bei der lokalen Ausführung erzeugten Token das Gerät nicht.
Lokale Modelle und andere Kosten
Zum Start können Nutzer zwischen drei lokalen Modellen wählen: Gemma E4B von Google, Qwen3.6 35B-A3B von Alibaba und einer von Perplexity nachtrainierten Version von Qwen3.6 35B, die das Unternehmen empfiehlt. Jon Staff, der bei Perplexity die macOS- und iOS-Engineering-Teams leitet, erklärte, dass beim lokalen Betrieb eines Qwen-Modells keine Token an einen in einem anderen Land gehosteten Cloud-Anbieter gesendet würden. Außerdem wies er darauf hin, dass die Modelle des Unternehmens in den Vereinigten Staaten gehostet werden.
Die bei der lokalen Ausführung erzeugten Token werden laut Staff nicht auf die Nutzungskontingente angerechnet, während Kontingente für die Koordination und die Cloud-Delegation verwendet werden. Perplexity empfiehlt jedoch mindestens 32 GB Unified Memory, um die leistungsfähigeren lokalen Modellklassen auszuführen. Staff räumte ein, dass das kleinere Modell eine deutlich schwächere Leistung als die größeren Qwen-Modelle bietet.
Was ändert sich dadurch praktisch für Unternehmen?
Perplexity stellte Anwendungsfälle vor, die auf Aufgaben abzielen, bei denen sich vollständige Datensätze nur schwer an einen Cloud-Agenten senden lassen. In einem rechtlichen Beispiel verarbeitete das System vertrauliche Fallakten lokal, während es über das Web nach öffentlich zugänglichen Gerichtspräzedenzfällen suchte und nach Angaben des Unternehmens lediglich anonymisierte Rechtsfragen übermittelte. In einem weiteren Beispiel überarbeitete ein Agent ein Finanzmodell auf Grundlage vertraulicher Managementprognosen, verglich es mit öffentlichen Daten und erstellte anschließend innerhalb von etwa 40 Minuten im Hintergrund eine fünfte Version einer Präsentation für das Investitionskomitee.
Der Nutzer kann die Aufgabe auch auf einem iPhone starten und Computer die Erlaubnis erteilen, auf einen entfernten Mac zuzugreifen. Dabei verarbeitet das lokale Gerät Kundeninterviews und Umsatzdaten, während der Cloud-Agent nach öffentlichen Preisen von Wettbewerbern sucht. Für Unternehmen ermöglicht Perplexity Administratoren, eine einheitliche Sensitivitätsrichtlinie auf Organisationsebene anzuwenden und ein vollständiges Protokoll darüber zu prüfen, welche Daten jedes Gerät verlassen. Diese Funktionen richten sich insbesondere an Compliance-Teams in der Rechts-, Finanz- und Gesundheitsbranche.
Warum ist diese Einführung wichtig?
Das Produkt versucht, einen praktischen Zielkonflikt zu lösen: Aufgaben, die ein Höchstmaß an Genauigkeit erfordern, beruhen häufig auf Daten, die Unternehmen nicht an externe Server senden möchten, während lokale Modelle allein möglicherweise weniger gut in der Lage sind, zu suchen, zu planen und Schlussfolgerungen zu ziehen. Perplexity präsentiert die hybride Verarbeitung daher weder als vollständigen Ersatz für die Cloud noch für das lokale Gerät, sondern als eine Schicht, die entscheidet, wo jeder Teil der Aufgabe ausgeführt wird.
Dieser Schutz ist jedoch keine absolute Garantie. Auch das Privacy Gate ist ein auf maschinellem Lernen basierender Klassifikator und kann bestimmte sensible Daten möglicherweise nicht erkennen. Nach Angaben des Unternehmens kann der Nutzer prüfen, was das Gate erkannt hat, bevor die Daten versendet werden. Unternehmen erhalten zudem gerätebezogene Audit-Protokolle. Die praktische Wirksamkeit dieser Mechanismen wird jedoch von der Genauigkeit des Klassifikators und den Prüfungsrichtlinien abhängen, die jedes Unternehmen festlegt. Auch Details zur Nutzung von Daten nicht geschäftlicher Konten für das Training der Modelle bedurften weiterer Klärung: Das Unternehmen erklärte, diese Daten nicht weltweit für nachträgliches Training zu verwenden, und versprach, weitere Einzelheiten zu nicht geschäftlichen Konten bereitzustellen.