Perplexity ha lanzado la función Hybrid Compute para su plataforma agéntica Computer, en un intento de combinar las capacidades de los modelos avanzados en la nube con la privacidad del procesamiento local. La función permite al agente iniciar la tarea en la nube y luego delegar las partes que manejan archivos privados o datos presentes en el dispositivo a un modelo que funciona localmente en un Mac equipado con un chip Apple silicon, sin reiniciar la tarea ni perder su contexto.
La función estará disponible a partir del 1 de septiembre de 2026 mediante la aplicación de escritorio de Perplexity para clientes empresariales que opten por activarla, así como para los suscriptores Pro y Max, en cualquier Mac con procesador Apple silicon que ejecute macOS 15 o posterior. La empresa no mencionó en el material una fecha concreta para la compatibilidad con Windows o Linux y se limitó a indicar que llegará más adelante.
¿Cómo distribuye la plataforma las partes de la tarea?
La arquitectura funciona como una capa de coordinación o un distribuidor de tareas. Un modelo avanzado en la nube divide la solicitud en subtareas y luego decide dónde ejecutar cada una. La búsqueda en la web, la planificación a largo plazo y las tareas de inferencia intensiva pueden permanecer en la nube, mientras que las operaciones que tocan archivos privados, datos locales o acciones del dispositivo se envían a un subagente que funciona en el Mac.
Perplexity utiliza lo que denomina Privacy Gate, un clasificador entrenado por la empresa que funciona en el dispositivo para examinar información de identificación personal, como nombres, direcciones, números de cuenta y secretos, antes de transferir cualquier contenido a la nube. Cuando detecta datos sensibles, el usuario elige si la parte correspondiente se ejecutará localmente o se compartirá con el coordinador en la nube. La empresa afirma que los tokens generados por la ejecución local no abandonan el dispositivo.
Modelos locales y un coste diferente
En el lanzamiento, el usuario puede elegir entre tres modelos locales: Gemma E4B de Google, Qwen3.6 35B-A3B de Alibaba y una versión de Qwen3.6 35B que Perplexity volvió a entrenar, el modelo que recomienda la empresa. Jon Staff, quien dirige los equipos de ingeniería de macOS e iOS en Perplexity, explicó que ejecutar localmente un modelo Qwen no envía los tokens a un proveedor en la nube alojado en otro país, y señaló también que los modelos de la empresa están alojados en Estados Unidos.
Según Staff, los tokens generados por la ejecución local no se contabilizan en las cuotas de uso, mientras que las cuotas se utilizan para la coordinación y la delegación en la nube. Sin embargo, Perplexity recomienda al menos 32 GB de memoria unificada para ejecutar la categoría de modelos locales más potentes, y Staff reconoció que el modelo más pequeño ofrece un rendimiento mucho más débil que los modelos Qwen más grandes.
¿Qué cambia en la práctica para las empresas?
Perplexity presentó casos de uso dirigidos a trabajos cuyos datos completos son difíciles de enviar a un agente en la nube. En un ejemplo jurídico, el sistema procesó localmente archivos confidenciales de un caso, mientras buscaba precedentes judiciales públicos en la web y enviaba, según la empresa, únicamente preguntas jurídicas anonimizadas. En otro ejemplo, un agente volvió a procesar un modelo financiero basado en previsiones de gestión confidenciales, lo comparó con datos públicos y creó una quinta versión de una presentación para el comité de inversiones en unos 40 minutos, en segundo plano.
El usuario también puede iniciar la tarea desde un iPhone y dar permiso a Computer para acceder a un Mac remoto, de modo que el dispositivo local procese entrevistas con clientes y datos de ingresos, mientras el agente en la nube busca los precios públicos de los competidores. Para las empresas, Perplexity permite a los administradores aplicar una política de sensibilidad uniforme a nivel de la organización y auditar un registro completo de todo lo que sale de cada dispositivo, funciones dirigidas especialmente a los equipos de cumplimiento de los sectores jurídico, financiero y sanitario.
¿Por qué importa este lanzamiento?
El producto intenta abordar una disyuntiva práctica: los trabajos que necesitan el mayor nivel de precisión suelen depender de datos que las empresas no desean enviar a servidores externos, mientras que los modelos locales por sí solos pueden tener menos capacidad para buscar, planificar y razonar. Por ello, Perplexity no presenta el procesamiento híbrido como un sustituto completo de la nube o del dispositivo local, sino como una capa que decide dónde se ejecuta cada parte de la tarea.
Sin embargo, esta protección no es una garantía absoluta. La propia puerta de privacidad es un clasificador basado en aprendizaje automático y puede no detectar algunos datos sensibles. La empresa afirma que el usuario puede revisar lo que la puerta ha identificado antes del envío, y que las empresas obtienen registros de auditoría a nivel del dispositivo, pero la eficacia de este mecanismo dependerá en la práctica de la precisión del clasificador y de las políticas de revisión que establezca cada empresa. También quedaron pendientes de aclaración adicional los detalles sobre el uso de los datos de las cuentas no empresariales para entrenar los modelos; la empresa afirmó que no los utiliza para el entrenamiento posterior a escala global y prometió proporcionar detalles para las cuentas no empresariales.