A Perplexity lançou o recurso Hybrid Compute para sua plataforma agêntica Computer, em uma tentativa de combinar as capacidades de modelos avançados na nuvem com a privacidade do processamento local. O recurso permite que o agente inicie a tarefa na nuvem e, em seguida, delegue as partes que lidam com arquivos privados ou dados presentes no dispositivo a um modelo executado localmente em um Mac equipado com chip Apple silicon, sem reiniciar a tarefa nem perder seu contexto.
O recurso está disponível a partir de 1º de setembro de 2026 por meio do aplicativo para desktop da Perplexity para clientes corporativos que optarem por ativá-lo, bem como para assinantes Pro e Max, em qualquer Mac com processador Apple silicon executando macOS 15 ou posterior. A empresa não mencionou na matéria uma data específica para o suporte a Windows ou Linux e limitou-se a indicar que o suporte virá posteriormente.
Como a plataforma distribui as partes da tarefa?
A arquitetura funciona como uma camada de coordenação ou um distribuidor de tarefas. Um modelo avançado na nuvem divide a solicitação em subtarefas e então decide onde cada uma será executada. A pesquisa na web, o planejamento de longo prazo e as tarefas de raciocínio pesado podem permanecer na nuvem, enquanto as operações que tocam em arquivos privados, dados locais ou ações no dispositivo são enviadas a um subagente executado no Mac.
A Perplexity utiliza o que chama de Privacy Gate, um classificador treinado pela empresa que funciona no dispositivo para verificar informações de identificação pessoal, como nomes, endereços, números de conta e segredos, antes de qualquer conteúdo ser transferido para a nuvem. Quando dados sensíveis são detectados, o usuário escolhe se a parte em questão será executada localmente ou compartilhada com o coordenador na nuvem. A empresa afirma que os tokens resultantes da execução local não deixam o dispositivo.
Modelos locais e custo diferente
No lançamento, o usuário pode escolher entre três modelos locais: o Gemma E4B, do Google; o Qwen3.6 35B-A3B, da Alibaba; e uma versão do Qwen3.6 35B que a Perplexity treinou novamente, modelo recomendado pela empresa. Jon Staff, que lidera as equipes de engenharia de macOS e iOS da Perplexity, explicou que executar um modelo Qwen localmente não envia os tokens a um provedor de nuvem hospedado em outro país e também observou que os modelos da empresa estão hospedados nos Estados Unidos.
Os tokens gerados pela execução local não são contabilizados nas cotas de uso, segundo Staff, enquanto as cotas são utilizadas na coordenação e na delegação para a nuvem. No entanto, a Perplexity recomenda pelo menos 32 GB de memória unificada para executar a categoria mais potente de modelos locais, e Staff reconheceu que o modelo menor oferece um desempenho muito inferior ao dos modelos Qwen maiores.
O que muda, na prática, para as empresas?
A Perplexity apresentou casos de uso voltados para trabalhos cujos dados são difíceis de enviar integralmente a um agente na nuvem. Em um exemplo jurídico, o sistema processou localmente arquivos confidenciais de um caso, enquanto pesquisava precedentes judiciais públicos na web e enviava, segundo a empresa, apenas perguntas jurídicas anonimizadas. Em outro exemplo, um agente reprocessou um modelo financeiro baseado em projeções administrativas confidenciais, comparou-o com dados públicos e criou uma quinta versão de uma apresentação do comitê de investimentos em cerca de 40 minutos, em segundo plano.
O usuário também pode iniciar a tarefa no iPhone e dar ao Computer permissão para acessar um Mac remoto, de modo que o dispositivo local processe entrevistas com clientes e dados de receita, enquanto o agente na nuvem pesquisa preços públicos de concorrentes. Para as empresas, a Perplexity permite que administradores apliquem uma política de sensibilidade uniforme em toda a organização e auditem um registro completo do que deixa cada dispositivo, funções direcionadas especialmente às equipes de conformidade dos setores jurídico, financeiro e de saúde.
Por que este lançamento é importante?
O produto tenta resolver uma troca prática: os trabalhos que exigem o maior nível de precisão geralmente dependem de dados que as empresas não querem enviar a servidores externos, enquanto os modelos locais, sozinhos, podem ser menos capazes de realizar pesquisa, planejamento e raciocínio. Por isso, a Perplexity não apresenta o processamento híbrido como uma substituição completa da nuvem ou do dispositivo local, mas como uma camada que decide onde cada parte da tarefa será executada.
Essa proteção, porém, não é uma garantia absoluta. O próprio gateway de privacidade é um classificador baseado em aprendizado de máquina e pode deixar de detectar alguns dados sensíveis. A empresa afirma que o usuário pode revisar o que o gateway identificou antes do envio, e que as empresas recebem registros de auditoria no nível do dispositivo, mas a eficácia desse mecanismo dependerá, na prática, da precisão do classificador e das políticas de revisão definidas por cada empresa. Os detalhes sobre o uso dos dados de contas não corporativas no treinamento dos modelos também continuaram precisando de esclarecimentos adicionais; a empresa afirmou que não os utiliza para treinamento posterior global e prometeu fornecer detalhes para contas não corporativas.