Perplexity запустила функцию Hybrid Compute для своей агентской платформы Computer, стремясь объединить возможности продвинутых облачных моделей с конфиденциальностью локальной обработки. Функция позволяет агенту начать выполнение задачи в облаке, а затем передать части, работающие с личными файлами или данными, хранящимися на устройстве, локальной модели на Mac с чипом Apple silicon — без перезапуска задачи и потери её контекста.
Функция доступна с 1 сентября 2026 года через настольное приложение Perplexity клиентам корпоративного уровня, которые активируют её, а также подписчикам Pro и Max — на любом Mac с процессором Apple silicon под управлением macOS 15 или более поздней версии. Компания не назвала в материале конкретные сроки поддержки Windows или Linux, ограничившись указанием, что она появится позднее.
Как платформа распределяет части задачи?
Архитектура работает как уровень координации или диспетчер задач. Продвинутая модель в облаке разбивает запрос на подзадачи, а затем определяет, где должна выполняться каждая из них. Поиск в интернете, долгосрочное планирование и ресурсоёмкие задачи рассуждения могут оставаться в облаке, тогда как операции, затрагивающие личные файлы, локальные данные или функции устройства, передаются субагенту, работающему на Mac.
Perplexity использует то, что компания называет Privacy Gate, — обученный компанией классификатор, работающий на устройстве и проверяющий персональные идентификационные данные, такие как имена, адреса, номера счетов и секреты, перед отправкой любого содержимого в облако. При обнаружении чувствительных данных пользователь выбирает, будет ли соответствующая часть обработана локально или передана облачному координатору. Компания заявляет, что токены, полученные в результате локального выполнения, не покидают устройство.
Локальные модели и иная структура затрат
На момент запуска пользователь может выбрать одну из трёх локальных моделей: Gemma E4B от Google, Qwen3.6 35B-A3B от Alibaba и версию Qwen3.6 35B, которую Perplexity дообучила самостоятельно; именно её компания рекомендует. Jon Staff, руководящий командами разработки macOS и iOS в Perplexity, пояснил, что локальный запуск модели Qwen не отправляет токены облачному провайдеру, размещённому в другой стране, а также отметил, что модели компании размещаются в США.
По словам Staff, токены, сгенерированные при локальном выполнении, не вычитаются из лимитов использования, тогда как лимиты применяются к облачной координации и делегированию. Однако Perplexity рекомендует не менее 32 ГБ объединённой памяти для запуска более мощных локальных моделей, и Staff признал, что меньшая модель значительно уступает по производительности более крупным моделям Qwen.
Что это практически меняет для организаций?
Perplexity представила варианты использования, ориентированные на задачи, при которых полную передачу данных облачному агенту затруднительно осуществить. В юридическом примере система локально обработала конфиденциальные материалы дела, одновременно выполнив поиск по общедоступным судебным прецедентам в интернете и, согласно компании, отправив только обезличенные юридические запросы. В другом примере агент обработал финансовую модель, основанную на конфиденциальных управленческих прогнозах, сопоставил её с общедоступными данными, а затем примерно за 40 минут в фоновом режиме создал пятую версию презентации для инвестиционного комитета.
Пользователь также может начать задачу с iPhone и предоставить Computer разрешение на доступ к удалённому Mac: локальное устройство обработает записи интервью с клиентами и данные о выручке, а облачный агент выполнит поиск общедоступных цен конкурентов. Для организаций Perplexity позволяет администраторам применять единую политику чувствительности на уровне всей организации и проверять полный журнал того, какие данные покидают каждое устройство. Эти функции особенно ориентированы на команды по обеспечению соответствия требованиям в юридическом, финансовом и медицинском секторах.
Почему этот запуск важен?
Продукт пытается решить практическую проблему выбора: задачи, требующие наибольшей точности, часто опираются на данные, которые организации не хотят отправлять на внешние серверы, тогда как одни лишь локальные модели могут быть менее способны к поиску, планированию и рассуждению. Поэтому Perplexity представляет гибридную обработку не как полноценную замену облаку или локальному устройству, а как уровень, определяющий, где должна выполняться каждая часть задачи.
Однако эта защита не является абсолютной гарантией. Сам шлюз конфиденциальности — это классификатор на основе машинного обучения, который может не обнаружить некоторые чувствительные данные. Компания заявляет, что пользователь может проверить, что обнаружил шлюз, до отправки данных, а организации получают журналы аудита на уровне устройства, однако практическая эффективность механизма будет зависеть от точности классификатора и политик проверки, установленных каждой организацией. Кроме того, детали использования данных аккаунтов, не относящихся к корпоративным, для обучения моделей всё ещё нуждаются в дополнительных разъяснениях: компания заявила, что не использует их для последующего глобального обучения, и пообещала предоставить подробности для не корпоративных аккаунтов.