.webp){kind=small}
A Perplexity está lançando hoje o Portable. Computer, uma versão de sua plataforma de agentes "Computer" que roda inteiramente em hardware que os usuários já possuem — começando com o supercomputador desktop DGX Spark da Nvidia e máquinas Linux equipadas com GPUs Nvidia RTX. O lançamento, desenvolvido em estreita parceria com a Nvidia, é uma das tentativas mais ambiciosas até o momento de transferir cargas de trabalho complexas de agentes de IA da nuvem para dispositivos locais. O modelo, os arquivos do usuário e o próprio trabalho podem permanecer na máquina. O trabalho concluído localmente não consome créditos de faturamento, e a empresa afirma que cada tarefa começa no dispositivo por padrão — com o sistema solicitando permissão antes de enviar qualquer etapa individual para um modelo de ponta mais poderoso na nuvem.
Basicamente, trouxemos a mesma interface de usuário para um aplicativo totalmente local", disse Nate, vice-presidente de engenharia de infraestrutura e corporativo da Perplexity, durante uma coletiva de imprensa na segunda-feira. "Isso incorpora toda a estrutura do agente, a inferência e tudo o que é necessário para realizar o trabalho localmente."
Para a Nvidia, que passou os últimos dois anos vendendo ao mundo data centers de IA de trilhões de dólares, o anúncio sinaliza algo mais sutil, porém estrategicamente importante: a fabricante de chips acredita que a IA local ultrapassou a barreira da curiosidade de entusiastas para se tornar uma ferramenta prática — e quer vender o hardware que a executa.
A IA local atingiu um ponto de inflexão", disse Nader, diretor de tecnologia para desenvolvedores da Nvidia, que se concentra em ferramentas para desenvolvedores e código aberto. "Por muito tempo, eram apenas entusiastas e amadores que executavam esses modelos quantizados, reduzidos a um nível extremamente pequeno... E embora isso seja interessante, não é muito prático. Mas tudo isso mudou com o surgimento de muitos desses novos modelos de código aberto que são extremamente úteis."
O Perplexity Computer, plataforma de agentes da empresa para trabalho intelectual, orquestra modelos de IA, arquivos, ferramentas e acesso à web para concluir tarefas complexas — revisar pastas de documentos, analisar dados, gerar relatórios e enviar resultados para sistemas empresariais. O Portable Computer replica essa experiência localmente: os modelos locais, a estrutura de agentes, o mecanismo de inferência, as ferramentas, os conectores de aplicativos e um ambiente de segurança isolado vêm integrados em um único sistema. Essa integração é o objetivo principal. Com a maioria das pilhas de IA locais atuais, os usuários precisam montar e operar esses componentes separadamente — baixando os pesos dos modelos, configurando um servidor de inferência, integrando as ferramentas e ajustando o desempenho.
Historicamente, configurar uma pilha de IA local tem sido muito trabalhoso", disse Nate. "Com o Portable Computer, nos concentramos em tornar essa experiência extremamente simples, permitindo que você comece a usar rapidamente."
Em uma demonstração na segunda-feira, o sistema desempenhou o papel de um investidor de varejo revisando uma pasta de formulários 1099 e documentos de investimento — o tipo de material financeiro sensível que muitos usuários hesitariam em enviar para um serviço em nuvem. Executando um modelo Qwen de 27 bilhões de parâmetros com utilização máxima da GPU em um DGX Spark, o agente revisou cada documento e sinalizou casos em que o investidor hipotético estava pagando taxas desnecessárias. O elemento da interface que normalmente exibe uma contagem atualizada de créditos na nuvem "fica simplesmente zerado", observou Nate, "porque tudo isso está acontecendo no dispositivo." Uma segunda demonstração mostrou o lado híbrido do produto.
Interpretando o papel de fundador de uma startup, Nate pediu ao agente que analisasse um arquivo CSV com dados do funil de usuários localmente e, em seguida, enviasse a análise finalizada para um canal do Slack usando o ecossistema de conectores da Perplexity — prova de que priorizar o local não significa desconectá-lo. O sistema também se conecta ao Google Drive, Gmail e GitHub, e pode escalar para um modelo de nuvem de ponta quando o modelo local atinge seus limites. No lançamento, os usuários poderão configurar o Qwen 3.8 27B ou o PPLX 27B, uma versão que a Perplexity pós-treinou em sua própria plataforma, com o Nemotron 3.5 Lightning da Nvidia chegando em breve.
O Portable Computer chega hoje para assinantes dos planos Pro, Max, Enterprise Pro e Enterprise Max no Linux, com suporte para Windows previsto para setembro. Qualquer GPU RTX com pelo menos 24 GB de VRAM — equivalente a uma GeForce RTX 3090 ou superior — atende aos requisitos, um limite que Nate definiu como "uma espécie de piso onde realmente queremos garantir uma ótima experiência, equilibrando isso com a ampla disponibilidade"
Juntamente com o lançamento, a Perplexity publicou um artigo de pesquisa argumentando que agentes locais eficazes exigem que o modelo e a estrutura do agente — o arcabouço de prompts, ferramentas e lógica de orquestração em torno do modelo — sejam projetados em conjunto. A principal conclusão: as estruturas de propósito geral pressupõem um modelo de fronteira capaz de absorver contextos enormes, navegar por superfícies de ferramentas extensas e planejar em longo prazo. Modelos locais pequenos não atendem a essas demandas.
A Perplexity descobriu empiricamente que, embora modelos como o Qwen 3.8 27B anunciem janelas de contexto de 260.000 tokens, eles começam apresentando dificuldades acima de 100.000 tokens. Assim, a empresa criou uma estrutura deliberadamente minimalista: um prompt de sistema conciso, um pequeno conjunto de ferramentas essenciais e funcionalidades que são carregadas e descarregadas como "habilidades" sob demanda, em vez de permanecerem permanentemente no contexto. Ela converteu conectores populares como Gmail e GitHub, de servidores MCP que demandam muitos tokens, em ferramentas compactas de linha de comando, adicionou mecanismos de autoverificação que monitoram a integridade de uma tarefa e impôs um sandbox permanente no nível do sistema operacional.
Se o sandbox estiver indisponível, a estrutura se desativa em vez de executar ferramentas sem proteção — um contraste com estruturas de código aberto que executam comandos com as permissões totais do usuário por padrão. Os resultados dos benchmarks relatados pela Perplexity são impressionantes, embora provenham das próprias avaliações da empresa. Em sua plataforma interna Local Knowledge Work Bench — composta por 53 tarefas que abrangem pesquisa aprofundada, análise financeira e criação de documentos, e que a Perplexity afirma planejar disponibilizar como código aberto — o computador executando o Qwen 3.8 27B em um DGX Spark obteve uma pontuação de 82,6%, contra 77,6% para o ambiente de código aberto do Raspberry Pi e 74,0% para o Hermes executando o mesmo modelo.
