Computación híbrida de Perplexity en Mac: cómo su barrera de privacidad divide la IA local y en la nube

Perplexity Hybrid Compute en Mac resulta más interesante como arquitectura de privacidad que como otra forma de ejecutar un LLM localmente. Una sola tarea de Perplexity Computer puede combinar modelos avanzados en la nube con un modelo local en un Mac con Apple Silicon. Los modelos en la nube se encargan de tareas como la investigación, la planificación y el razonamiento complejo, mientras que el entorno local puede trabajar con archivos privados, información confidencial y acciones en el dispositivo. Entre ambos se encuentra una Puerta de privacidad local que controla qué información puede atravesar el límite del dispositivo.

Esto cambia el significado de «IA híbrida». Ya no se trata simplemente de que el usuario elija manualmente entre Ollama y una API en la nube. Perplexity intenta integrar el enrutamiento en el propio agente: decidir qué parte de una tarea pertenece al entorno local, identificar el contexto sensible antes de que salga del Mac y utilizar selectivamente la inteligencia en la nube cuando aporte valor. Esto convierte a Hybrid Compute en un caso práctico útil para una cuestión más amplia sobre la IA local: cuando un flujo de trabajo abarca modelos locales y en la nube, ¿qué datos, acciones y estado deberían permanecer bajo el control del usuario?

¿Qué es Perplexity Hybrid Compute en Mac?

Perplexity Hybrid Compute es un modo de Perplexity Computer que permite que una tarea utilice tanto la IA en la nube como un modelo en el dispositivo, sin exigir al usuario que divida manualmente el flujo de trabajo en indicaciones independientes. Perplexity anunció esta función el 1 de septiembre de 2026 como una extensión de su impulso más amplio hacia los agentes local-first.

Su anterior arquitectura local-first de Perplexity Portable Computer trasladó el orquestador, el planificador, el enrutamiento de herramientas, la cola de tareas, el índice de búsqueda y la ejecución del modelo al hardware local. Hybrid Compute aborda el problema de otra manera: mantiene deliberadamente la inteligencia en la nube dentro del circuito y, al mismo tiempo, establece un límite de políticas para el trabajo privado.

En el anuncio de Hybrid Compute de Perplexity, la división del trabajo se describe claramente.

Por lo tanto, la unidad importante no es el modelo, sino la tarea. Distintas partes de una misma tarea pueden residir en distintas zonas de confianza.

¿Qué se ejecuta localmente y qué se ejecuta en la nube?

Hybrid Compute tiene más sentido cuando se deja de pensar en términos de «modelo local frente a modelo en la nube» y, en su lugar, se pregunta para qué es realmente bueno cada lado.

La IA en la nube sigue siendo atractiva por su conocimiento web actualizado, su amplia capacidad de investigación y su razonamiento avanzado. Un Mac está mejor posicionado para trabajar directamente con archivos y aplicaciones que no deberían copiarse al contexto de un modelo remoto. Perplexity Computer coordina ambos lados para que el usuario no tenga que resumir manualmente un documento confidencial, eliminar las secciones sensibles, pegar el texto desinfectado en otro chatbot y después transferir la respuesta de vuelta a un flujo de trabajo local.

Consideremos una tarea jurídica:

LADO PÚBLICO / NUBE
Jurisprudencia actual
Investigación web
Razonamiento avanzado
Planificación de alto nivel
        |
        v
   PRIVACY GATE
        ^
        |
LADO PRIVADO / LOCAL
Archivos sujetos a secreto profesional
Identidades de clientes
Extracción local
Borradores de documentos
Acciones en el dispositivo

Un modelo en la nube podría investigar jurisprudencia pública. El modelo local puede examinar documentos sujetos a secreto profesional y convertir los datos pertinentes en una pregunta de investigación desinfectada. La nube no necesita el expediente completo del cliente para aportar un razonamiento útil.

Perplexity describe ejemplos similares para las finanzas y la publicidad: los informes públicos y la investigación de mercado pueden gestionarse de forma remota, mientras que los documentos confidenciales de operaciones, los recursos creativos bajo embargo o los registros internos permanecen en el Mac.

Esto ofrece una mejor definición de la IA híbrida:

La IA híbrida no consiste simplemente en ejecutar la mitad de una carga de trabajo localmente y la otra mitad en la nube. Consiste en asignar distintas responsabilidades a diferentes zonas de confianza.

¿Cómo funciona Privacy Gate de Perplexity?

Privacy Gate es la parte más importante de Hybrid Compute, porque enrutar modelos es fácil en comparación con decidir qué información pueden ver esos modelos.

Perplexity afirma que Privacy Gate se ejecuta en el Mac y evalúa la información sensible antes de que el contenido protegido se envíe a un servicio en la nube. Según la situación, el sistema puede mantener la información localmente, enmascarar los datos sensibles, rechazar una acción o solicitar el consentimiento del usuario.

Perplexity identifica específicamente nombres, direcciones, información de cuentas y secretos como ejemplos de datos que el clasificador integrado en el dispositivo puede reconocer. Las credenciales, la información de tarjetas de pago y los documentos de identidad oficiales reciben una protección más estricta.

Esto crea una distinción importante frente a un flujo de trabajo normal en la nube. Un archivo local no se convierte automáticamente en contexto de la nube solo porque un agente de IA necesite ayuda con la tarea. La aplicación tiene primero la oportunidad de decidir si se requieren todos los datos, si se puede eliminar una parte o si un modelo local puede completar ese paso sin compartir nada.

Para los suscriptores Enterprise, Perplexity afirma que los administradores también pueden definir políticas para toda la organización sobre la información que debe permanecer local, la información que puede enmascararse y las transferencias de datos que requieren aprobación explícita. Los administradores pueden auditar cuándo sale información de un dispositivo.

La arquitectura es útil, pero no debe interpretarse como que «tus datos nunca pueden salir del Mac». Hybrid Compute sigue utilizando servicios en la nube. La afirmación más precisa es que los datos protegidos pueden permanecer localmente y las transferencias seleccionadas están sujetas a una capa de políticas en el dispositivo, en lugar de convertirse automáticamente en contexto de la nube.

¿Cómo sabe el Mac qué datos son sensibles?

Una política de privacidad solo funciona si la máquina puede identificar datos sensibles de forma fiable. Por eso, junto con Hybrid Compute, Perplexity presentó una segunda pieza tecnológica: PII-Tracer, un modelo compacto de 0,6B diseñado para detectar información de identificación personal localmente.

Según la investigación PII-TRACE de Perplexity, PII-Tracer proporciona una de las señales utilizadas por Privacy Gate. La aplicación puede usar entonces esas detecciones para mantener el contenido local, redactar fragmentos sensibles o solicitar permiso explícito antes de escalar una tarea a un modelo en la nube.

La parte difícil no consiste en identificar un número de tarjeta de crédito evidente en una sola frase. Los agentes de IA mantienen conversaciones largas, y el mismo identificador puede aparecer repetidamente en mensajes de usuarios, respuestas de asistentes, tablas, código o registros estructurados. Omitir una sola aparición posterior aún puede exponer información que el sistema debía proteger.

Perplexity creó PII-TRACE para probar este problema en conversaciones largas. Su benchmark contiene 13.148 conversaciones sintéticas entre usuarios y asistentes en 13 idiomas y 10 sistemas de escritura, con más de 37.000 menciones etiquetadas de identificadores pertenecientes a nueve tipos de información de identificación personal.

El punto arquitectónico más amplio es especialmente relevante para la IA local: la privacidad en sí se está convirtiendo en una carga de trabajo de IA local.

Por lo tanto, una pila de IA privada madura puede contener más de un modelo:

LLM local principal
        +
Clasificador de información personal / seguridad
        +
Modelo de embeddings
        +
Reclasificador
        +
Modelo de OCR/visión
        +
Entorno de ejecución del agente

El modelo más grande puede encargarse del razonamiento, pero los modelos locales más pequeños pueden aplicar políticas, recuperar información, clasificar solicitudes o preprocesar datos privados antes de que intervenga cualquier modelo remoto.

¿Por qué Perplexity creó su propio motor de inferencia local para Mac?

El enrutamiento híbrido solo parece fluido si la parte local de la tarea es lo bastante rápida como para participar de forma continua. Si un agente alterna entre el razonamiento en la nube, el procesamiento de archivos privados, otra llamada a un modelo local, una acción de herramienta y otro paso de razonamiento, la inferencia local lenta retrasa todo el flujo de trabajo.

Por ello, Perplexity creó Lily, un motor de inferencia ligero optimizado específicamente para el silicio de Apple y Qwen3.6-35B-A3B. La empresa afirma que planea publicar el código del motor como código abierto.

En la investigación de Perplexity sobre la inferencia en silicio de Apple, Lily se describe como un entorno de ejecución especializado escrito en Rust, con una API compatible con OpenAI y kernels personalizados de Metal. PyTorch y MLX no forman parte de la ruta de ejecución de Lily.

La razón para especializarse en un solo modelo es arquitectónica. Qwen3.6-35B-A3B es un modelo disperso de 35B que activa aproximadamente 3B de parámetros por token. Combina enrutamiento de mezcla de expertos, capas Gated DeltaNet y capas de atención completa. Estos componentes generan distintos patrones de acceso a la memoria y de cómputo, lo que brinda al entorno de ejecución oportunidades para optimizarse específicamente para el silicio de Apple.

El checkpoint utilizado por Lily está cuantizado a 4 bits y ocupa aproximadamente 19,4 GB, lo que ayuda a explicar por qué Perplexity puede establecer una referencia de 24 GB de memoria unificada para Hybrid Compute y, al mismo tiempo, admitir un modelo local considerable.

Estas son las mediciones de Perplexity en una configuración de M5 Max con una GPU de 40 núcleos y 128 GB de memoria unificada, no una predicción de rendimiento universal para todos los Mac compatibles.

La conclusión más duradera es que el rendimiento de la inferencia local depende cada vez más de hacer coincidir la arquitectura del modelo, el entorno de ejecución, la disposición de la memoria y el hardware. El silicio de Apple no es simplemente una GPU de centro de datos más pequeña. Su diseño de memoria unificada, las rutas de ejecución de Metal y el ancho de banda de memoria crean un problema de optimización diferente.

¿Qué Mac pueden ejecutar Perplexity Hybrid Compute?

Actualmente, Perplexity indica un requisito mínimo relativamente sencillo: cualquier Mac con Apple silicon que ejecute macOS 15 o posterior y tenga al menos 24 GB de memoria unificada.

Hybrid Compute está disponible para los suscriptores de Perplexity Pro, Max y Enterprise. En el lanzamiento, los usuarios pueden elegir entre tres modelos locales: Gemma 4 E4B, Qwen3.6-35B-A3B y un modelo de Perplexity.

La cifra de 24 GB es el mínimo publicado por Perplexity. Las descripciones de los sistemas con más memoria anteriores son interpretaciones para la planificación del hardware, no niveles recomendados oficiales independientes.

Perplexity también señala un Mac mini dedicado como opción siempre activa. El Mac puede ejecutar el modelo local de forma continua mientras el usuario controla Computer de forma remota desde un iPhone.

Ese pequeño detalle es estratégicamente importante porque cambia el papel del Mac.

¿Qué ocurre cuando un Mac se convierte en un nodo de IA siempre activo?

Un Mac utilizado de forma interactiva es un ordenador personal. Un Mac mini conectado permanentemente para ejecutar agentes, inferencia local, procesamiento privado de archivos y tareas remotas empieza a comportarse más como un nodo de IA.

Este cambio introduce requisitos propios de los servidores que tienen poco que ver con las puntuaciones de referencia:

• acceso persistente a los archivos de proyecto,
• rutas de red estables,
• gestión de permisos,
• resultados y espacios de trabajo de los agentes,
• índices de búsqueda y embeddings,
• archivos versionados,
• instantáneas y copias de seguridad,
• capacidad de almacenamiento que pueda ampliarse de forma independiente al Mac.

El SSD interno del Mac es excelente para datos activos, puntos de control de modelos, cachés y el espacio de trabajo en uso. Pero cuando un agente empieza a trabajar con años de documentos, fotos, carpetas de proyectos, código, archivos de investigación o archivos de equipo, hay pocas razones para que todos los recursos persistentes tengan que residir en el mismo SSD que el entorno de inferencia.

Aquí es donde la IA local empieza a parecerse menos a una aplicación ejecutándose en un portátil y más a una infraestructura.

¿Dónde encaja un NAS en un flujo de trabajo de IA híbrida en Mac?

Un NAS no necesita ejecutar Perplexity Hybrid Compute para desempeñar un papel útil en la arquitectura. Actualmente, Perplexity sitúa su inferencia local y Privacy Gate en el Mac. Un NAS puede ubicarse detrás de esa capa de cómputo y proporcionar una zona de datos privada y persistente.

Ya explicamos la arquitectura básica en nuestra guía para separar el cómputo del Mac del almacenamiento NAS a largo plazo. Hybrid Compute añade una tercera zona: inteligencia externa en la nube.

Por tanto, una arquitectura conceptual para un hogar o una pequeña oficina podría ser la siguiente:

                NUBE
        Razonamiento avanzado
            Búsqueda web
        Servicios externos
                |
                |
       Aprobado / filtrado
              contexto
                |
                v
               MAC
          Modelo local
          Filtro de privacidad
          Acciones de los agentes
          Espacio de trabajo activo
                |
                |
            LAN de confianza
                |
                v
          NAS / SERVIDOR
        Documentos privados
          Fuentes de RAG
         Archivo del proyecto
         Resultados de los agentes
            Copias de seguridad

El punto importante es que estas capas resuelven problemas diferentes. Un NAS no es VRAM lenta, y el Mac no es automáticamente el mejor lugar para el almacenamiento a largo plazo. El Mac se encarga del cómputo activo y de las decisiones de privacidad. El sistema de almacenamiento proporciona capacidad persistente, organización, permisos, instantáneas y copias de seguridad.

Este mismo patrón resulta útil al crear un asistente de IA privado en torno a archivos locales y recuperación de información. El modelo no necesita tener todos los archivos cargados permanentemente en su contexto. Necesita acceso autorizado a los archivos adecuados cuando el flujo de trabajo lo requiera.

Esta separación también facilita la evolución de la pila de IA. Un Mac mini puede sustituirse por un Mac Studio más rápido. El modelo local puede cambiar. Perplexity puede añadir nuevos entornos de ejecución. Los modelos en la nube pueden mejorar. El archivo privado de documentos y el historial de proyectos no tienen que trasladarse cada vez que cambia la capa de cómputo.

¿Perplexity Hybrid Compute es simplemente Ollama más un modelo en la nube?

No. La diferencia importante es la orquestación basada en políticas.

Un usuario ya puede crear manualmente una configuración híbrida con Ollama, un modelo local y una API de Claude, Gemini, OpenAI u otro proveedor. Sin embargo, en una configuración sencilla, el usuario o desarrollador de la aplicación suele decidir explícitamente qué mensaje se envía a cada modelo.

La diferencia se ve así:

HÍBRIDO MANUAL

Usuario
 |
 +-- Ollama / LLM local
 |
 +-- Modelo en la nube

El usuario o la aplicación decide el enrutamiento


COMPUTACIÓN HÍBRIDA DE PERPLEXITY

Tarea del usuario
    |
    v
Orquestación informática
    |
    v
Clasificación de privacidad
    |
    v
Decisión de enrutamiento / política
   / \
  /   \
Local  Nube

Esa capa de enrutamiento puede evaluar la privacidad antes de decidir si debe participar la inteligencia en la nube. Por tanto, el modelo local no es solo un punto de inferencia alternativo; forma parte de un flujo de trabajo coordinado.

Por eso la IA híbrida puede ser más que un compromiso de privacidad. El enrutamiento selectivo puede convertirse en una estrategia de costes. La extracción rutinaria, el análisis de documentos, la clasificación o el filtrado de privacidad pueden permanecer locales, mientras que la inteligencia premium en la nube se reserva para los pasos que más se benefician de ella. Nuestro análisis más amplio de los costes de la IA local frente a la IA en la nube explora ese compromiso con más detalle.

¿Es la computación híbrida más privada que la IA completamente local?

No automáticamente. Un flujo de trabajo completamente local tiene el límite de confianza más sencillo porque el modelo, las herramientas, los datos y la inferencia pueden permanecer dentro del entorno local. La computación híbrida conserva deliberadamente los servicios en la nube, por lo que introduce decisiones adicionales de enrutamiento y políticas.

PII-Tracer demuestra por sí mismo por qué este es un problema de ingeniería difícil. Perplexity creó un punto de referencia específico porque las conversaciones largas dificultan una detección coherente. Si un identificador aparece cinco veces y el clasificador detecta cuatro, la aparición omitida aún puede exponer exactamente la información que la capa de privacidad debía proteger.

Por lo tanto, una Puerta de privacidad reduce la exposición innecesaria, pero no elimina la confianza. Los usuarios siguen dependiendo de la aplicación local, su clasificador, los permisos del sistema operativo, las reglas de enrutamiento y cualquier servicio externo que aprueben.

Esta es una forma más saludable de evaluar la IA privada que asumir que la palabra «local» resuelve todas las cuestiones de privacidad. Las preguntas relevantes son:

• ¿Dónde se almacenan los datos originales?
• ¿Qué modelo lo recibe?
• ¿Quién decide si puede salir?
• ¿Se puede eliminar el contexto sensible antes de la escalación?
• ¿Qué permisos puede ejercer el agente localmente?
• ¿Qué registros y copias de seguridad se conservan después de que finaliza la tarea?

¿Hybrid Compute de Perplexity muestra hacia dónde se dirige la IA personal?

Hybrid Compute es demasiado reciente para demostrar que todos los sistemas de IA personal seguirán el mismo diseño, pero facilita ver un cambio arquitectónico más amplio.

Los modelos locales se están convirtiendo en herramientas de trabajo, más que en sustitutos en miniatura de todos los modelos de vanguardia. Un modelo local puede inspeccionar archivos privados, extraer datos, aplicar políticas, ejecutar acciones en el dispositivo y preparar contexto anonimizado. No tiene que superar necesariamente al mejor modelo en la nube en todas las pruebas de razonamiento para resultar valioso.

Los modelos en la nube pueden convertirse en especialistas en investigación, razonamiento complejo y capacidades que se benefician de una infraestructura gestionada de gran escala. Los modelos locales pequeños pueden encargarse de la privacidad y el enrutamiento. Un Mac o un PC con IA puede convertirse en el nodo de ejecución activo. Un NAS o servidor doméstico puede seguir siendo la capa de datos duradera que lo respalda.

Eso significa que el enrutamiento podría llegar a ser tan importante como la elección del modelo.

La pregunta pasa de:

"¿Puedo ejecutar el modelo más grande localmente?"

a:

"¿Puede mi sistema mantener los datos adecuados localmente mientras utiliza el mejor modelo disponible para cada parte de la tarea?"

Perplexity's Portable Computer demostró que el propio entorno de ejecución del agente puede trasladarse al hardware local. Hybrid Compute en Mac da el siguiente paso al convertir el límite entre la ejecución local y la ejecución en la nube en parte del flujo de trabajo. En conjunto, ambos lanzamientos apuntan hacia una arquitectura de IA en la que los usuarios no tienen que elegir de forma absoluta entre el control local y las capacidades de la nube.

Para la infraestructura con prioridad local, esa es la tendencia más importante. El futuro podría consistir menos en que una sola máquina lo haga todo y más en separar claramente las funciones: la nube para la inteligencia externa, el procesamiento local para la ejecución confiable y el almacenamiento local persistente para los datos que deberían seguir siendo tuyos.

Preguntas frecuentes: Perplexity Hybrid Compute en Mac

¿Qué es Perplexity Hybrid Compute en Mac?

Perplexity Hybrid Compute es un modo de Perplexity Computer que divide una tarea entre un modelo local en un Mac con Apple silicon y servicios de IA de vanguardia en la nube. El componente local gestiona los archivos privados, la información sensible y las acciones en el dispositivo, mientras que los modelos en la nube pueden encargarse de la investigación, la planificación y el razonamiento avanzado.

¿Perplexity Hybrid Compute mantiene los archivos completamente locales?

Los archivos protegidos y la información sensible pueden permanecer en el Mac, pero Hybrid Compute no es un sistema completamente desconectado. Cuando una tarea necesita capacidades de la nube, Privacy Gate puede mantener los datos sensibles localmente, ocultarlos, rechazar la transferencia o solicitar el consentimiento del usuario antes de enviar la información aprobada.

¿Qué es Perplexity Privacy Gate?

Privacy Gate es una capa en el dispositivo que evalúa la información sensible antes de que salga del Mac hacia los servicios en la nube. Perplexity afirma que puede clasificar datos protegidos y aplicar acciones como mantener la información local, ocultarla, rechazar una acción o solicitar consentimiento.

¿Qué Mac son compatibles con Perplexity Hybrid Compute?

Actualmente, Perplexity requiere un Mac con Apple Silicon que ejecute macOS 15 o posterior y tenga al menos 24 GB de memoria unificada. Los Mac con Intel y los sistemas con Apple Silicon que tengan menos de 24 GB no cumplen el requisito publicado.

¿Cuánta memoria unificada necesita Perplexity Hybrid Compute?

El mínimo oficial es de 24 GB de memoria unificada. Una mayor cantidad de memoria proporciona más margen para los modelos locales, el contexto, otras aplicaciones y cargas de trabajo más grandes, pero Perplexity no publica actualmente niveles recomendados separados de 32 GB, 64 GB o 128 GB.

¿Qué modelos locales utiliza Perplexity Hybrid Compute?

En su lanzamiento, Perplexity incluye Gemma 4 E4B, Qwen3.6-35B-A3B y un modelo de Perplexity entre las opciones de modelos locales. La lista de modelos disponibles puede ampliarse a medida que evolucione el producto.

¿Perplexity Hybrid Compute funciona sin conexión?

Parte del procesamiento local puede ejecutarse en el Mac, pero el flujo de trabajo completo de Hybrid Compute está diseñado para combinar la ejecución local con capacidades en la nube, como el razonamiento avanzado y la investigación web. Las tareas que dependen de esas capacidades remotas requieren conexión.

¿Perplexity Hybrid Compute es lo mismo que Ollama?

No. Ollama es principalmente un entorno de ejecución de modelos locales y una API. Hybrid Compute es un sistema de orquestación a nivel de agente que coordina modelos locales y en la nube, al tiempo que añade clasificación de privacidad y políticas de enrutamiento en torno a una sola tarea.

¿Qué es PII-Tracer?

PII-Tracer es el modelo compacto de 0,6B de Perplexity para detectar localmente información de identificación personal. Sus detecciones pueden ayudar a Privacy Gate a decidir si el contenido sensible debe permanecer en el dispositivo, anonimizarse o requerir aprobación antes de escalarse a la nube.

¿Qué es Lily?

Lily es el motor especializado de inferencia local de Perplexity para Apple Silicon y Qwen3.6-35B-A3B. Utiliza un entorno de ejecución en Rust y kernels Metal personalizados, y ofrece una API compatible con OpenAI. Perplexity afirma que planea publicar el motor como código abierto.

¿Un Mac que ejecuta Hybrid Compute sigue beneficiándose de un NAS?

Potencialmente sí, pero para un rol distinto. Hybrid Compute ejecuta su inferencia local y Privacy Gate en el Mac. Un NAS puede proporcionar almacenamiento persistente para documentos privados, fuentes de RAG, archivos de proyectos, resultados generados, carpetas compartidas, instantáneas y copias de seguridad sin tener que convertirse en el dispositivo principal de inferencia.