Perplexity Hybrid Compute su Mac: come il suo sistema di privacy separa l'IA locale da quella nel cloud

Perplexity Hybrid Compute su Mac è più interessante come architettura per la privacy che come ulteriore modo di eseguire localmente un LLM. Un singolo compito di Perplexity Computer può ora combinare modelli avanzati nel cloud con un modello locale su un Mac con chip Apple. I modelli cloud gestiscono attività come ricerca, pianificazione e ragionamento complesso, mentre il componente locale può lavorare con file privati, informazioni sensibili e azioni sul dispositivo. Tra i due si trova un Privacy Gate locale che controlla quali informazioni possono oltrepassare il confine del dispositivo.

Questo cambia il significato di «IA ibrida». Non si tratta più soltanto di scegliere manualmente tra Ollama e un’API cloud. Perplexity sta cercando di rendere l’instradamento parte integrante dell’agente: decidere quale parte di un compito appartiene all’elaborazione locale, identificare il contesto sensibile prima che lasci il Mac e utilizzare selettivamente l’intelligenza cloud quando offre un valore aggiunto. Questo rende Hybrid Compute un utile caso di studio per una questione più ampia sull’IA locale: quando un flusso di lavoro coinvolge modelli locali e cloud, quali dati, azioni e stati dovrebbero rimanere sotto il controllo dell’utente?

Che cos’è Perplexity Hybrid Compute su Mac?

Perplexity Hybrid Compute è una modalità di Perplexity Computer che consente a un singolo compito di utilizzare sia l’IA cloud sia un modello sul dispositivo, senza che l’utente debba suddividere manualmente il flusso di lavoro in prompt separati. Perplexity ha annunciato la funzione il 1° settembre 2026, come estensione della sua più ampia spinta verso agenti local-first.

La precedente architettura local-first di Perplexity Portable Computer trasferiva l’orchestratore, il pianificatore, l’instradamento degli strumenti, la coda delle attività, l’indice di ricerca e l’esecuzione del modello sull’hardware locale. Hybrid Compute affronta il problema in modo diverso: mantiene deliberatamente l’intelligenza cloud nel ciclo, introducendo al contempo un confine basato sulle policy per le attività private.

Nell’annuncio di Perplexity sul calcolo ibrido, la divisione dei compiti è descritta chiaramente.

L’unità importante, quindi, non è il modello. È il compito. Parti diverse dello stesso compito possono trovarsi in zone di attendibilità diverse.

Cosa viene eseguito localmente e cosa nel cloud?

L’Hybrid Compute ha più senso quando si smette di pensare in termini di «modello locale contro modello cloud» e si chiede invece in cosa sia effettivamente bravo ciascun lato.

L’IA cloud resta interessante per le conoscenze aggiornate sul Web, la ricerca ad ampio raggio e il ragionamento all’avanguardia. Un Mac è più adatto a lavorare direttamente con file e applicazioni che non dovrebbero essere copiati nel contesto di un modello remoto. Perplexity Computer coordina entrambi i lati, così l’utente non deve riassumere manualmente un documento riservato, rimuovere le sezioni sensibili, incollare il testo anonimizzato in un altro chatbot e poi trasferire nuovamente la risposta in un flusso di lavoro locale.

Consideriamo un’attività legale:

LATO PUBBLICO / CLOUD
Giurisprudenza attuale
Ricerca sul Web
Ragionamento avanzato
Pianificazione ad alto livello
        |
        v
   PRIVACY GATE
        ^
        |
LATO PRIVATO / LOCALE
File soggetti a privilegio
Identità dei clienti
Estrazione locale
Bozze di documenti
Azioni sul dispositivo

Un modello cloud potrebbe ricercare la giurisprudenza pubblica. Il modello locale può esaminare i documenti soggetti a privilegio e trasformare i fatti rilevanti in una domanda di ricerca anonimizzata. Il cloud non ha bisogno dell’intero fascicolo del cliente per fornire un contributo utile al ragionamento.

Perplexity descrive esempi simili per la finanza e la pubblicità: i documenti pubblici e le ricerche di mercato possono essere gestiti da remoto, mentre i documenti riservati relativi a operazioni, i materiali creativi soggetti a embargo o i documenti interni restano sul Mac.

Questo porta a una definizione migliore dell’IA ibrida:

L’IA ibrida non consiste semplicemente nell’eseguire metà di un carico di lavoro in locale e metà nel cloud. Consiste nell’assegnare responsabilità diverse a zone di fiducia diverse.

Come funziona il Privacy Gate di Perplexity?

Il Privacy Gate è la parte più importante dell’Hybrid Compute, perché instradare i modelli è semplice rispetto a decidere quali informazioni tali modelli possono vedere.

Perplexity afferma che il Privacy Gate viene eseguito sul Mac e valuta le informazioni sensibili prima che i contenuti protetti vengano inviati a un servizio cloud. A seconda della situazione, il sistema può mantenere le informazioni in locale, mascherare i dettagli sensibili, rifiutare un’azione o chiedere il consenso dell’utente.

Perplexity identifica specificamente nomi, indirizzi, informazioni sugli account e segreti come esempi di dettagli che il classificatore sul dispositivo è in grado di riconoscere. Le credenziali, i dati delle carte di pagamento e i documenti d’identità rilasciati dalle autorità ricevono una protezione maggiore.

Questo crea una distinzione importante rispetto a un normale flusso di lavoro cloud. Un file locale non diventa automaticamente contesto cloud solo perché un agente IA ha bisogno di aiuto per l’attività. L’applicazione ha innanzitutto l’opportunità di decidere se siano necessari tutti i dati, se sia possibile rimuoverne una parte o se un modello locale possa completare quel passaggio senza condividere nulla.

Per gli abbonati Enterprise, Perplexity afferma che gli amministratori possono anche definire policy a livello organizzativo per le informazioni che devono rimanere locali, quelle che possono essere mascherate e i trasferimenti di dati che richiedono un’approvazione esplicita. Gli amministratori possono verificare quando le informazioni lasciano un dispositivo.

L’architettura è utile, ma non va fraintesa come se «i tuoi dati non potessero mai lasciare il Mac». Hybrid Compute utilizza comunque servizi cloud. L’affermazione più precisa è che i dati protetti possono rimanere locali e i trasferimenti selezionati sono soggetti a un livello di policy sul dispositivo, invece di diventare automaticamente contesto cloud.

Come fa il Mac a sapere quali dati sono sensibili?

Una politica sulla privacy funziona solo se la macchina è in grado di identificare in modo affidabile i dati sensibili. Perplexity ha quindi introdotto una seconda tecnologia insieme a Hybrid Compute: PII-Tracer, un modello compatto da 0,6 miliardi di parametri progettato per rilevare localmente le informazioni personali identificabili.

Secondo la ricerca PII-TRACE di Perplexity, PII-Tracer fornisce uno dei segnali utilizzati dal Privacy Gate. L’applicazione può quindi usare questi rilevamenti per mantenere i contenuti in locale, oscurare gli intervalli sensibili o richiedere un’autorizzazione esplicita prima di inoltrare un’attività a un modello cloud.

La parte difficile non consiste nell’identificare un ovvio numero di carta di credito in una singola frase. Gli agenti IA mantengono conversazioni lunghe e lo stesso identificatore può comparire ripetutamente nei messaggi degli utenti, nelle risposte degli assistenti, nelle tabelle, nel codice o nei record strutturati. Non rilevare anche una sola occorrenza successiva può comunque esporre informazioni che il sistema avrebbe dovuto proteggere.

Perplexity ha creato PII-TRACE per testare questo problema nell’arco di conversazioni lunghe. Il suo benchmark contiene 13.148 conversazioni sintetiche tra utenti e assistenti in 13 lingue e 10 sistemi di scrittura, con oltre 37.000 occorrenze di identificatori etichettate appartenenti a nove tipi di dati personali identificabili.

Il punto architetturale più ampio è particolarmente rilevante per l’IA locale: la privacy stessa sta diventando un carico di lavoro dell’IA locale.

Uno stack AI privato maturo può quindi contenere più di un modello:

LLM locale principale
        +
Classificatore di dati personali / sicurezza
        +
Modello di embedding
        +
Reranker
        +
Modello OCR / visione
        +
Runtime dell’agente

Il modello più grande può occuparsi del ragionamento, ma i modelli locali più piccoli possono applicare le policy, recuperare informazioni, classificare le richieste o preelaborare dati privati prima che intervenga qualsiasi modello remoto.

Perché Perplexity ha sviluppato un proprio motore di inferenza locale per Mac?

Il routing ibrido risulta fluido solo se la parte locale dell’attività è abbastanza veloce da partecipare continuamente. Se un agente alterna il ragionamento nel cloud, l’elaborazione di file privati, un’altra chiamata a un modello locale, un’azione tramite strumento e un altro passaggio di ragionamento, una lenta inferenza locale ritarda l’intero flusso di lavoro.

Perplexity ha quindi sviluppato Lily, un motore di inferenza leggero ottimizzato specificamente per Apple Silicon e Qwen3.6-35B-A3B. L’azienda afferma di voler rendere il motore open source.

Nella ricerca di Perplexity sull’inferenza su Apple Silicon, Lily è descritto come un runtime Rust specializzato, con un’API compatibile con OpenAI e kernel Metal personalizzati. PyTorch e MLX non fanno parte del percorso di esecuzione di Lily.

Il motivo per cui la specializzazione ruota attorno a un solo modello è architetturale. Qwen3.6-35B-A3B è un modello sparso da 35B che attiva circa 3B di parametri per token. Combina il routing mixture-of-experts, i layer Gated DeltaNet e i layer di attenzione completa. Questi componenti generano schemi diversi di calcolo e accesso alla memoria, offrendo al runtime opportunità per ottimizzarsi in modo specifico per Apple Silicon.

Il checkpoint usato da Lily è quantizzato a 4 bit e occupa circa 19,4 GB, il che aiuta a spiegare perché Perplexity possa impostare una baseline di 24 GB di memoria unificata per Hybrid Compute, supportando comunque un modello locale sostanziale.

Queste sono le misurazioni di Perplexity su una configurazione M5 Max con GPU a 40 core e 128 GB di memoria unificata, non una previsione universale delle prestazioni per ogni Mac supportato.

La conclusione più duratura è che le prestazioni dell’inferenza locale dipendono sempre più dall’abbinamento tra architettura del modello, runtime, layout della memoria e hardware. Apple Silicon non è semplicemente una GPU per datacenter più piccola. Il suo design con memoria unificata, i percorsi di esecuzione Metal e la larghezza di banda della memoria creano un problema di ottimizzazione diverso.

Quali Mac possono eseguire Perplexity Hybrid Compute?

Attualmente Perplexity indica una configurazione minima relativamente semplice: qualsiasi Mac con Apple silicon che esegua macOS 15 o versioni successive e disponga di almeno 24 GB di memoria unificata.

Hybrid Compute è disponibile per gli abbonati Perplexity Pro, Max ed Enterprise. Al lancio, gli utenti possono scegliere tra tre modelli locali: Gemma 4 E4B, Qwen3.6-35B-A3B e un modello Perplexity.

Il valore di 24 GB è il minimo pubblicato da Perplexity. Le descrizioni dei sistemi con più memoria riportate sopra sono interpretazioni per la pianificazione hardware, non livelli ufficiali consigliati separati.

Perplexity indica anche un Mac mini dedicato come opzione sempre attiva. Il Mac può eseguire continuamente il modello locale mentre l’utente controlla Computer da remoto tramite un iPhone.

Questo piccolo dettaglio è strategicamente importante perché cambia il ruolo del Mac.

Cosa succede quando un Mac diventa un nodo IA sempre attivo?

Un Mac usato in modo interattivo è un computer personale. Un Mac mini lasciato online per eseguire agenti, inferenza locale, elaborazione privata dei file e attività remote inizia a comportarsi più come un nodo IA.

Questo cambiamento introduce requisiti tipici dei server che hanno poco a che fare con i punteggi dei benchmark:

• accesso persistente ai file di progetto,
• percorsi di rete stabili,
• gestione delle autorizzazioni,
• output e aree di lavoro degli agenti,
• indici di ricerca ed embedding,
• archivi con controllo delle versioni,
• snapshot e backup,
• capacità di archiviazione espandibile indipendentemente dal Mac.

L’SSD interno del Mac è eccellente per i dati utilizzati di frequente, i checkpoint dei modelli, le cache e l’area di lavoro attiva. Ma quando un agente inizia a lavorare con anni di documenti, foto, cartelle di progetto, codice, archivi di ricerca o file del team, c’è ben poca ragione perché ogni risorsa persistente debba risiedere sullo stesso SSD del runtime di inferenza.

È qui che l’IA locale inizia ad assomigliare meno a una singola applicazione in esecuzione su un solo laptop e più a un’infrastruttura.

Dove si inserisce un NAS in un flusso di lavoro IA ibrido su Mac?

Un NAS non deve eseguire Perplexity Hybrid Compute per avere un ruolo utile nell’architettura. Attualmente Perplexity esegue l’inferenza locale e il Privacy Gate sul Mac. Un NAS può stare dietro a questo livello di calcolo e fornire una zona dati privata persistente.

Abbiamo già illustrato l'architettura di base nella nostra guida alla separazione del calcolo del Mac dall'archiviazione NAS a lungo termine. Il calcolo ibrido aggiunge una terza zona: l'intelligenza cloud esterna.

Un'architettura concettuale per la casa o per un piccolo ufficio può quindi essere così:

                CLOUD
        Ragionamento avanzato
            Ricerca web
        Servizi esterni
                |
                |
       Approvato / filtrato
              Contesto
                |
                v
               MAC
          Modello locale
          Filtro della privacy
          Azioni degli agenti
          Area di lavoro attiva
                |
                |
            LAN affidabile
                |
                v
          NAS / SERVER
        Documenti privati
          Fonti RAG
         Archivio del progetto
         Output degli agenti
            Backup

Il punto importante è che questi livelli risolvono problemi diversi. Un NAS non è VRAM lenta e il Mac non è automaticamente il posto migliore per l'archiviazione a lungo termine. Il Mac gestisce il calcolo attivo e le decisioni sulla privacy. Il sistema di archiviazione fornisce capacità duratura, organizzazione, autorizzazioni, snapshot e backup.

Lo stesso schema è utile quando si crea un assistente IA privato basato su file locali e recupero delle informazioni. Il modello non deve avere ogni archivio caricato permanentemente nel proprio contesto. Deve poter accedere ai file corretti, con le autorizzazioni appropriate, quando il flusso di lavoro lo richiede.

Questa separazione rende anche più semplice far evolvere lo stack di IA. Un Mac mini può essere sostituito da un Mac Studio più veloce. Il modello locale può cambiare. Perplexity può aggiungere nuovi runtime. I modelli cloud possono migliorare. L'archivio privato dei documenti e la cronologia dei progetti non devono essere spostati ogni volta che cambia il livello di calcolo.

Il calcolo ibrido di Perplexity è solo Ollama più un modello cloud?

No. La differenza importante è l'orchestrazione consapevole delle policy.

Un utente può già creare manualmente una configurazione ibrida con Ollama, un modello locale e un'API di Claude, Gemini, OpenAI o un altro provider. Tuttavia, in una configurazione semplice, è solitamente l'utente o lo sviluppatore dell'applicazione a decidere esplicitamente quale prompt inviare a ciascun modello.

La differenza è questa:

IBRIDO MANUALE

Utente
 |
 +-- Ollama / LLM locale
 |
 +-- Modello cloud

L’utente o l’applicazione decide l’instradamento


ELABORAZIONE IBRIDA DI PERPLEXITY

Attività dell’utente
    |
    v
Orchestrazione del computer
    |
    v
Classificazione della privacy
    |
    v
Decisione di instradamento / policy
   / \
  /   \
Locale  Cloud

Questo livello di instradamento può valutare la privacy prima di decidere se debba partecipare l’intelligenza cloud. Il modello locale non è quindi solo un endpoint di inferenza alternativo; fa parte di un flusso di lavoro coordinato.

È anche per questo che l’IA ibrida può essere più di un compromesso sulla privacy. L’instradamento selettivo può diventare una strategia di contenimento dei costi. L’estrazione di routine, l’analisi dei documenti, la classificazione o il filtraggio della privacy possono rimanere locali, mentre l’intelligenza cloud premium viene riservata ai passaggi che ne traggono il massimo beneficio. La nostra più ampia analisi dei costi dell’IA locale rispetto a quella cloud esamina questo compromesso in maggiore dettaglio.

L’elaborazione ibrida è più privata dell’IA completamente locale?

Non automaticamente. Un flusso di lavoro completamente locale presenta il confine di fiducia più semplice, perché modello, strumenti, dati e inferenza possono rimanere all’interno dell’ambiente locale. L’elaborazione ibrida mantiene deliberatamente i servizi cloud, introducendo quindi ulteriori decisioni di instradamento e definizione delle policy.

PII-Tracer dimostra proprio perché questo sia un problema ingegneristico complesso. Perplexity ha creato un benchmark dedicato perché le conversazioni lunghe rendono più difficile un rilevamento coerente. Se un identificatore compare cinque volte e il classificatore ne rileva quattro, l’occorrenza mancata potrebbe comunque esporre esattamente le informazioni che il livello di privacy avrebbe dovuto proteggere.

Una Privacy Gate riduce quindi l’esposizione non necessaria, ma non elimina la necessità di fidarsi. Gli utenti fanno ancora affidamento sull’applicazione locale, sul suo classificatore, sulle autorizzazioni del sistema operativo, sulle regole di instradamento e su qualsiasi servizio esterno da loro approvato.

Questo è un modo più efficace per valutare l’IA privata rispetto al presupporre che la parola "locale" risolva ogni questione di privacy. Le domande pertinenti sono:

• Dove risiedono i dati originali?
• Quale modello lo riceve?
• Chi decide se può uscire?
• È possibile rimuovere il contesto sensibile prima dell’escalation?
• Quali autorizzazioni può esercitare localmente l’agente?
• Quali log e backup rimangono dopo il completamento dell'attività?

Perplexity Hybrid Compute mostra la direzione dell'intelligenza artificiale personale?

Hybrid Compute è ancora troppo recente per dimostrare che ogni sistema di intelligenza artificiale personale seguirà lo stesso design, ma rende più visibile un cambiamento architetturale più ampio.

I modelli locali stanno diventando strumenti operativi, anziché sostituti in miniatura di ogni modello all'avanguardia. Un modello locale può esaminare file privati, estrarre informazioni, applicare criteri, eseguire azioni sul dispositivo e preparare un contesto anonimizzato. Non deve necessariamente superare il miglior modello cloud in ogni benchmark di ragionamento per essere utile.

I modelli cloud possono diventare specialisti nella ricerca, nel ragionamento complesso e nelle funzionalità che traggono vantaggio da un'infrastruttura gestita di grandi dimensioni. I modelli locali più piccoli possono diventare componenti per la privacy e l'instradamento. Un Mac o un PC dotato di intelligenza artificiale può diventare il nodo di esecuzione attivo. Un NAS o un server domestico può rimanere il livello dati durevole sottostante.

Ciò significa che l'instradamento potrebbe diventare importante quanto la scelta del modello.

La domanda passa da:

"Posso eseguire localmente il modello più grande?"

a:

"Il mio sistema può mantenere localmente i dati giusti utilizzando al contempo il miglior modello disponibile per ogni parte del lavoro?"

Il Portable Computer di Perplexity ha dimostrato che anche il runtime dell'agente può spostarsi verso l'hardware locale. Hybrid Compute su Mac fa un ulteriore passo avanti, rendendo il confine tra esecuzione locale e cloud parte integrante del flusso di lavoro. Insieme, le due versioni indicano un'architettura dell'intelligenza artificiale in cui gli utenti non devono scegliere in modo assoluto tra controllo locale e funzionalità cloud.

Per l'infrastruttura che privilegia l'elaborazione locale, questa è la tendenza più importante. Il futuro potrebbe riguardare meno una singola macchina che fa tutto e più ruoli chiaramente separati: cloud per l'intelligenza esterna, elaborazione locale per l'esecuzione affidabile e archiviazione locale persistente per i dati che dovrebbero rimanere tuoi.

Domande frequenti: Perplexity Hybrid Compute su Mac

Che cos'è Perplexity Hybrid Compute su Mac?

Perplexity Hybrid Compute è una modalità di Perplexity Computer che suddivide un'attività tra un modello locale su un Mac con chip Apple e servizi di intelligenza artificiale all'avanguardia nel cloud. La componente locale gestisce file privati, informazioni sensibili e azioni sul dispositivo, mentre i modelli cloud possono occuparsi di ricerca, pianificazione e ragionamento avanzato.

Perplexity Hybrid Compute mantiene i file completamente in locale?

I file protetti e le informazioni sensibili possono rimanere sul Mac, ma Hybrid Compute non è un sistema completamente offline. Quando un'attività richiede funzionalità cloud, il Privacy Gate può mantenere i dati sensibili in locale, mascherarli, rifiutarne il trasferimento o chiedere il consenso dell'utente prima di inviare le informazioni approvate.

Che cos'è il Privacy Gate di Perplexity?

Il Privacy Gate è un livello on-device che valuta le informazioni sensibili prima che passino dal Mac ai servizi cloud. Perplexity afferma che può classificare i dati protetti e applicare azioni come mantenere le informazioni locali, mascherarle, rifiutare un'azione o richiedere il consenso.

Quali Mac supportano Perplexity Hybrid Compute?

Perplexity attualmente richiede un Mac con Apple silicon che esegua macOS 15 o versione successiva e disponga di almeno 24 GB di memoria unificata. I Mac Intel e i sistemi Apple silicon con meno di 24 GB non soddisfano il requisito pubblicato.

Di quanta memoria unificata ha bisogno Perplexity Hybrid Compute?

Il requisito minimo ufficiale è 24 GB di memoria unificata. Una maggiore quantità di memoria offre più margine per i modelli locali, il contesto, altre applicazioni e carichi di lavoro più impegnativi, ma Perplexity non ha attualmente pubblicato requisiti consigliati distinti per configurazioni da 32 GB, 64 GB o 128 GB.

Quali modelli locali utilizza Perplexity Hybrid Compute?

Al lancio, Perplexity indica Gemma 4 E4B, Qwen3.6-35B-A3B e un modello Perplexity tra le opzioni di modelli locali. L'elenco dei modelli disponibili potrebbe ampliarsi con lo sviluppo del prodotto.

Perplexity Hybrid Compute funziona offline?

Parte dell'elaborazione locale può essere eseguita sul Mac, ma il flusso di lavoro completo di Hybrid Compute è progettato per combinare l'esecuzione locale con funzionalità cloud, come il ragionamento avanzato e la ricerca sul web. Le attività che dipendono da queste funzionalità remote richiedono una connessione.

Perplexity Hybrid Compute è uguale a Ollama?

No. Ollama è principalmente un runtime per modelli locali e un'API. Hybrid Compute è un sistema di orchestrazione a livello di agente che coordina modelli locali e cloud, aggiungendo classificazione della privacy e criteri di instradamento attorno a una singola attività.

Che cos'è PII-Tracer?

PII-Tracer è il modello compatto da 0,6 miliardi di parametri di Perplexity per rilevare localmente le informazioni personali identificabili. I suoi rilevamenti possono aiutare il Privacy Gate a decidere se i contenuti sensibili debbano rimanere sul dispositivo, essere oscurati o richiedere un'approvazione prima dell'invio al cloud.

Che cos'è Lily?

Lily è il motore specializzato di Perplexity per l'inferenza locale su Apple silicon e Qwen3.6-35B-A3B. Utilizza un runtime Rust e kernel Metal personalizzati ed espone un'API compatibile con OpenAI. Perplexity afferma di voler rendere il motore open source.

Un Mac che esegue Hybrid Compute trae ancora vantaggio da un NAS?

Potenzialmente sì, ma per un ruolo distinto. Hybrid Compute esegue l'inferenza locale e il Privacy Gate sul Mac. Un NAS può fornire spazio di archiviazione persistente per documenti privati, fonti RAG, archivi di progetto, output generati, cartelle condivise, snapshot e backup, senza dover diventare il dispositivo principale per l'inferenza.