Che cos’è il computer portatile Perplexity? Come gli agenti IA local-first mantengono il lavoro sul tuo PC

Perplexity Portable Computer è importante meno perché può eseguire localmente un modello da 27B e più perché sposta lo stesso runtime dell'agente sul computer dell'utente. Perplexity afferma che l'orchestratore, il pianificatore, il router degli strumenti, lo scheduler, la coda persistente delle attività e l'indice di ricerca locale funzionano tutti sul dispositivo. L'agente può leggere file locali, cercare documenti e codice, eseguire azioni sul computer e mantenere attivi i processi di lunga durata senza rendere un modello cloud lo strato di controllo predefinito.

Questo cambia la questione dell'IA locale. Invece di chiedersi soltanto se un modello può essere contenuto nella RAM o nella VRAM, la domanda più importante diventa dove debbano risiedere i file dell'agente, l'indice di ricerca, lo stato delle attività, gli strumenti, le autorizzazioni e l'ambiente di lavoro. Portable Computer è anche local-first anziché esclusivamente locale: può richiedere l'autorizzazione per utilizzare la ricerca web, le app connesse o i modelli cloud di frontiera quando un'attività richiede funzionalità che lo stack locale non è in grado di fornire. Il risultato è un modello utile per un'architettura di IA ibrida, in cui l'utente possiede lo strato locale persistente mentre l'intelligenza del cloud diventa una risorsa facoltativa.

Che cos'è Perplexity Portable Computer?

Perplexity Portable Computer è una versione local-first di Perplexity Computer introdotta il 25 agosto 2026. Invece di inviare ogni attività tramite un runtime per agenti ospitato, esegue il sistema centrale dell'agente su una macchina locale.

Nell'annuncio ufficiale di Portable Computer, Perplexity descrive un sistema in grado di analizzare dati locali, sintetizzare file, eseguire flussi di lavoro, cercare contenuti locali ed eseguire azioni sul dispositivo senza impostare l'esecuzione nel cloud come predefinita.

La distinzione è più chiara se si separa il modello dall'agente che lo circonda.

Il cambiamento fondamentale, quindi, non è semplicemente che un LLM sia passato da un server a un computer desktop. Lo strato di orchestrazione si è spostato insieme a lui.

Questo rende Portable Computer qualcosa di più simile a un ambiente operativo per agenti locali che a un chatbot locale convenzionale.

Cosa funziona davvero localmente in Portable Computer?

Perplexity identifica esplicitamente sei componenti principali che funzionano sul dispositivo: l'orchestratore, il pianificatore, il router degli strumenti, lo scheduler, la coda persistente delle attività e l'indice di ricerca locale. Questi componenti sono importanti perché un agente fa molto più che generare il token successivo.

L'orchestratore decide come deve procedere l'attività complessiva. Se un utente chiede all'agente di esaminare una cartella di report, confrontarli con le note del progetto, preparare un risultato e inviare in seguito un riepilogo, tra la richiesta e il risultato possono esserci molte singole operazioni.

Il pianificatore suddivide l'attività in passaggi gestibili. Il router degli strumenti decide se un passaggio richiede l'accesso ai file, la ricerca locale, l'esecuzione di codice, un connettore per applicazioni o un'altra funzionalità. Lo scheduler stabilisce quando eseguire le attività, mentre la coda persistente delle attività offre un luogo in cui mantenere il lavoro di più lunga durata, invece di presumere che ogni attività termini con una singola risposta in chat.

Questa è la differenza fondamentale tra un agente e un chatbot. Un chatbot può attendere il messaggio successivo dell'utente. Un agente potrebbe essere ancora intento a elaborare file, in attesa del completamento di un'altra azione, a riprovare una chiamata a uno strumento non riuscita o a riprendere un'attività in un secondo momento.

Portable Computer supporta attualmente Qwen3.8-27B e PPLX 27B di Perplexity sul suo hardware di lancio. I lettori interessati nello specifico ai requisiti di memoria del modello Qwen sottostante possono consultare la nostra guida su come eseguire Qwen3.8-27B su hardware consumer.

Tuttavia, il modello è solo un componente intercambiabile. L'idea architetturale più importante è che pianificazione, instradamento, ricerca, persistenza delle attività e azioni locali non devono più risiedere accanto a un modello cloud.

Come decide Portable Computer quando usare il cloud?

Portable Computer segue un approccio locale per impostazione predefinita, ma non è necessariamente solo offline. Questa distinzione è essenziale per comprendere correttamente il prodotto.

Perplexity afferma che il modello locale è addestrato per completare localmente la maggior parte possibile di un'attività. Quando un'operazione richiede qualcosa di cui il dispositivo non dispone, come informazioni aggiornate dal web, accesso al browser, un'applicazione connessa o capacità di ragionamento all'avanguardia più avanzate, l'orchestratore locale può delegare quella parte del flusso di lavoro.

Un percorso decisionale semplificato è il seguente:

Attività dell'utente
   |
   v
Orchestratore locale
   |
   Il modello locale + gli strumenti locali possono completare l'attività?
   |        |
   |        +-- Sì --> Completa localmente
   |
   +-- No
          |
          +-- Richiede informazioni aggiornate dal web?
          +-- Richiede un'applicazione connessa?
          +-- Richiede un'azione nel browser?
          +-- Richiede un ragionamento all'avanguardia?
                    |
                    v
             Chiedi l'autorizzazione
                    |
                    v
          Usa la funzionalità cloud approvata
                    |
                    v
          Restituisci il risultato al flusso di lavoro locale

Perplexity afferma che Portable Computer può accedere, quando necessario, alle sue funzionalità di ricerca, alla ricerca ampia o approfondita, alle app connesse e a più di 15 modelli all'avanguardia. Afferma inoltre che, quando i contenuti dal dispositivo devono essere inviati a un servizio cloud, il sistema chiede prima l'autorizzazione dell'utente.

Questo crea un rapporto molto diverso con l'IA cloud.

Il cloud diventa una funzionalità che l'agente può richiedere, anziché l'ambiente in cui l'agente risiede permanentemente.

Questo modello ibrido è particolarmente utile per il lavoro privato. Un agente locale potrebbe analizzare documenti riservati sul dispositivo, ma chiedere comunque a un servizio di ricerca cloud informazioni di mercato aggiornate che non richiedano l'invio del materiale riservato originale.

In che modo Portable Computer utilizza i file e la ricerca locali?

Un agente di IA privato efficace non deve comprimere ogni documento nella finestra di contesto del modello. Ha bisogno di un accesso controllato ai file e di un modo per trovare le informazioni rilevanti quando un'attività lo richiede.

Portable Computer può leggere i file locali ed effettuare ricerche tra documenti e codice. Anche il suo indice di ricerca locale rimane sul dispositivo. Questa separazione è importante perché l'IA locale diventa molto più utile quando i dati privati vengono trattati come un livello di conoscenza persistente, anziché come qualcosa da caricare manualmente per ogni conversazione.

Un flusso di lavoro semplificato per la gestione della conoscenza locale è il seguente:

File locali
    |
    v
Ricerca locale / Indice
    |
    v
Documenti rilevanti
    |
    v
Agente locale
    |
    v
Contesto del modello
    |
    v
Risposta / Azione / Output

Pertanto, il modello non deve "ricordare" un intero file system. Può recuperare i file o i passaggi rilevanti per il lavoro corrente.

Questo è strettamente correlato all'architettura che utilizziamo quando parliamo di separare il calcolo dell'IA locale dall'archiviazione NAS a lungo termine. La macchina di calcolo gestisce l'inferenza attiva e il lavoro dell'agente, mentre documenti persistenti, embedding, output e backup possono risiedere su un livello di archiviazione progettato per rimanere disponibile per anni.

La distinzione diventa più importante man mano che gli agenti generano i propri artefatti. Un flusso di lavoro maturo può contenere documenti sorgente, embedding, repository di codice, file di output, registri delle attività, report, risorse grafiche, trascrizioni e snapshot. Il modello di IA non è più l'unico elemento che necessita di spazio di archiviazione.

Dove risiede la memoria dell'agente in un sistema local-first?

I file ricercabili sono una forma di contesto persistente, ma gli agenti che operano a lungo termine hanno infine bisogno di qualcosa di più simile alla memoria: registri del lavoro precedente, cronologia del progetto, note, scoperte, decisioni e stato delle attività che persistano oltre una singola richiesta.

Il lancio di Portable Computer conferma già la ricerca locale e una coda di attività persistente, ma è importante non affermare che ogni componente dell'architettura di memoria più ampia di Perplexity sia stata semplicemente trasferita su DGX Spark.

Separatamente, Perplexity ha pubblicato un’analisi dettagliata sull’architettura della memoria degli agenti chiamata Brain. Questo sistema è utile per comprendere la direzione del pensiero più ampio dell’azienda.

Brain tratta il contesto persistente dell’agente come un filesystem, invece di cercare di inserire l’intera cronologia dell’utente in ogni prompt. La sua struttura di memoria include:

La lezione più importante va oltre l’esatta struttura delle directory: la memoria dell’agente sta diventando un dato persistente.

I modelli possono essere aggiornati. Un modello Qwen locale potrebbe essere sostituito da un altro modello open source sei mesi dopo. La GPU può essere sostituita. Anche il framework dell’agente può cambiare. Tuttavia, i documenti di progetto, la cronologia delle attività, il contesto appreso, i file indicizzati e gli output precedenti potrebbero dover sopravvivere a tutti questi cambiamenti.

Per questo il livello di dati persistenti sta diventando sempre più importante nell’architettura dell’IA locale.

In che modo Portable Computer rende più sicure le azioni degli agenti locali?

Eseguire un agente localmente non lo rende automaticamente sicuro. Anzi, un agente locale avanzato potrebbe avere accesso a risorse più utili e, di conseguenza, più pericolose rispetto a un semplice chatbot cloud.

Un agente in grado di leggere file, eseguire strumenti, modificare codice, chiamare applicazioni o eseguire comandi ha bisogno di limiti su ciò che può utilizzare. Perplexity afferma che l’esecuzione di codice e strumenti in Portable Computer avviene in ambienti sandbox isolati, con accesso controllato ai file e alle app connesse.

Un modello pratico di sicurezza per gli agenti locali richiede diversi livelli:

Il modello più sicuro consiste generalmente nel dare agli agenti ampia capacità di analizzare e un’autorità più limitata di agire. Usiamo lo stesso principio nella nostra guida a usare i passaggi di approvazione per gli agenti IA locali: bozze, riepiloghi, monitoraggio e raccomandazioni possono spesso essere gestiti automaticamente, mentre eliminare file, inviare messaggi, effettuare acquisti o modificare autorizzazioni richiede una conferma più rigorosa.

La ricerca più ampia di Perplexity sui sandbox per agenti a esecuzione prolungata spiega anche perché gli ambienti di esecuzione degli agenti differiscono dai normali job in container di breve durata. Un agente può accumulare un file system operativo, processi in esecuzione e stato per ore o giorni, rendendo importanti sia l'isolamento sia il ripristino.

Questa ricerca non deve essere interpretata come una prova che ogni dettaglio esatto dell'implementazione cloud di SPACE venga riprodotto in modo identico su Portable Computer. Dimostra però il problema infrastrutturale che gli agenti locali devono affrontare sempre più spesso: un'esecuzione potente deve coesistere con accesso controllato e stato persistente.

Di quale hardware ha bisogno Perplexity Portable Computer?

Al lancio, Portable Computer è disponibile su NVIDIA DGX Spark per gli abbonati ai piani Perplexity Pro e Max. La prima versione supporta Linux, mentre il supporto per Windows è stato annunciato come disponibile in seguito. Perplexity afferma inoltre che il supporto per i PC con GPU NVIDIA RTX è in arrivo.

DGX Spark è basato sulla piattaforma GB10 Grace Blackwell di NVIDIA, con una CPU Arm a 20 core, una GPU NVIDIA e 128GB di memoria unificata. Questa ampia memoria condivisa lo rende adatto all'esecuzione di modelli locali di grandi dimensioni, lasciando al contempo capacità per il runtime dell'agente e altri carichi di lavoro.

Portable Computer offre attualmente Qwen3.8-27B e PPLX 27B, una versione del modello Qwen sottoposta a post-training da Perplexity. Anche NVIDIA Nemotron 3.5 Lightning è indicato come prossimo modello disponibile nel selettore.

Questo non significa che un DGX Spark sia un requisito hardware minimo universale per il modello sottostante da 27B. Qwen3.8-27B può funzionare anche su hardware molto più convenzionale quando viene quantizzato. Il sistema con 128GB offre a Perplexity il margine necessario per fornire un ambiente agente locale integrato, anziché limitarsi a dimostrare che il modello di base è in grado di generare token.

L'IA locale riduce davvero i costi del cloud?

Perplexity afferma che il lavoro completato dal modello locale di Portable Computer non consuma crediti. Questo cambia l'economia dei carichi di lavoro degli agenti, perché gli agenti possono utilizzare molta più inferenza rispetto a una chat ordinaria.

Una singola domanda a un chatbot può includere un prompt e una risposta. Un agente invece può:

pianificare un'attività, esaminare i file, chiamare gli strumenti, valutare un risultato, ritentare un'azione non riuscita, cercare ulteriori informazioni, invocare un altro worker, riepilogare i risultati e quindi produrre l'output finale.

Ogni ciclo genera ulteriore inferenza. Quando la stessa automazione viene eseguita ogni mattina, elabora centinaia di documenti o lavora continuamente su una base di codice, l'utilizzo a consumo può accumularsi molto più rapidamente rispetto a una chat occasionale.

L'inferenza locale cambia questa struttura dei costi. Sostituisce parte della spesa cloud per utilizzo con costi fissi come hardware, elettricità, archiviazione e manutenzione.

Questo non rende gratuita l'AI locale. Il confronto più utile è il compromesso dei costi tra AI locale e cloud.

Portable Computer formalizza di fatto la risposta ibrida: mantieni il lavoro ad alto volume o sensibile sull'hardware che già possiedi, quindi utilizza selettivamente le risorse cloud dove offrono un chiaro vantaggio in termini di funzionalità.

Perché gli agenti AI locali potrebbero aver bisogno di un server o di un NAS anche quando l'inferenza viene eseguita altrove?

Portable Computer attualmente funziona su un sistema di calcolo AI, non su un NAS. Non c'è motivo di trasformare questo fatto in un'affermazione non supportata secondo cui l'intero prodotto dovrebbe essere installato su un server di archiviazione.

Il collegamento più interessante è architetturale.

Man mano che gli agenti diventano persistenti, accumulano dati che rimangono molto più a lungo di una singola sessione di inferenza:

• documenti sorgente e file privati,
• repository di codice e risorse dei progetti,
• indici di ricerca ed embedding,
• cronologie delle attività e log degli agenti,
• report e artefatti generati,
• file di memoria e basi di conoscenza,
• configurazioni dei flussi di lavoro,
• snapshot e backup.

Non tutti questi dati devono appartenere permanentemente all'SSD interno della macchina che esegue l'inferenza.

Un'architettura locale matura può separare tre livelli di risorse:

Il NAS non deve fingere di essere memoria GPU. Il suo ruolo è diverso: fornire una sede stabile, espandibile e con gestione delle autorizzazioni per i dati persistenti dell'agente.

Questo è lo stesso motivo per cui un livello dati AI privato può rimanere su un NAS mentre l'inferenza viene eseguita altrove. L'hardware di calcolo può cambiare senza costringere l'intera base di conoscenza a spostarsi con esso.

Questa separazione diventa particolarmente utile in un ambiente con più dispositivi. Una workstation potrebbe eseguire durante il giorno un potente modello locale, un altro dispositivo potrebbe gestire attività IA più leggere e, in seguito, un sistema con una GPU aggiornata potrebbe sostituirli entrambi. Un livello di archiviazione persistente può continuare a conservare gli stessi file di progetto, embedding, risultati, cronologia dell’agente e backup durante tutti questi cambiamenti.

In altre parole, l’asset di lungo periodo potrebbe non essere il modello. Potrebbe essere lo stato che circonda il modello.

Portable Computer è il futuro degli agenti IA personali?

Portable Computer è troppo recente per dimostrare che ogni agente IA personale adotterà esattamente la stessa architettura. Tuttavia, rende molto più visibili diverse tendenze generali.

Primo, i modelli locali avanzati vanno oltre la chat privata. Ora un modello da 27B può essere integrato in un ambiente per agenti che pianifica le attività, cerca nei file, esegue strumenti e mantiene il lavoro in esecuzione.

Secondo, il framework dell’agente diventa sempre più importante quanto il modello. Orchestrazione, persistenza delle attività, recupero delle informazioni, autorizzazioni, sandbox, connettori e memoria determinano ciò che il modello può effettivamente realizzare.

Terzo, l’IA completamente locale e quella interamente basata sul cloud non sono le uniche opzioni. Portable Computer dimostra una via di mezzo più pratica: l’esecuzione delle attività di routine può rimanere sul dispositivo, mentre l’agente può chiedere selettivamente informazioni esterne o capacità di ragionamento più avanzate.

Esistono ancora importanti limitazioni. Il lancio è incentrato sull’hardware specializzato DGX Spark. Il supporto per i PC RTX è ancora in espansione. Il supporto per Windows non faceva parte della prima versione. I modelli locali non supereranno i modelli cloud all’avanguardia in ogni problema di ragionamento complesso, e le applicazioni connesse continuano a coinvolgere servizi esterni.

L’esecuzione locale trasferisce inoltre una maggiore responsabilità all’utente. Capacità hardware, archiviazione, autorizzazioni, backup, aggiornamenti software e sicurezza degli agenti diventano tutti parte del sistema, invece di rimanere elementi invisibili dell’infrastruttura cloud.

Ma la direzione è significativa. Il cambiamento importante non consiste semplicemente nel passaggio dall’IA cloud all’IA locale. Consiste nel passaggio da flussi di lavoro di proprietà del cloud a un’infrastruttura IA di proprietà dell’utente, che può ricorrere selettivamente all’intelligenza del cloud quando è utile.

Quando ciò accade, la macchina che esegue il modello è solo un elemento del sistema. File, indici, memoria, autorizzazioni, stato delle attività, risultati e backup diventano componenti fondamentali dell’infrastruttura personale per l’IA, e sono proprio questi livelli a rendere utili gli agenti local-first anche molto tempo dopo che il modello di oggi sarà stato sostituito.

FAQ: Perplexity Portable Computer e l’IA local-first

Che cos’è Perplexity Portable Computer?

Perplexity Portable Computer è una versione local-first di Perplexity Computer che esegue sul dispositivo dell'utente il modello dell'agente, l'orchestratore, il pianificatore, il router degli strumenti, lo scheduler, la coda durevole delle attività e l'indice di ricerca locale. Può elaborare file locali e flussi di lavoro senza rendere l'esecuzione sul cloud l'opzione predefinita.

Perplexity Portable Computer funziona completamente offline?

Può svolgere molte attività localmente, ma è più corretto descriverlo come local-first anziché esclusivamente locale. L'agente può usare la ricerca sul cloud, le applicazioni connesse, le funzionalità del browser o modelli all'avanguardia quando necessario. Perplexity afferma che richiede l'autorizzazione prima di inviare contenuti del dispositivo a un servizio cloud.

Quale modello utilizza Portable Computer?

Al lancio, Portable Computer supporta Qwen3.8-27B e PPLX 27B, che Perplexity descrive come una versione sottoposta a post-training del modello Qwen. È inoltre previsto NVIDIA Nemotron 3.5 Lightning nel selettore dei modelli.

Portable Computer invia i file privati al cloud?

Perplexity afferma che i dati privati possono rimanere sul dispositivo e che il sistema chiede l'autorizzazione quando un'attività richiede l'invio di contenuti dal dispositivo a un servizio cloud. Gli utenti dovrebbero comunque considerare le app connesse e l'escalation al cloud approvata come flussi di dati esterni, invece di presumere che il sistema sia permanentemente offline.

Portable Computer può funzionare su un PC RTX?

Perplexity ha lanciato Portable Computer inizialmente su NVIDIA DGX Spark e afferma che il supporto per i PC con GPU NVIDIA RTX è in arrivo. I requisiti esatti hardware e software per una distribuzione RTX più ampia potrebbero cambiare con l'evolversi del lancio.

Portable Computer richiede un DGX Spark?

La distribuzione iniziale di settembre 2026 è basata su DGX Spark, ma Perplexity ha già annunciato un'espansione ai PC con GPU RTX. Il modello Qwen3.8-27B sottostante può anche essere eseguito autonomamente su altro hardware locale con una quantizzazione e una memoria adeguate.

Perplexity Portable Computer è la stessa cosa di Ollama?

No. Ollama è principalmente un runtime locale per modelli e un livello API. Portable Computer è un sistema di agenti più ampio che combina un modello locale con orchestrazione, pianificazione, persistenza delle attività, ricerca locale, strumenti, azioni sul dispositivo, sandbox, connettori e un'escalation facoltativa al cloud. Ollama aiuta a eseguire un modello; Portable Computer è progettato per eseguire un flusso di lavoro continuo basato su un modello.

Perché un agente IA locale ha bisogno di un'archiviazione persistente?

Gli agenti persistenti creano e riutilizzano molto più dei semplici pesi del modello. Possono dipendere da file sorgente, indici di ricerca, embedding, memoria, cronologie delle attività, spazi di lavoro, output generati, registri e backup. Conservare questi dati in un livello di archiviazione durevole semplifica la sostituzione o l'aggiornamento della macchina di calcolo senza dover ricostruire l'intero ambiente operativo dell'agente.