Perplexityポータブルコンピューターとは？ ローカルファーストAIエージェントがPC上で作業を維持する仕組み

Perplexity Portable Computerが重要なのは、27Bモデルをローカルで実行できるからというより、エージェントランタイムそのものをユーザーのマシンに移行するからです。Perplexityによると、オーケストレーター、プランナー、ツールルーター、スケジューラー、永続タスクキュー、ローカル検索インデックスはすべてデバイス上で実行されます。エージェントはローカルファイルを読み取り、ドキュメントやコードを検索し、コンピューター上で操作を実行し、クラウドモデルをデフォルトの制御層にすることなく、長時間実行されるジョブを維持できます。

これにより、ローカルAIをめぐる問いが変わります。モデルがRAMやVRAMに収まるかどうかだけでなく、エージェントのファイル、検索インデックス、タスク状態、ツール、権限、作業環境をどこに置くべきかが、より重要な問いになります。Portable Computerはローカルのみではなく、ローカルファーストでもあります。つまり、ローカルスタックでは提供できない機能がタスクに必要な場合、ウェブ検索、接続済みアプリ、最先端のクラウドモデルの利用許可を求めることができます。その結果、ユーザーが永続的なローカル層を所有し、クラウドの知能を任意のリソースとして利用するハイブリッドAIアーキテクチャの有用な設計例となっています。

Perplexity Portable Computerとは何ですか？

Perplexity Portable Computerは、2026年8月25日に発表されたPerplexity Computerのローカルファースト版です。すべてのタスクをホスト型エージェントランタイムに送信する代わりに、コアエージェントシステムをローカルマシン上で実行します。

Perplexityの公式Portable Computer発表では、クラウドでの実行をデフォルトにせず、ローカルデータを分析し、ファイルを統合し、ワークフローを実行し、ローカルコンテンツを検索し、デバイス上で操作を実行できるシステムについて説明されています。

この違いは、モデルとその周囲で動作するエージェントを分けて考えると、より分かりやすくなります。

したがって、決定的な変化は、単に1つのLLMがサーバーからデスクトップへ移ったことではありません。オーケストレーション層も一緒に移行したのです。

これにより、Portable Computerは従来型のローカルチャットボットというより、ローカルで動作するエージェント実行環境に近いものになります。

Portable Computerで実際にローカル実行されるもの

Perplexityは、デバイス上で実行される主要コンポーネントとして、オーケストレーター、プランナー、ツールルーター、スケジューラー、永続タスクキュー、ローカル検索インデックスの6つを明示しています。これらのコンポーネントが重要なのは、エージェントが次のトークンを生成するだけの存在ではないからです。

オーケストレーターは、全体の仕事をどのように進めるかを決定します。ユーザーがエージェントに、レポートの入ったフォルダーを確認し、プロジェクトのメモと比較し、成果物を作成して、後で概要を送信するよう依頼した場合、依頼から結果までの間に多くの個別の処理が発生する可能性があります。

プランナーはその仕事を管理しやすいステップに分解します。ツールルーターは、各ステップでファイルアクセス、ローカル検索、コード実行、アプリケーションコネクター、その他の機能のいずれが必要かを判断します。スケジューラーはジョブを実行するタイミングを決定し、永続タスクキューは、すべてのタスクが一つのチャット応答で終了することを前提にせず、より長時間実行される作業を保持できる場所を提供します。

これがエージェントとチャットボットの重要な違いです。チャットボットはユーザーの次のメッセージを待つことができます。一方、エージェントはファイルを処理中であったり、別のアクションの完了を待っていたり、失敗したツール呼び出しを再試行していたり、後でタスクに戻ったりすることがあります。

Portable Computerは現在、発売時のハードウェアでQwen3.8-27BとPerplexityのPPLX 27Bをサポートしています。基盤となるQwenモデルのメモリ要件に特に関心がある方は、一般向けハードウェアでQwen3.8-27Bを実行する方法に関するガイドをご覧ください。

しかし、モデルは交換可能なコンポーネントの一つにすぎません。より重要なアーキテクチャ上の考え方は、計画、ルーティング、検索、タスクの永続化、ローカル操作を、もはやクラウドモデルのそばに配置する必要がないということです。

Portable Computerはクラウドをいつ使用するかをどのように判断するのか？

Portable Computerはローカル優先であり、必ずしもオフライン専用ではありません。 この違いは、製品を正確に理解するうえで重要です。

Perplexityによると、ローカルモデルはタスクの可能な限り多くの部分をローカルで完了できるようトレーニングされています。最新のウェブ情報、ブラウザーアクセス、接続済みアプリケーション、より高度な最先端推論など、デバイスにない機能が必要な場合、ローカルオーケストレーターはワークフローのその部分をエスカレーションできます。

簡略化した判断経路は次のようになります。

ユーザーのタスク
   |
   v
ローカルオーケストレーター
   |
   ローカルモデルとローカルツールで完了できる？
   |        |
   |        +-- はい --> ローカルで完了
   |
   +-- いいえ
          |
          +-- 最新のウェブ情報が必要？
          +-- 接続済みアプリケーションが必要？
          +-- ブラウザー操作が必要？
          +-- 最先端の推論が必要？
                    |
                    v
             許可を求める
                    |
                    v
          承認済みのクラウド機能を使用
                    |
                    v
          結果をローカルワークフローに返す

Perplexityによると、Portable Computerは必要に応じて検索機能、広範な調査や詳細な調査、接続済みアプリ、15種類を超える最先端モデルにアクセスできます。また、デバイス上のコンテンツをクラウドサービスに送信する必要がある場合、システムはまずユーザーに許可を求めるとのことです。

これにより、クラウドAIとの関係は大きく異なるものになります。

クラウドは、エージェントが永続的に存在する環境ではなく、エージェントが必要に応じて要求できる機能になります。

このハイブリッドモデルは、プライベートな作業に特に役立ちます。ローカルエージェントは機密文書をデバイス上で分析しつつ、機密性の高い原資料自体を送信する必要のない最新の市場情報については、クラウド検索サービスに問い合わせることができます。

Portable Computerはローカルファイルと検索をどのように利用するのか？

有用なプライベートAIエージェントは、すべてのドキュメントをモデルのコンテキストウィンドウに詰め込む必要はありません。必要なのは、ファイルへの制御されたアクセスと、タスクの要求に応じて関連情報を見つける手段です。

Portable Computerはローカルファイルを読み取り、ドキュメントやコードを横断して検索できます。ローカル検索インデックスもデバイス上に保持されます。この分離が重要なのは、プライベートデータを会話のたびに手動でアップロードするものではなく、永続的なナレッジレイヤーとして扱うことで、ローカルAIがはるかに便利になるためです。

簡略化したローカルナレッジワークフローは次のようになります。

ローカルファイル
    |
    v
ローカル検索 / インデックス
    |
    v
関連ドキュメント
    |
    v
ローカルエージェント
    |
    v
モデルコンテキスト
    |
    v
回答 / アクション / 出力

したがって、モデルがファイルシステム全体を「記憶」する必要はありません。現在の作業に関連するファイルや文章を取得できればよいのです。

これは、ローカルAIコンピューティングと長期NASストレージを分離する方法について説明する際に用いるアーキテクチャと密接に関係しています。コンピューティングマシンはアクティブな推論とエージェントの作業を処理し、永続的なドキュメント、埋め込み、出力、バックアップは、何年にもわたって利用できるよう設計されたストレージ層に保存できます。

エージェントが独自の成果物を生成するようになると、この区別はさらに重要になります。成熟したワークフローには、原文書、埋め込み、コードリポジトリ、出力ファイル、タスクログ、レポート、画像アセット、トランスクリプト、スナップショットなどが含まれる場合があります。もはやストレージが必要なのはAIモデルだけではありません。

ローカルファーストシステムにおけるエージェントのメモリはどこに保存されるのか？

検索可能なファイルは永続コンテキストの一形態ですが、長時間稼働するエージェントには、やがてメモリに近いものが必要になります。つまり、以前の作業の記録、プロジェクトの履歴、メモ、発見、決定事項、タスクの状態など、1回のプロンプトを超えて保持される情報です。

Portable Computerの発売により、ローカル検索と永続的なタスクキューがすでに確認されていますが、Perplexityのより広範なメモリアーキテクチャのすべての要素がそのままDGX Sparkに移行されたと主張するのは適切ではありません。

これとは別に、PerplexityはBrainと呼ばれるエージェントメモリアーキテクチャについて、詳細な研究成果を公開しています。このシステムは、同社のより広範な方向性を理解するうえで役立ちます。

Brainは、ユーザーの履歴全体をすべてのプロンプトに無理に含めようとするのではなく、永続的なエージェントコンテキストをファイルシステムとして扱います。そのメモリ構造には次のものが含まれます。

正確なディレクトリ構成よりも重要な、より広い教訓があります。エージェントのメモリは、永続的なデータになりつつあります。

モデルはアップグレードできます。6か月後には、ローカルのQwenモデルが別のオープンモデルに置き換えられているかもしれません。GPUも交換できます。エージェントのフレームワークさえ変更される可能性があります。しかし、プロジェクト文書、タスク履歴、学習したコンテキスト、インデックス化されたファイル、過去の出力は、こうした変更をすべて経ても保持する必要があるかもしれません。

そのため、永続データ層はローカルAIアーキテクチャにおいて、ますます重要になっています。

Portable Computerはローカルエージェントの操作をどのように安全に保つのか？

エージェントをローカルで実行しても、自動的に安全になるわけではありません。実際、性能の高いローカルエージェントは、単純なクラウドチャットボットよりも、有用であるがゆえに危険性の高いリソースにアクセスできる場合があります。

ファイルの読み取り、ツールの実行、コードの編集、アプリケーションの呼び出し、コマンドの実行ができるエージェントには、アクセス可能な範囲を定める境界が必要です。Perplexityによると、Portable Computerでは、コードとツールの実行が、ファイルや接続されたアプリへのアクセスを制御した分離サンドボックス環境内で行われます。

実用的なローカルエージェントのセキュリティモデルには、複数の層が必要です。

最も安全なパターンは、一般的にエージェントに分析する幅広い能力を与え、実行する権限はより限定することです。私たちのローカルAIエージェントに承認ゲートを使用する方法に関するガイドでも、同じ原則を採用しています。下書き、要約、監視、推奨事項の提示は自動で実行できることが多い一方、ファイルの削除、メッセージの送信、購入、権限の変更には、より強い確認が必要です。

Perplexityによる長時間実行エージェントサンドボックスに関する幅広い研究では、エージェントの実行環境が通常の短時間のコンテナジョブと異なる理由についても説明されています。エージェントは数時間から数日にわたって作業用ファイルシステム、実行中のプロセス、状態を蓄積する可能性があるため、分離と復旧の両方が重要になります。

この研究を、クラウド上のSPACEの実装におけるあらゆる詳細がPortable Computer上でも完全に同一に再現されている証拠と解釈すべきではありません。ただし、ローカルエージェントがますます解決する必要のあるインフラストラクチャの課題は示しています。強力な実行環境は、制御されたアクセスと永続的な状態を両立させなければなりません。

Perplexity Portable Computerに必要なハードウェアは？

提供開始時点で、Portable ComputerはPerplexity ProおよびMaxの加入者向けにNVIDIA DGX Spark上で利用できます。初回リリースではLinuxに対応し、Windowsへの対応は後日予定されています。Perplexityは、NVIDIA RTX GPU搭載PCへの対応も予定していると説明しています。

DGX Sparkは、20コアArm CPU、NVIDIA GPU、128GBのユニファイドメモリを備えたNVIDIAのGrace Blackwell GB10プラットフォームを中心に構築されています。この大容量の共有メモリプールにより、エージェントランタイムやその他のワークロード用の容量を残しながら、大規模なローカルモデルを実行できます。

Portable Computerでは現在、Qwen3.8-27Bと、QwenモデルをPerplexity向けに追加学習したバージョンであるPPLX 27Bを提供しています。NVIDIA Nemotron 3.5 Lightningもモデル選択画面に近日追加予定として表示されています。

これは、基盤となる27BモデルにDGX Sparkが絶対的な最低ハードウェア要件であることを意味しません。Qwen3.8-27B自体は、量子化すればより一般的なハードウェアでも動作します。128GBのシステムにより、Perplexityは基盤モデルがトークンを生成できることを示すだけでなく、統合されたローカルエージェント環境を提供できます。

ローカルファーストAIは本当にクラウドコストを削減するのか？

Perplexityによると、Portable Computerのローカルモデルで完了した処理はクレジットを消費しません。これにより、エージェントのワークロードにおけるコスト構造が変わります。エージェントは通常のチャットよりもはるかに多くの推論を消費する可能性があるためです。

1つのチャットボットへの質問には、1つのプロンプトと1つの回答が含まれる場合があります。一方、エージェントは次のように動作できます。

タスクを計画し、ファイルを調べ、ツールを呼び出し、結果を評価し、失敗した操作を再試行し、追加情報を調査し、別のワーカーを呼び出し、調査結果を要約してから、最終出力を生成します。

各ループで推論がさらに発生します。同じ自動化を毎朝実行したり、数百件のドキュメントを処理したり、コードベース全体を継続的に扱ったりすると、従量課金はたまにチャットをする場合よりはるかに速く積み上がります。

ローカル推論は、そのコスト構造を変えます。使用量に応じたクラウド支出の一部を、ハードウェア、電気代、ストレージ、保守などの固定費に置き換えます。

だからといって、ローカルAIが無料になるわけではありません。より有用な比較は、ローカルAIとクラウドAIのコストのトレードオフです。

Portable Computerは、ハイブリッドな答えを事実上体系化しています。すでに所有しているハードウェア上で大容量または機密性の高い処理を行い、明確な機能上の優位性が得られる場合に限って、クラウドリソースを選択的に利用します。

推論を別の場所で実行する場合でも、ローカルAIエージェントにサーバーやNASが必要になるのはなぜでしょうか？

Portable Computerは現在、NAS上ではなくAIコンピューティングシステム上で動作しています。この事実を理由に、製品全体をストレージサーバーにインストールすべきだという根拠のない主張をする必要はありません。

より興味深いつながりは、アーキテクチャにあります。

エージェントが永続的に稼働するようになると、個々の推論セッションよりはるかに長く存続するデータが蓄積されます。

• ソースドキュメントとプライベートファイル、
• コードリポジトリとプロジェクトアセット、
• 検索インデックスと埋め込み、
• タスク履歴とエージェントログ、
• 生成されたレポートと成果物、
• メモリファイルとナレッジベース、
• ワークフロー設定、
• スナップショットとバックアップ。

そのデータすべてを、推論を実行するマシンの内蔵SSDに恒久的に置く必要はありません。

成熟したローカルファーストのアーキテクチャでは、3つのリソースレイヤーを分離できます。

NASはGPUメモリのふりをする必要はありません。その役割は異なります。エージェントの永続データを安定して拡張可能な、権限管理された保存場所として提供することです。

これが、プライベートAIのデータレイヤーを、推論を別の場所で実行しながらNASに保持できるのと同じ理由です。コンピューティングハードウェアを変更しても、ナレッジベース全体を一緒に移行する必要はありません。

この分離は、複数のデバイスを使う環境で特に役立ちます。あるワークステーションでは日中に強力なローカルモデルを実行し、別のデバイスでは軽量なAIタスクを処理し、後にアップグレードしたGPUシステムがその両方に取って代わることもできます。永続ストレージ層があれば、こうした変化の間も、同じプロジェクトファイル、埋め込み、出力、エージェントの履歴、バックアップを保持し続けられます。

言い換えれば、長期的な資産はモデルではないかもしれません。モデルを取り巻く状態こそが資産になる可能性があります。

Portable ComputerはパーソナルAIエージェントの未来なのか？

Portable Computerは登場したばかりであり、すべてのパーソナルAIエージェントがまったく同じアーキテクチャを採用することを証明するには早すぎます。しかし、より広範なトレンドをいくつも、はるかに明確に示しています。

第一に、高性能なローカルモデルは、プライベートなチャットの枠を超えつつあります。現在では、27Bモデルを、タスクの計画、ファイルの検索、ツールの実行、作業の継続が可能なエージェント基盤に組み込めます。

第二に、エージェントのフレームワークは、モデルと同じくらい重要になりつつあります。オーケストレーション、タスクの永続化、検索、権限、サンドボックス、コネクター、メモリによって、モデルが実際に達成できることが決まります。

第三に、完全なローカルAIと完全なクラウドベースAIだけが選択肢ではありません。Portable Computerは、より実用的な中間地点を示しています。通常の処理はデバイス上で行いながら、エージェントが必要に応じて外部情報や、より高度な推論を選択的に求められます。

依然として重要な制限もあります。今回の発売は、専用のDGX Sparkハードウェアが中心です。RTX PCへの対応は現在も拡大中です。Windowsのサポートは初回リリースには含まれていません。ローカルモデルが、難しい推論問題のすべてで最先端のクラウドモデルを上回るわけではなく、接続されたアプリケーションには外部サービスも関わります。

ローカル実行では、ユーザーの責任も増えます。ハードウェアの容量、ストレージ、権限、バックアップ、ソフトウェア更新、エージェントのセキュリティが、見えないクラウドインフラではなく、システムの一部になります。

しかし、この方向性は重要です。重要な変化は、単にクラウドAIからローカルAIへ移行することではありません。クラウド所有のワークフローから、必要に応じてクラウドの知能を選択的に借りられる、ユーザー所有のAIインフラへ移行することです。

そうなると、モデルを実行するマシンはシステムの一要素にすぎません。ファイル、インデックス、メモリ、権限、タスクの状態、出力、バックアップが、パーソナルAIインフラの中核要素になります。そして、まさにこれらの層こそが、今日のモデルが置き換えられた後もローカルファーストのエージェントを長く役立つものにします。

FAQ：Perplexity Portable ComputerとローカルファーストAI

Perplexity Portable Computerとは？

Perplexity Portable Computerは、Perplexity Computerのローカルファースト版です。ユーザーのマシン上で、エージェントのモデル、オーケストレーター、プランナー、ツールルーター、スケジューラー、永続タスクキュー、ローカル検索インデックスを実行します。クラウドでの実行をデフォルトにせず、ローカルファイルやワークフローを処理できます。

Perplexity Portable Computerは完全にオフラインで実行されますか？

多くのタスクをローカルで実行できますが、ローカル限定というより、ローカルファーストと表現するのが適切です。必要に応じて、エージェントはクラウド検索、接続されたアプリケーション、ブラウザー機能、または最先端モデルを利用できます。Perplexityによると、デバイスのコンテンツをクラウドサービスに送信する前に許可を求めます。

Portable Computerはどのモデルを使用しますか？

Portable Computerはローンチ時点でQwen3.8-27BとPPLX 27Bをサポートしており、Perplexityは後者をQwenモデルの追加学習版と説明しています。モデル選択画面には、NVIDIA Nemotron 3.5 Lightningも追加される予定です。

Portable Computerはプライベートファイルをクラウドに送信しますか？

Perplexityによると、プライベートデータはデバイス上に保持でき、タスクでデバイスからクラウドサービスへコンテンツを送信する必要がある場合は、システムが許可を求めます。ただし、接続されたアプリや承認済みのクラウドへのエスカレーションは外部へのデータフローとして扱い、システムが常にオフラインであると想定しないでください。

Portable ComputerはRTX PCで実行できますか？

Perplexityは、まずNVIDIA DGX SparkでPortable Computerを開始し、NVIDIA RTX GPU搭載PCへの対応を予定していると述べています。RTX向けの展開が進むにつれて、より広範なRTX展開に必要な正確なハードウェアおよびソフトウェア要件は変更される可能性があります。

Portable ComputerにはDGX Sparkが必要ですか？

2026年9月の初期展開はDGX Sparkを中心に構築されていますが、PerplexityはすでにRTX GPU搭載PCへの拡大を発表しています。基盤となるQwen3.8-27Bモデルは、適切な量子化とメモリがあれば、他のローカルハードウェア上でも単独で実行できます。

Perplexity Portable ComputerはOllamaと同じものですか？

いいえ。Ollamaは主にローカルモデルの実行環境およびAPIレイヤーです。Portable Computerは、ローカルモデルにオーケストレーション、計画、タスクの永続化、ローカル検索、ツール、デバイス操作、サンドボックス化、コネクター、必要に応じたクラウドへのエスカレーションを組み合わせた、より包括的なエージェントシステムです。Ollamaはモデルの実行を支援し、Portable Computerはモデルを中心とした継続的なエージェントワークフローの実行を目的としています。

ローカルAIエージェントに永続ストレージが必要なのはなぜですか？

永続エージェントは、モデルの重みだけでなく、はるかに多くのものを作成し、再利用します。ソースファイル、検索インデックス、埋め込み、メモリ、タスク履歴、ワークスペース、生成された出力、ログ、バックアップなどに依存することがあります。こうしたデータを耐久性のあるストレージ層に保存しておくと、エージェントの作業環境全体を再構築することなく、計算用マシンを交換またはアップグレードしやすくなります。