Hybrydowe przetwarzanie Perplexity na Macu: jak jego brama prywatności dzieli zadania AI między urządzenie lokalne a chmurę

Perplexity Hybrid Compute na Macu jest ciekawsze jako architektura prywatności niż jako kolejny sposób lokalnego uruchamiania LLM-a. Pojedyncze zadanie w Perplexity Computer może teraz łączyć zaawansowane modele w chmurze z modelem lokalnym na Macu z układem Apple Silicon. Modele chmurowe obsługują takie zadania jak wyszukiwanie informacji, planowanie i złożone rozumowanie, podczas gdy część lokalna może pracować z prywatnymi plikami, poufnymi informacjami i działaniami wykonywanymi na urządzeniu. Pomiędzy nimi znajduje się lokalna Brama prywatności, która kontroluje, jakie informacje mogą przekroczyć granicę urządzenia.

To zmienia znaczenie określenia „hybrydowa AI”. Nie chodzi już tylko o ręczny wybór między Ollamą a chmurowym API. Perplexity próbuje uczynić routing częścią samego agenta: decydować, która część zadania powinna być wykonywana lokalnie, rozpoznawać poufny kontekst, zanim opuści on Maca, i wybiórczo korzystać z inteligencji chmurowej, gdy przynosi ona dodatkową wartość. Dzięki temu Hybrid Compute stanowi interesujące studium większego zagadnienia lokalnej AI: gdy jeden przepływ pracy obejmuje modele lokalne i chmurowe, jakie dane, działania i stan powinny pozostać pod kontrolą użytkownika?

Czym jest Perplexity Hybrid Compute na Macu?

Perplexity Hybrid Compute to tryb w Perplexity Computer, który pozwala jednemu zadaniu korzystać zarówno z chmurowej AI, jak i modelu na urządzeniu, bez konieczności ręcznego dzielenia przepływu pracy na osobne prompty. Perplexity ogłosiło tę funkcję 1 września 2026 roku jako rozszerzenie szerszych działań na rzecz agentów działających lokalnie w pierwszej kolejności.

Wcześniejsza architektura Perplexity Portable Computer oparta na lokalnym działaniu w pierwszej kolejności przenosiła orkiestrator, planistę, routing narzędzi, kolejkę zadań, indeks wyszukiwania i wykonywanie modeli na lokalny sprzęt. Hybrid Compute podchodzi do problemu inaczej: celowo pozostawia inteligencję chmurową w pętli, jednocześnie wyznaczając granicę zasad dla prywatnych działań.

W ogłoszeniu Perplexity dotyczącym Hybrid Compute podział obowiązków opisano jasno.

Ważną jednostką nie jest więc model, lecz zadanie. Różne części tego samego zadania mogą znajdować się w różnych strefach zaufania.

Co działa lokalnie, a co w chmurze?

Hybrydowe przetwarzanie nabiera większego sensu, gdy przestajesz myśleć w kategoriach „model lokalny kontra model chmurowy” i zamiast tego pytasz, w czym każda ze stron faktycznie jest dobra.

Sztuczna inteligencja w chmurze nadal jest atrakcyjna ze względu na aktualną wiedzę z internetu, szeroko zakrojone badania i zaawansowane rozumowanie. Mac lepiej nadaje się do bezpośredniej pracy z plikami i aplikacjami, których nie należy kopiować do kontekstu zdalnego modelu. Perplexity Computer koordynuje obie strony, dzięki czemu użytkownik nie musi ręcznie streszczać poufnego dokumentu, usuwać wrażliwych sekcji, wklejać oczyszczonego tekstu do innego chatbota, a następnie przenosić odpowiedzi z powrotem do lokalnego obiegu pracy.

Rozważmy zadanie prawne:

STRONA PUBLICZNA / CHMUROWA
Aktualne orzecznictwo
Badania internetowe
Zaawansowane rozumowanie
Planowanie na wysokim poziomie
        |
        v
   BRAMKA PRYWATNOŚCI
        ^
        |
STRONA PRYWATNA / LOKALNA
Pliki objęte tajemnicą zawodową
Tożsamości klientów
Ekstrakcja lokalna
Projekty dokumentów
Działania na urządzeniu

Model chmurowy może badać publicznie dostępne orzecznictwo. Model lokalny może przeanalizować dokumenty objęte tajemnicą zawodową i przekształcić istotne fakty w oczyszczone pytanie badawcze. Chmura nie potrzebuje całych akt klienta, aby dostarczyć użytecznego rozumowania.

Perplexity podaje podobne przykłady dotyczące finansów i reklamy: publiczne sprawozdania i badania rynku można obsługiwać zdalnie, podczas gdy poufne dokumenty transakcyjne, materiały kreatywne objęte embargiem lub wewnętrzne rejestry pozostają na Macu.

Prowadzi to do lepszego zdefiniowania hybrydowej sztucznej inteligencji:

Hybrydowa sztuczna inteligencja nie polega po prostu na uruchamianiu połowy zadań lokalnie, a drugiej połowy w chmurze. Chodzi o przypisanie różnych obowiązków do różnych stref zaufania.

Jak działa bramka prywatności Perplexity?

Bramka prywatności jest najważniejszą częścią hybrydowego przetwarzania, ponieważ kierowanie zapytań do modeli jest łatwe w porównaniu z decydowaniem, jakie informacje modele mogą zobaczyć.

Perplexity informuje, że bramka prywatności działa na Macu i ocenia poufne informacje, zanim chronione treści zostaną wysłane do usługi chmurowej. W zależności od sytuacji system może pozostawić informacje lokalnie, zamaskować poufne szczegóły, odmówić wykonania działania lub poprosić użytkownika o zgodę.

Perplexity wymienia w szczególności imiona i nazwiska, adresy, informacje o koncie oraz dane poufne jako przykłady szczegółów, które klasyfikator działający na urządzeniu potrafi rozpoznać. Dane uwierzytelniające, informacje o kartach płatniczych i dokumenty tożsamości wydane przez władze są objęte silniejszą ochroną.

Tworzy to istotne rozróżnienie w porównaniu ze zwykłym przepływem pracy w chmurze. Lokalny plik nie staje się automatycznie kontekstem chmurowym tylko dlatego, że agent AI potrzebuje pomocy przy danym zadaniu. Aplikacja najpierw może zdecydować, czy potrzebne są wszystkie dane, czy można usunąć ich część albo czy lokalny model może wykonać ten etap bez udostępniania czegokolwiek.

Perplexity informuje, że subskrybenci Enterprise mogą również definiować zasady obowiązujące w całej organizacji dotyczące informacji, które muszą pozostać lokalnie, informacji, które można zamaskować, oraz transferów danych wymagających wyraźnej zgody. Administratorzy mogą kontrolować, kiedy informacje opuszczają urządzenie.

Architektura jest użyteczna, ale nie należy jej rozumieć jako stwierdzenia, że „Twoje dane nigdy nie opuszczą Maca”. Hybrid Compute nadal korzysta z usług chmurowych. Mocniejsze twierdzenie brzmi: chronione dane mogą pozostać lokalnie, a wybrane transfery podlegają warstwie polityk działającej na urządzeniu, zamiast automatycznie stawać się kontekstem chmurowym.

W jaki sposób Mac rozpoznaje, które dane są wrażliwe?

Polityka prywatności działa tylko wtedy, gdy komputer potrafi niezawodnie identyfikować dane wrażliwe. Dlatego Perplexity wprowadziło drugą technologię obok Hybrid Compute: PII-Tracer — kompaktowy model 0.6B zaprojektowany do lokalnego wykrywania danych umożliwiających identyfikację osoby.

Zgodnie z badaniami Perplexity dotyczącymi PII-TRACE, PII-Tracer dostarcza jeden z sygnałów wykorzystywanych przez Privacy Gate. Aplikacja może następnie użyć tych wykryć, aby zachować treści lokalnie, zamaskować wrażliwe fragmenty lub poprosić o wyraźną zgodę przed przekazaniem zadania do modelu chmurowego.

Trudność nie polega na rozpoznaniu oczywistego numeru karty kredytowej w jednym zdaniu. Agenci AI prowadzą długie rozmowy, a ten sam identyfikator może wielokrotnie pojawiać się w wiadomościach użytkownika, odpowiedziach asystenta, tabelach, kodzie lub ustrukturyzowanych rekordach. Pominięcie choćby jednego późniejszego wystąpienia może nadal ujawnić informacje, które system miał chronić.

Perplexity stworzyło PII-TRACE, aby przetestować ten problem w długich rozmowach. Benchmark obejmuje 13 148 syntetycznych rozmów użytkownik–asystent w 13 językach i 10 systemach pisma, z ponad 37 000 oznaczonych wzmianek o identyfikatorach należących do dziewięciu typów danych osobowych.

Szerszy aspekt architektoniczny ma szczególne znaczenie dla lokalnej AI: prywatność sama staje się lokalnym zadaniem AI.

Dojrzały prywatny stos AI może zatem zawierać więcej niż jeden model:

Główny lokalny model LLM
        +
Klasyfikator danych osobowych / bezpieczeństwa
        +
Model osadzania
        +
Model rerankera
        +
Model OCR / wizyjny
        +
Środowisko uruchomieniowe agenta

Największy model może zajmować się wnioskowaniem, ale mniejsze modele lokalne mogą egzekwować zasady, wyszukiwać informacje, klasyfikować żądania lub wstępnie przetwarzać prywatne dane, zanim jakikolwiek model zdalny zostanie zaangażowany.

Dlaczego Perplexity zbudowało własny lokalny silnik wnioskowania dla Maca?

Routing hybrydowy sprawia wrażenie płynnego tylko wtedy, gdy lokalna część zadania jest wystarczająco szybka, aby stale uczestniczyć w jego realizacji. Jeśli agent przełącza się między wnioskowaniem w chmurze, przetwarzaniem prywatnych plików, kolejnym wywołaniem modelu lokalnego, działaniem narzędzia i kolejnym krokiem wnioskowania, wolne lokalne wnioskowanie opóźnia cały przepływ pracy.

Dlatego Perplexity stworzyło Lily — lekkie środowisko wnioskowania zoptymalizowane konkretnie pod kątem układów Apple silicon i Qwen3.6-35B-A3B. Firma twierdzi, że planuje udostępnić silnik jako oprogramowanie open source.

W badaniach Perplexity nad wnioskowaniem na układach Apple silicon Lily jest opisywany jako wyspecjalizowane środowisko uruchomieniowe w języku Rust z interfejsem API zgodnym z OpenAI i niestandardowymi jądrami Metal. PyTorch i MLX nie są częścią ścieżki wykonywania Lily.

Powód specjalizacji wokół jednego modelu ma charakter architektoniczny. Qwen3.6-35B-A3B to rzadki model o rozmiarze 35B, który aktywuje około 3B parametrów na token. Łączy routing mixture-of-experts, warstwy Gated DeltaNet i warstwy pełnej uwagi. Komponenty te generują różne wzorce obliczeń i dostępu do pamięci, dając środowisku uruchomieniowemu możliwość optymalizacji konkretnie pod kątem układów Apple silicon.

Punkt kontrolny używany przez Lily jest skwantyzowany do 4 bitów i zajmuje około 19,4 GB, co pomaga wyjaśnić, dlaczego Perplexity może ustawić bazową konfigurację Hybrid Compute na 24 GB współdzielonej pamięci, jednocześnie obsługując znaczny model lokalny.

Są to pomiary Perplexity wykonane na jednej konfiguracji M5 Max z 40-rdzeniowym GPU i 128 GB współdzielonej pamięci, a nie uniwersalna prognoza wydajności dla każdego obsługiwanego Maca.

Trwalszy wniosek jest taki, że wydajność lokalnego wnioskowania w coraz większym stopniu zależy od dopasowania architektury modelu, środowiska uruchomieniowego, układu pamięci i sprzętu. Układy Apple silicon nie są po prostu mniejszymi procesorami graficznymi z centrów danych. Ich konstrukcja ze współdzieloną pamięcią, ścieżki wykonywania Metal i przepustowość pamięci tworzą inny problem optymalizacyjny.

Które komputery Mac mogą uruchamiać Perplexity Hybrid Compute?

Perplexity obecnie podaje stosunkowo prostą konfigurację bazową: dowolny Mac z układem Apple silicon, działający pod kontrolą systemu macOS 15 lub nowszego i wyposażony w co najmniej 24 GB zunifikowanej pamięci.

Hybrid Compute jest dostępne dla subskrybentów Perplexity Pro, Max i Enterprise. W momencie premiery użytkownicy mogą wybierać spośród trzech modeli lokalnych: Gemma 4 E4B, Qwen3.6-35B-A3B oraz modelu Perplexity.

Wartość 24 GB to opublikowane przez Perplexity minimum. Opisy systemów z większą pamięcią powyżej są interpretacjami dotyczącymi planowania sprzętu, a nie odrębnymi oficjalnie zalecanymi poziomami.

Perplexity wskazuje również dedykowanego Maca mini jako opcję stale działającą. Mac może nieprzerwanie uruchamiać model lokalny, podczas gdy użytkownik zdalnie steruje funkcją Computer za pomocą iPhone’a.

Ten pozornie drobny szczegół ma strategiczne znaczenie, ponieważ zmienia rolę Maca.

Co się dzieje, gdy Mac staje się stale działającym węzłem AI?

Mac używany interaktywnie jest komputerem osobistym. Mac mini pozostawiony w trybie online do uruchamiania agentów, lokalnego wnioskowania, prywatnego przetwarzania plików i zadań zdalnych zaczyna działać bardziej jak węzeł AI.

Ta zmiana wiąże się z wymaganiami typowymi dla serwerów, które mają niewiele wspólnego z wynikami testów porównawczych:

• stały dostęp do plików projektów,
• stabilne ścieżki sieciowe,
• zarządzanie uprawnieniami,
• wyniki pracy agentów i obszary robocze,
• indeksy wyszukiwania i wektory osadzeń,
• archiwa z wersjonowaniem,
• migawki i kopie zapasowe,
• pojemność pamięci masowej, którą można niezależnie zwiększać względem Maca.

Wewnętrzny dysk SSD Maca doskonale nadaje się do przechowywania często używanych danych, checkpointów modeli, pamięci podręcznych i aktywnego obszaru roboczego. Gdy jednak agent zaczyna pracować z dokumentami, zdjęciami, folderami projektów, kodem, archiwami badawczymi lub plikami zespołu z wielu lat, niewiele przemawia za tym, aby wszystkie trwałe zasoby musiały znajdować się na tym samym dysku SSD co środowisko wnioskowania.

W tym miejscu lokalna AI zaczyna przypominać mniej pojedynczą aplikację działającą na jednym laptopie, a bardziej infrastrukturę.

Gdzie NAS pasuje do hybrydowego przepływu pracy AI na Macu?

NAS nie musi uruchamiać funkcji Perplexity Hybrid Compute, aby pełnić użyteczną rolę w tej architekturze. Perplexity obecnie umieszcza lokalne wnioskowanie i Privacy Gate na Macu. NAS może znajdować się za tą warstwą obliczeniową i zapewniać trwałą, prywatną strefę danych.

Podstawową architekturę opisujemy już w naszym przewodniku dotyczącym oddzielenia obliczeń na Macu od długoterminowego przechowywania danych na serwerze NAS. Hybrydowe obliczenia dodają trzecią strefę: zewnętrzną inteligencję chmurową.

Koncepcyjna architektura domu lub małego biura może więc wyglądać następująco:

                CHMURA
        Zaawansowane rozumowanie
            Wyszukiwanie w sieci
        Usługi zewnętrzne
                |
                |
       Zatwierdzone / przefiltrowane
              kontekst
                |
                v
               MAC
          Lokalny model
          Bramka prywatności
          Działania agenta
          Aktywny obszar roboczy
                |
                |
            Zaufana sieć LAN
                |
                v
          NAS / SERWER
        Prywatne dokumenty
          Źródła RAG
         Archiwum projektu
         Wyniki agenta
            Kopie zapasowe

Najważniejsze jest to, że te warstwy rozwiązują różne problemy. NAS nie jest wolną pamięcią VRAM, a Mac nie jest automatycznie najlepszym miejscem do długoterminowego przechowywania danych. Mac obsługuje aktywne obliczenia i decyzje dotyczące prywatności. System pamięci masowej zapewnia trwałą pojemność, organizację, uprawnienia, migawki i kopie zapasowe.

Ten sam schemat jest przydatny podczas tworzenia prywatnego asystenta AI opartego na lokalnych plikach i wyszukiwaniu. Model nie musi mieć stale załadowanego w kontekście całego archiwum. Potrzebuje kontrolowanego dostępu do właściwych plików, gdy wymaga tego przepływ pracy.

Taki podział ułatwia także rozwijanie stosu AI. Mac mini można zastąpić szybszym komputerem Mac Studio. Lokalny model może się zmienić. Perplexity może dodać nowe środowiska uruchomieniowe. Modele chmurowe mogą się udoskonalać. Prywatne archiwum dokumentów i historia projektów nie muszą być przenoszone za każdym razem, gdy zmienia się warstwa obliczeniowa.

Czy Perplexity Hybrid Compute to po prostu Ollama i model chmurowy?

Nie. Kluczową różnicą jest orkiestracja uwzględniająca zasady.

Użytkownik może już ręcznie zbudować konfigurację hybrydową z Ollamą, lokalnym modelem oraz API Claude, Gemini, OpenAI lub innego dostawcy. Jednak w prostej konfiguracji to użytkownik lub twórca aplikacji zwykle jawnie decyduje, który prompt trafia do którego modelu.

Różnica wygląda następująco:

HYBRYD RĘCZNY

Użytkownik
 |
 +-- Ollama / lokalny model LLM
 |
 +-- Model chmurowy

Użytkownik lub aplikacja decyduje o routingu


PERPLEXITY HYBRID COMPUTE

Zadanie użytkownika
    |
    v
Orkiestracja komputera
    |
    v
Klasyfikacja pod kątem prywatności
    |
    v
Decyzja dotycząca routingu / zasad
   / \
  /   \
Lokalnie  W chmurze

Ta warstwa routingu może ocenić prywatność, zanim zdecyduje, czy inteligencja chmurowa powinna wziąć udział. Model lokalny nie jest zatem wyłącznie alternatywnym punktem końcowym wnioskowania; stanowi część skoordynowanego przepływu pracy.

Właśnie dlatego hybrydowa AI może być czymś więcej niż kompromisem w zakresie prywatności. Selektywny routing może stać się strategią optymalizacji kosztów. Rutynowe wydobywanie danych, analiza dokumentów, klasyfikacja czy filtrowanie pod kątem prywatności mogą pozostać lokalne, a zaawansowana inteligencja chmurowa może być zarezerwowana dla etapów, które najbardziej na niej korzystają. Nasza szersza analiza kosztów lokalnej i chmurowej AI omawia ten kompromis bardziej szczegółowo.

Czy obliczenia hybrydowe zapewniają większą prywatność niż w pełni lokalna AI?

Niekoniecznie. W pełni lokalny przepływ pracy ma najprostszą granicę zaufania, ponieważ model, narzędzia, dane i wnioskowanie mogą pozostać w lokalnym środowisku. Obliczenia hybrydowe celowo zachowują usługi chmurowe, dlatego wprowadzają dodatkowe decyzje dotyczące routingu i zasad.

Sam PII-Tracer pokazuje, dlaczego jest to trudny problem inżynieryjny. Perplexity stworzyło dedykowany benchmark, ponieważ długie rozmowy utrudniają spójne wykrywanie. Jeśli identyfikator pojawia się pięć razy, a klasyfikator wykryje go cztery razy, pominięte wystąpienie nadal może ujawnić dokładnie te informacje, które warstwa prywatności miała chronić.

Privacy Gate ogranicza zatem niepotrzebne ujawnianie danych, ale nie eliminuje potrzeby zaufania. Użytkownicy nadal polegają na lokalnej aplikacji, jej klasyfikatorze, uprawnieniach systemu operacyjnego, regułach routingu oraz każdej zatwierdzonej przez siebie usłudze zewnętrznej.

To zdrowszy sposób oceniania prywatnej AI niż zakładanie, że samo słowo „lokalna” rozwiązuje wszystkie kwestie prywatności. Istotne pytania to:

• Gdzie znajdują się oryginalne dane?
• Który model je otrzymuje?
• Kto decyduje, czy może opuścić urządzenie?
• Czy przed przekazaniem dalej można usunąć poufny kontekst?
• Jakie uprawnienia agent może wykonywać lokalnie?
• Jakie dzienniki i kopie zapasowe pozostają po zakończeniu zadania?

Czy Perplexity Hybrid Compute pokazuje kierunek rozwoju osobistej AI?

Hybrid Compute jest zbyt nowym rozwiązaniem, aby dowieść, że każdy osobisty system AI będzie opierać się na tym samym projekcie, ale ułatwia dostrzeżenie szerszej zmiany architektonicznej.

Modele lokalne stają się wykonawcami, a nie miniaturowymi zamiennikami każdego zaawansowanego modelu. Model lokalny może analizować prywatne pliki, wyodrębniać fakty, egzekwować zasady, wykonywać działania na urządzeniu i przygotowywać oczyszczony kontekst. Niekoniecznie musi przewyższać najlepszy model chmurowy w każdym teście rozumowania, aby być wartościowy.

Modele chmurowe mogą wyspecjalizować się w wyszukiwaniu informacji, trudnym rozumowaniu i możliwościach, które korzystają z dużej zarządzanej infrastruktury. Małe modele lokalne mogą pełnić funkcję komponentów odpowiedzialnych za prywatność i kierowanie zadań. Mac lub komputer AI może stać się aktywnym węzłem wykonawczym. NAS lub serwer domowy może pozostać trwałą warstwą danych zaplecza.

Oznacza to, że sposób kierowania zadań może stać się równie ważny jak wybór modelu.

Pytanie zmienia się z:

"Czy mogę uruchomić największy model lokalnie?"

do:

"Czy mój system może przechowywać odpowiednie dane lokalnie, a jednocześnie używać najlepszego dostępnego modelu do każdej części zadania?"

Portable Computer firmy Perplexity pokazał, że samo środowisko uruchomieniowe agenta może przenieść się na lokalny sprzęt. Hybrid Compute na Macu robi kolejny krok, czyniąc granicę między wykonywaniem lokalnym a chmurowym częścią przepływu pracy. Obie premiery wskazują na architekturę AI, w której użytkownicy nie muszą bezwzględnie wybierać między lokalną kontrolą a możliwościami chmury.

W przypadku infrastruktury stawiającej na lokalność jest to ważniejszy trend. Przyszłość może w mniejszym stopniu polegać na tym, że jedna maszyna robi wszystko, a w większym na jasno rozdzielonych rolach: chmura zapewnia zewnętrzną inteligencję, lokalne zasoby obliczeniowe — zaufane wykonywanie, a trwała pamięć lokalna — dane, które powinny pozostać Twoje.

FAQ: Perplexity Hybrid Compute na Macu

Czym jest Perplexity Hybrid Compute na Macu?

Perplexity Hybrid Compute to tryb Perplexity Computer, który dzieli jedno zadanie między model lokalny na Macu z układem Apple silicon a zaawansowane usługi AI w chmurze. Część lokalna obsługuje prywatne pliki, poufne informacje i działania na urządzeniu, podczas gdy modele chmurowe mogą zapewniać wyszukiwanie informacji, planowanie i zaawansowane rozumowanie.

Czy Perplexity Hybrid Compute przechowuje pliki całkowicie lokalnie?

Chronione pliki i poufne informacje mogą pozostać na Macu, ale Hybrid Compute nie jest systemem działającym całkowicie offline. Gdy zadanie wymaga możliwości chmurowych, Privacy Gate może zachować poufne dane lokalnie, zamaskować je, odmówić ich przesłania lub poprosić użytkownika o zgodę przed wysłaniem zatwierdzonych informacji.

Czym jest Privacy Gate firmy Perplexity?

Privacy Gate to działająca na urządzeniu warstwa, która ocenia poufne informacje, zanim opuszczą Maca i trafią do usług chmurowych. Perplexity twierdzi, że może klasyfikować chronione dane i podejmować działania, takie jak pozostawienie informacji lokalnie, zamaskowanie jej, odmowa wykonania działania lub poproszenie o zgodę.

Które Maki obsługują Perplexity Hybrid Compute?

Perplexity wymaga obecnie Maca z układem Apple silicon, systemem macOS 15 lub nowszym oraz co najmniej 24 GB pamięci zunifikowanej. Maki z procesorami Intel i systemy Apple silicon z mniej niż 24 GB nie spełniają opublikowanych wymagań.

Ile pamięci zunifikowanej potrzebuje Perplexity Hybrid Compute?

Oficjalne minimum to 24 GB pamięci zunifikowanej. Większa ilość pamięci zapewnia dodatkowy zapas na modele lokalne, kontekst, inne aplikacje i większe obciążenia, ale Perplexity nie publikuje obecnie osobnych rekomendowanych progów dla 32 GB, 64 GB ani 128 GB.

Z jakich modeli lokalnych korzysta Perplexity Hybrid Compute?

W momencie premiery Perplexity wymienia Gemma 4 E4B, Qwen3.6-35B-A3B oraz model Perplexity jako opcje modeli lokalnych. Dostępna lista modeli może się rozszerzać wraz z rozwojem produktu.

Czy Perplexity Hybrid Compute działa offline?

Część przetwarzania lokalnego może odbywać się na Macu, ale kompletny przepływ pracy Hybrid Compute został zaprojektowany tak, aby łączyć lokalne wykonywanie z możliwościami chmury, takimi jak zaawansowane wnioskowanie i wyszukiwanie w sieci. Zadania zależne od tych zdalnych możliwości wymagają połączenia.

Czy Perplexity Hybrid Compute to to samo co Ollama?

Nie. Ollama to przede wszystkim lokalne środowisko uruchomieniowe modeli i API. Hybrid Compute to system orkiestracji na poziomie agenta, który koordynuje modele lokalne i chmurowe, a także dodaje klasyfikację prywatności i zasady routingu wokół pojedynczego zadania.

Czym jest PII-Tracer?

PII-Tracer to kompaktowy model 0.6B firmy Perplexity, służący do lokalnego wykrywania danych osobowych. Wykryte informacje mogą pomóc Privacy Gate zdecydować, czy poufna treść powinna pozostać na urządzeniu, zostać zanonimizowana czy wymagać zatwierdzenia przed przekazaniem do chmury.

Czym jest Lily?

Lily to wyspecjalizowany lokalny silnik wnioskowania firmy Perplexity dla układów Apple silicon i modelu Qwen3.6-35B-A3B. Wykorzystuje środowisko uruchomieniowe Rust oraz niestandardowe kernele Metal i udostępnia interfejs API zgodny z OpenAI. Perplexity twierdzi, że planuje udostępnić silnik jako open source.

Czy Mac z uruchomionym Hybrid Compute nadal skorzysta z NAS-a?

Potencjalnie tak, ale w osobnej roli. Hybrid Compute uruchamia lokalne wnioskowanie i Privacy Gate na Macu. NAS może zapewniać trwałe przechowywanie prywatnych dokumentów, źródeł RAG, archiwów projektów, wygenerowanych wyników, folderów współdzielonych, migawek i kopii zapasowych, bez konieczności stawania się głównym urządzeniem do wnioskowania.