Czym jest przenośny komputer Perplexity? Jak lokalne agenty AI przechowują pracę na Twoim komputerze

Perplexity Portable Computer ma mniejsze znaczenie dlatego, że może lokalnie uruchamiać model 27B, a większe dlatego, że przenosi samo środowisko uruchomieniowe agenta na komputer użytkownika. Perplexity twierdzi, że orkiestrator, planista, router narzędzi, harmonogram, trwała kolejka zadań i lokalny indeks wyszukiwania działają na urządzeniu. Agent może odczytywać lokalne pliki, przeszukiwać dokumenty i kod, wykonywać działania na komputerze oraz utrzymywać długotrwałe zadania bez ustawiania modelu chmurowego jako domyślnej warstwy sterującej.

To zmienia pytanie dotyczące lokalnej sztucznej inteligencji. Zamiast pytać tylko, czy model mieści się w pamięci RAM lub VRAM, ważniejsze staje się to, gdzie powinny znajdować się pliki agenta, indeks wyszukiwania, stan zadań, narzędzia, uprawnienia i środowisko pracy. Portable Computer działa również zgodnie z zasadą local-first, a nie local-only: może poprosić o zgodę na korzystanie z wyszukiwania w sieci, połączonych aplikacji lub zaawansowanych modeli chmurowych, gdy zadanie wymaga możliwości, których lokalny stos nie może zapewnić. Rezultatem jest użyteczny model hybrydowej architektury AI, w którym użytkownik posiada trwałą warstwę lokalną, a inteligencja chmurowa staje się opcjonalnym zasobem.

Czym jest Perplexity Portable Computer?

Perplexity Portable Computer to lokalna wersja Perplexity Computer, wprowadzona 25 sierpnia 2026 roku. Zamiast przesyłać każde zadanie do hostowanego środowiska uruchomieniowego agenta, uruchamia podstawowy system agenta na lokalnym komputerze.

W oficjalnym ogłoszeniu dotyczącym Portable Computer firma Perplexity opisuje system, który może analizować lokalne dane, syntetyzować pliki, uruchamiać przepływy pracy, przeszukiwać lokalne treści i wykonywać działania na urządzeniu bez ustawiania wykonywania w chmurze jako opcji domyślnej.

Różnicę łatwiej dostrzec, oddzielając model od otaczającego go agenta.

Definiująca zmiana nie polega więc po prostu na przeniesieniu jednego modelu LLM z serwera na komputer stacjonarny. Warstwa orkiestracji przeniosła się razem z nim.

Dzięki temu Portable Computer staje się czymś bliższym lokalnemu środowisku operacyjnemu agenta niż konwencjonalnemu lokalnemu chatbotowi.

Co faktycznie działa lokalnie w Portable Computer?

Perplexity wyraźnie wskazuje sześć głównych komponentów działających na urządzeniu: orkiestrator, planistę, router narzędzi, harmonogram, trwałą kolejkę zadań oraz lokalny indeks wyszukiwania. Komponenty te są ważne, ponieważ agent robi znacznie więcej niż tylko generuje kolejny token.

Orkiestrator decyduje, jak powinno przebiegać całe zadanie. Jeśli użytkownik poprosi agenta o przejrzenie folderu z raportami, porównanie ich z notatkami projektowymi, przygotowanie wyniku i późniejsze wysłanie podsumowania, między żądaniem a rezultatem może wystąpić wiele pojedynczych operacji.

Planista dzieli zadanie na łatwe do wykonania kroki. Router narzędzi decyduje, czy dany krok wymaga dostępu do plików, lokalnego wyszukiwania, wykonywania kodu, łącznika aplikacji czy innej funkcji. Harmonogram określa, kiedy zadania powinny zostać wykonane, a trwała kolejka zadań zapewnia miejsce do przechowywania dłużej trwających prac, zamiast zakładać, że każde zadanie kończy się pojedynczą odpowiedzią na czacie.

To kluczowa różnica między agentem a chatbotem. Chatbot może czekać na następną wiadomość użytkownika. Agent może nadal przetwarzać pliki, czekać na zakończenie innego działania, ponawiać nieudane wywołanie narzędzia lub wrócić do zadania później.

Portable Computer obecnie obsługuje Qwen3.8-27B oraz PPLX 27B firmy Perplexity na sprzęcie dostępnym w momencie premiery. Czytelnicy zainteresowani konkretnie wymaganiami pamięci dla bazowego modelu Qwen mogą skorzystać z naszego poradnika lokalnego uruchamiania Qwen3.8-27B na sprzęcie konsumenckim.

Model jest jednak tylko jednym z wymiennych komponentów. Ważniejsza z punktu widzenia architektury jest idea, że planowanie, kierowanie zadaniami, wyszukiwanie, utrwalanie zadań i działania lokalne nie muszą już znajdować się obok modelu chmurowego.

Jak Portable Computer decyduje, kiedy korzystać z chmury?

Portable Computer działa przede wszystkim lokalnie, ale niekoniecznie wyłącznie offline. To rozróżnienie jest kluczowe dla właściwego zrozumienia produktu.

Perplexity twierdzi, że lokalny model jest trenowany tak, aby wykonywać jak największą część zadania lokalnie. Gdy zadanie wymaga czegoś, czego urządzenie nie ma — na przykład aktualnych informacji z sieci, dostępu do przeglądarki, połączonej aplikacji lub bardziej zaawansowanego rozumowania — lokalny orkiestrator może przekazać tę część przepływu pracy dalej.

Uproszczona ścieżka decyzyjna wygląda następująco:

Zadanie użytkownika
   |
   v
Lokalny orkiestrator
   |
   Czy lokalny model i lokalne narzędzia mogą to ukończyć?
   |        |
   |        +-- Tak --> Ukończ lokalnie
   |
   +-- Nie
          |
          +-- Wymaga aktualnych informacji z sieci?
          +-- Wymaga połączonej aplikacji?
          +-- Wymaga działania w przeglądarce?
          +-- Wymaga zaawansowanego rozumowania?
                    |
                    v
             Poproś o zgodę
                    |
                    v
          Użyj zatwierdzonej funkcji chmurowej
                    |
                    v
          Zwróć wynik do lokalnego przepływu pracy

Perplexity twierdzi, że Portable Computer może w razie potrzeby korzystać z funkcji wyszukiwania, szeroko zakrojonych lub pogłębionych analiz, połączonych aplikacji oraz ponad 15 najnowocześniejszych modeli. Twierdzi również, że gdy zawartość z urządzenia musi zostać wysłana do usługi w chmurze, system najpierw prosi użytkownika o zgodę.

Tworzy to zupełnie inną relację z AI w chmurze.

Chmura staje się możliwością, o którą agent może poprosić, zamiast środowiskiem, w którym agent stale działa.

Ten hybrydowy model jest szczególnie przydatny w pracy z prywatnymi danymi. Lokalny agent może analizować poufne dokumenty na urządzeniu, a jednocześnie pytać usługę wyszukiwania w chmurze o aktualne informacje rynkowe, które nie wymagają przesyłania samych poufnych materiałów źródłowych.

Jak Portable Computer korzysta z lokalnych plików i wyszukiwania?

Użyteczny prywatny agent AI nie musi upychać każdego dokumentu w oknie kontekstu modelu. Potrzebuje kontrolowanego dostępu do plików oraz sposobu znajdowania istotnych informacji, gdy wymaga tego zadanie.

Portable Computer może odczytywać lokalne pliki i przeszukiwać dokumenty oraz kod. Jego lokalny indeks wyszukiwania również pozostaje na urządzeniu. To rozdzielenie ma znaczenie, ponieważ lokalna AI staje się znacznie bardziej użyteczna, gdy prywatne dane są traktowane jako trwała warstwa wiedzy, a nie jako coś, co trzeba ręcznie przesyłać przy każdej rozmowie.

Uproszczony lokalny przepływ wiedzy wygląda następująco:

Pliki lokalne
    |
    v
Lokalne wyszukiwanie / Indeks
    |
    v
Istotne dokumenty
    |
    v
Agent lokalny
    |
    v
Kontekst modelu
    |
    v
Odpowiedź / Działanie / Wynik

Model nie musi więc „pamiętać” całego systemu plików. Może pobierać pliki lub fragmenty tekstu istotne dla bieżącego zadania.

Jest to ściśle związane z architekturą, o której mówimy, omawiając oddzielenie lokalnych obliczeń AI od długoterminowej pamięci NAS. Maszyna obliczeniowa obsługuje aktywne wnioskowanie i pracę agenta, natomiast trwałe dokumenty, embeddingi, pliki wyjściowe i kopie zapasowe mogą znajdować się na warstwie pamięci masowej zaprojektowanej tak, aby pozostawała dostępna przez wiele lat.

To rozróżnienie staje się ważniejsze, gdy agenty tworzą własne artefakty. Dojrzały przepływ pracy może obejmować dokumenty źródłowe, embeddingi, repozytoria kodu, pliki wyjściowe, dzienniki zadań, raporty, zasoby graficzne, transkrypcje i migawki. Model AI nie jest już jedynym elementem, który potrzebuje pamięci masowej.

Gdzie znajduje się pamięć agenta w systemie lokalnym?

Przeszukiwalne pliki są jedną z form trwałego kontekstu, ale długotrwale działające agenty z czasem potrzebują czegoś bliższego pamięci: zapisów wcześniejszych prac, historii projektu, notatek, odkryć, decyzji i stanu zadań, które przetrwają dłużej niż jeden prompt.

Uruchomienie Portable Computer potwierdza już lokalne wyszukiwanie i trwałą kolejkę zadań, ale ważne jest, aby nie twierdzić, że każdy element szerszej architektury pamięci Perplexity został po prostu przeniesiony na DGX Spark.

Ponadto Perplexity opublikowało szczegółowe informacje na temat swojej architektury pamięci agenta o nazwie Brain. System ten pomaga zrozumieć kierunek rozwoju szerszej wizji firmy.

Brain traktuje trwały kontekst agenta jako system plików, zamiast próbować umieszczać całą historię użytkownika w każdym promptcie. Jego struktura pamięci obejmuje:

Szerszy wniosek jest ważniejszy niż dokładna struktura katalogów: pamięć agenta staje się trwałymi danymi.

Modele można aktualizować. Lokalny model Qwen może zostać za sześć miesięcy zastąpiony innym modelem otwartym. GPU można wymienić. Zmienić może się nawet struktura agenta. Jednak dokumenty projektowe, historia zadań, wyuczony kontekst, zindeksowane pliki i wcześniejsze wyniki mogą wymagać zachowania mimo wszystkich tych zmian.

To sprawia, że warstwa trwałych danych staje się coraz ważniejsza w lokalnej architekturze AI.

Jak Portable Computer zwiększa bezpieczeństwo działań lokalnego agenta?

Uruchamianie agenta lokalnie nie zapewnia automatycznie bezpieczeństwa. W rzeczywistości sprawny agent lokalny może mieć dostęp do większej liczby użytecznych, a przez to również bardziej niebezpiecznych zasobów niż prosty chatbot w chmurze.

Agent, który może odczytywać pliki, uruchamiać narzędzia, edytować kod, wywoływać aplikacje lub wykonywać polecenia, potrzebuje ograniczeń określających, do czego może uzyskać dostęp. Perplexity informuje, że wykonywanie kodu i narzędzi w Portable Computer odbywa się w izolowanych środowiskach piaskownicy z kontrolowanym dostępem do plików i połączonych aplikacji.

Praktyczny model bezpieczeństwa lokalnego agenta wymaga kilku warstw:

Najbezpieczniejszy wzorzec polega zazwyczaj na zapewnieniu agentom szerokich możliwości analizowania i węższych uprawnień do działania. Tę samą zasadę stosujemy w naszym przewodniku dotyczącym korzystania z bramek zatwierdzania dla lokalnych agentów AI: wersje robocze, podsumowania, monitorowanie i rekomendacje często mogą być generowane automatycznie, natomiast usuwanie plików, wysyłanie wiadomości, dokonywanie zakupów lub zmiana uprawnień wymaga silniejszego potwierdzenia.

Szersze badania Perplexity dotyczące długotrwałych piaskownic dla agentów wyjaśniają również, dlaczego środowiska wykonywania zadań agentów różnią się od zwykłych, krótkotrwałych zadań w kontenerach. Agent może przez wiele godzin lub dni gromadzić roboczy system plików, uruchomione procesy i stan, dlatego zarówno izolacja, jak i odzyskiwanie stanu są istotne.

Tego badania nie należy interpretować jako dowodu, że każdy szczegół implementacji chmurowego środowiska SPACE jest dokładnie odtworzony w Portable Computer. Pokazuje ono jednak problem infrastrukturalny, który lokalni agenci coraz częściej muszą rozwiązywać: wydajne wykonywanie zadań musi współistnieć z kontrolowanym dostępem i trwałym przechowywaniem stanu.

Jakiego sprzętu potrzebuje Perplexity Portable Computer?

W momencie premiery Portable Computer jest dostępny na NVIDIA DGX Spark dla subskrybentów Perplexity Pro i Max. Pierwsza wersja obsługuje system Linux, a obsługa systemu Windows ma zostać dodana później. Perplexity informuje również, że wkrótce pojawi się obsługa komputerów z kartami graficznymi NVIDIA RTX.

DGX Spark bazuje na platformie NVIDIA Grace Blackwell GB10 z 20-rdzeniowym procesorem Arm, procesorem graficznym NVIDIA oraz 128 GB pamięci współdzielonej. Duża pula współdzielonej pamięci sprawia, że urządzenie nadaje się do uruchamiania dużych modeli lokalnych, pozostawiając jednocześnie miejsce na środowisko uruchomieniowe agenta i inne zadania.

Portable Computer obecnie oferuje Qwen3.8-27B i PPLX 27B — wersję modelu Qwen dostrojoną przez Perplexity po treningu. Nemotron 3.5 Lightning firmy NVIDIA jest również wymieniony jako model, który wkrótce pojawi się w selektorze modeli.

Nie oznacza to, że DGX Spark jest uniwersalnym minimalnym wymaganiem sprzętowym dla bazowego modelu 27B. Sam model Qwen3.8-27B może działać na znacznie bardziej konwencjonalnym sprzęcie po kwantyzacji. System z 128 GB daje Perplexity możliwość dostarczenia zintegrowanego lokalnego środowiska agenta, zamiast jedynie zademonstrować, że model bazowy potrafi generować tokeny.

Czy sztuczna inteligencja działająca lokalnie naprawdę obniża koszty chmury?

Perplexity twierdzi, że praca wykonana przez lokalny model Portable Computer nie zużywa kredytów. Zmienia to ekonomikę zadań agentów, ponieważ agenci mogą wykorzystywać znacznie więcej inferencji niż zwykły czat.

Pojedyncze pytanie do chatbota może obejmować jeden prompt i jedną odpowiedź. Agent może natomiast:

zaplanować zadanie, przejrzeć pliki, wywołać narzędzia, ocenić wynik, ponowić nieudaną czynność, wyszukać dodatkowe informacje, uruchomić kolejnego wykonawcę, podsumować ustalenia, a następnie wygenerować wynik końcowy.

Każda pętla generuje kolejne wnioskowania. Gdy ta sama automatyzacja uruchamia się każdego ranka, przetwarza setki dokumentów lub stale pracuje na bazie kodu, rozliczane użycie może narastać znacznie szybciej niż w przypadku sporadycznego czatu.

Lokalne wnioskowanie zmienia tę strukturę kosztów. Zastępuje część wydatków na chmurę naliczanych za użycie kosztami stałymi, takimi jak sprzęt, energia elektryczna, pamięć masowa i utrzymanie.

Nie oznacza to, że lokalne AI jest darmowe. Bardziej przydatne jest porównanie kosztów lokalnego i chmurowego AI.

Portable Computer skutecznie formalizuje hybrydową odpowiedź: przechowuj duże ilości danych lub wrażliwe zadania na posiadanym już sprzęcie, a następnie selektywnie korzystaj z zasobów chmurowych tam, gdzie zapewniają wyraźną przewagę funkcjonalną.

Dlaczego lokalni agenci AI mogą potrzebować serwera lub serwera NAS, nawet gdy wnioskowanie odbywa się gdzie indziej?

Portable Computer działa obecnie na systemie obliczeniowym AI, a nie na serwerze NAS. Nie ma powodu, by przekształcać ten fakt w niepoparte twierdzenie, że cały produkt powinien być zainstalowany na serwerze pamięci masowej.

Ciekawsze jest powiązanie architektoniczne.

W miarę jak agenci stają się trwałym elementem systemu, gromadzą dane, które żyją znacznie dłużej niż pojedyncza sesja wnioskowania:

• dokumenty źródłowe i prywatne pliki,
• repozytoria kodu i zasoby projektów,
• indeksy wyszukiwania i wektory osadzeń,
• historie zadań i dzienniki agentów,
• wygenerowane raporty i artefakty,
• pliki pamięci i bazy wiedzy,
• konfiguracje przepływów pracy,
• migawki i kopie zapasowe.

Nie wszystkie te dane muszą być na stałe przechowywane na wewnętrznym dysku SSD maszyny wykonującej wnioskowanie.

Dojrzała architektura lokalna może rozdzielać trzy warstwy zasobów:

Serwer NAS nie musi udawać pamięci GPU. Jego rola jest inna: zapewniać stabilne, skalowalne i objęte kontrolą uprawnień miejsce dla trwałych danych agenta.

To ten sam powód, dla którego prywatna warstwa danych AI może pozostać na serwerze NAS, podczas gdy wnioskowanie odbywa się gdzie indziej. Sprzęt obliczeniowy może się zmieniać bez konieczności przenoszenia wraz z nim całej bazy wiedzy.

Taki rozdział staje się szczególnie przydatny w środowisku złożonym z wielu urządzeń. Jedna stacja robocza może w ciągu dnia uruchamiać wydajny model lokalny, inne urządzenie może obsługiwać lżejsze zadania AI, a później oba urządzenia może zastąpić system z ulepszonym procesorem graficznym. Warstwa trwałej pamięci masowej może przez cały ten czas przechowywać te same pliki projektów, embeddingi, dane wyjściowe, historię agenta i kopie zapasowe.

Innymi słowy, długoterminowym zasobem może nie być sam model. Może nim być stan otaczający model.

Czy Portable Computer to przyszłość osobistych agentów AI?

Portable Computer jest zbyt nowym rozwiązaniem, aby dowieść, że każdy osobisty agent AI przyjmie dokładnie tę samą architekturę. Ułatwia jednak dostrzeżenie kilku szerszych trendów.

Po pierwsze, wydajne modele lokalne wychodzą poza prywatny czat. Model 27B może teraz działać w środowisku agenta, które planuje zadania, przeszukuje pliki, wykonuje narzędzia i podtrzymuje realizację pracy.

Po drugie, środowisko agentowe staje się coraz ważniejsze — w takim samym stopniu jak model. Orkiestracja, trwałość zadań, wyszukiwanie, uprawnienia, piaskownice, konektory i pamięć decydują o tym, co model może faktycznie osiągnąć.

Po trzecie, AI działająca wyłącznie lokalnie i AI oparta wyłącznie na chmurze nie są jedynymi możliwościami. Portable Computer pokazuje bardziej praktyczne rozwiązanie pośrednie: rutynowe wykonywanie zadań może odbywać się na urządzeniu, a agent może wybiórczo prosić o informacje zewnętrzne lub bardziej zaawansowane rozumowanie.

Nadal istnieją istotne ograniczenia. Premiera koncentruje się na wyspecjalizowanym sprzęcie DGX Spark. Obsługa komputerów z kartami RTX jest nadal rozszerzana. Obsługa systemu Windows nie była częścią pierwszego wydania. Modele lokalne nie będą przewyższać czołowych modeli chmurowych w każdym trudnym zadaniu wymagającym rozumowania, a połączone aplikacje nadal korzystają z usług zewnętrznych.

Lokalne wykonywanie zadań przenosi również większą odpowiedzialność na użytkownika. Wydajność sprzętu, pamięć masowa, uprawnienia, kopie zapasowe, aktualizacje oprogramowania i bezpieczeństwo agenta stają się częścią systemu, a nie niewidoczną infrastrukturą chmurową.

Kierunek ten ma jednak duże znaczenie. Ważna zmiana nie polega po prostu na przejściu od AI w chmurze do AI lokalnej. Chodzi o przejście od przepływów pracy zarządzanych przez chmurę do należącej do użytkownika infrastruktury AI, która może wybiórczo korzystać z inteligencji chmurowej, gdy jest ona przydatna.

Gdy to nastąpi, maszyna uruchamiająca model będzie tylko jednym z elementów systemu. Pliki, indeksy, pamięć, uprawnienia, stan zadań, dane wyjściowe i kopie zapasowe staną się kluczowymi elementami osobistej infrastruktury AI — dokładnie tymi warstwami, które sprawiają, że agenci lokalni pozostają użyteczni długo po zastąpieniu dzisiejszego modelu.

FAQ: Perplexity Portable Computer i sztuczna inteligencja lokalna w pierwszej kolejności

Czym jest Perplexity Portable Computer?

Perplexity Portable Computer to lokalna w pierwszej kolejności wersja Perplexity Computer, która uruchamia model agenta, orkiestrator, planistę, router narzędzi, harmonogram, trwałą kolejkę zadań i lokalny indeks wyszukiwania na komputerze użytkownika. Może przetwarzać lokalne pliki i przepływy pracy bez ustawiania wykonywania w chmurze jako domyślnej opcji.

Czy Perplexity Portable Computer działa całkowicie offline?

Może wykonywać wiele zadań lokalnie, ale lepiej opisywać go jako rozwiązanie lokalne w pierwszej kolejności, a nie wyłącznie lokalne. Agent może korzystać z wyszukiwania w chmurze, połączonych aplikacji, funkcji przeglądarki lub najnowocześniejszych modeli, gdy jest to konieczne. Perplexity informuje, że prosi o zgodę przed wysłaniem zawartości urządzenia do usługi chmurowej.

Jakiego modelu używa Portable Computer?

W momencie premiery Portable Computer obsługuje Qwen3.8-27B i PPLX 27B, który Perplexity opisuje jako dostrojoną po treningu wersję modelu Qwen. Wybór modeli ma również zostać rozszerzony o NVIDIA Nemotron 3.5 Lightning.

Czy Portable Computer wysyła prywatne pliki do chmury?

Perplexity twierdzi, że prywatne dane mogą pozostać na urządzeniu, a system prosi o zgodę, gdy wykonanie zadania wymaga wysłania treści z urządzenia do usługi chmurowej. Użytkownicy powinni jednak traktować połączone aplikacje i zatwierdzone przekazywanie zadań do chmury jako zewnętrzne przepływy danych, zamiast zakładać, że system jest zawsze całkowicie offline.

Czy Portable Computer może działać na komputerze PC z kartą RTX?

Perplexity uruchomiło Portable Computer najpierw na NVIDIA DGX Spark i informuje, że obsługa komputerów PC z kartami NVIDIA RTX jest planowana. Dokładne wymagania sprzętowe i programowe dotyczące szerszego wdrożenia na kartach RTX mogą się zmienić w miarę rozwoju tego wdrożenia.

Czy Portable Computer wymaga DGX Spark?

Wdrożenie z września 2026 roku jest początkowo oparte na DGX Spark, ale Perplexity zapowiedziało już rozszerzenie obsługi na komputery PC z kartami RTX. Bazowy model Qwen3.8-27B może również działać niezależnie na innym lokalnym sprzęcie przy zastosowaniu odpowiedniej kwantyzacji i ilości pamięci.

Czy Perplexity Portable Computer to to samo co Ollama?

Nie. Ollama to przede wszystkim lokalne środowisko uruchomieniowe modeli i warstwa API. Portable Computer to szerszy system agentowy, który łączy model lokalny z orkiestracją, planowaniem, trwałością zadań, lokalnym wyszukiwaniem, narzędziami, działaniami na urządzeniu, piaskownicą, konektorami i opcjonalnym przekazywaniem zadań do chmury. Ollama pomaga uruchamiać model, natomiast Portable Computer służy do obsługi ciągłego przepływu pracy agenta wokół niego.

Dlaczego lokalny agent AI potrzebuje trwałej pamięci masowej?

Agenci działający w sposób ciągły tworzą i ponownie wykorzystują znacznie więcej niż same wagi modelu. Mogą zależeć od plików źródłowych, indeksów wyszukiwania, embeddingów, pamięci, historii zadań, obszarów roboczych, wygenerowanych wyników, dzienników i kopii zapasowych. Przechowywanie tych danych w trwałej warstwie pamięci masowej ułatwia wymianę lub modernizację maszyny obliczeniowej bez konieczności ponownego tworzenia całego środowiska roboczego agenta.