O que é o computador portátil Perplexity? Como os agentes de IA com prioridade local mantêm o trabalho no seu PC

O Perplexity Portable Computer é relevante menos por conseguir executar localmente um modelo de 27B e mais por transferir o próprio ambiente de execução do agente para a máquina do utilizador. A Perplexity afirma que o orquestrador, o planeador, o encaminhador de ferramentas, o programador, a fila de tarefas persistente e o índice de pesquisa local são todos executados no dispositivo. O agente pode ler ficheiros locais, pesquisar documentos e código, realizar ações no computador e manter tarefas de longa duração ativas sem fazer de um modelo na nuvem a camada de controlo predefinida.

Isso altera a questão da IA local. Em vez de perguntar apenas se um modelo cabe na RAM ou na VRAM, a questão mais importante passa a ser onde devem residir os ficheiros do agente, o índice de pesquisa, o estado das tarefas, as ferramentas, as permissões e o ambiente de trabalho. O Portable Computer é também local-first, em vez de local-only: pode solicitar autorização para utilizar a pesquisa na Web, aplicações ligadas ou modelos de nuvem de vanguarda quando uma tarefa necessita de capacidades que a pilha local não consegue fornecer. O resultado é um modelo útil para uma arquitetura de IA híbrida, na qual o utilizador controla a camada local persistente, enquanto a inteligência na nuvem se torna um recurso opcional.

O que é o Perplexity Portable Computer?

O Perplexity Portable Computer é uma versão local-first do Perplexity Computer, apresentada em 25 de agosto de 2026. Em vez de enviar todas as tarefas através de um ambiente de execução de agentes alojado, executa o sistema central de agentes numa máquina local.

No anúncio oficial do Portable Computer, a Perplexity descreve um sistema capaz de analisar dados locais, sintetizar ficheiros, executar fluxos de trabalho, pesquisar conteúdo local e realizar ações no dispositivo sem tornar a execução na nuvem a opção predefinida.

A distinção torna-se mais clara se separarmos o modelo do agente que o envolve.

A mudança fundamental não é, portanto, simplesmente a transferência de um LLM de um servidor para um computador de secretária. A camada de orquestração foi transferida com ele.

Isso torna o Portable Computer mais semelhante a um ambiente de execução de agentes local do que a um chatbot local convencional.

O que é realmente executado localmente no Portable Computer?

A Perplexity identifica explicitamente seis componentes principais que são executados no dispositivo: o orquestrador, o planeador, o encaminhador de ferramentas, o programador, a fila de tarefas persistente e o índice de pesquisa local. Esses componentes são importantes porque um agente faz muito mais do que gerar o token seguinte.

O orquestrador decide como o trabalho global deve prosseguir. Se um utilizador pedir ao agente para rever uma pasta de relatórios, compará-los com notas do projeto, preparar um resultado e enviar um resumo mais tarde, pode haver muitas operações individuais entre o pedido e o resultado.

O planeador divide esse trabalho em etapas geríveis. O encaminhador de ferramentas decide se uma etapa necessita de acesso a ficheiros, pesquisa local, execução de código, um conector de aplicações ou outra capacidade. O agendador determina quando os trabalhos devem ser executados, enquanto a fila de tarefas persistente permite manter trabalhos mais longos, em vez de presumir que todas as tarefas terminam com uma única resposta no chat.

Esta é a principal diferença entre um agente e um chatbot. Um chatbot pode aguardar a próxima mensagem do utilizador. Um agente pode continuar a processar ficheiros, aguardar que outra ação termine, repetir uma chamada de ferramenta que falhou ou retomar uma tarefa mais tarde.

Atualmente, o Portable Computer suporta o Qwen3.8-27B e o PPLX 27B da Perplexity no hardware de lançamento. Os leitores interessados especificamente nos requisitos de memória do modelo Qwen subjacente podem consultar o nosso guia sobre executar o Qwen3.8-27B em hardware de consumo.

Mas o modelo é apenas um componente permutável. A ideia arquitetónica mais importante é que o planeamento, o encaminhamento, a persistência das tarefas, a pesquisa e as ações locais já não têm de estar associados a um modelo na nuvem.

Como é que o Portable Computer decide quando utilizar a nuvem?

O Portable Computer privilegia o processamento local, mas não funciona necessariamente apenas offline. Esta distinção é essencial para compreender corretamente o produto.

A Perplexity afirma que o modelo local foi treinado para concluir localmente o máximo possível de uma tarefa. Quando um trabalho exige algo que o dispositivo não possui — como informações atuais da Web, acesso ao navegador, uma aplicação ligada ou um raciocínio de vanguarda mais potente — o orquestrador local pode encaminhar essa parte do fluxo de trabalho.

Um percurso de decisão simplificado é o seguinte:

Tarefa do utilizador
   |
   v
Orquestrador local
   |
   O modelo local + as ferramentas locais conseguem concluir a tarefa?
   |        |
   |        +-- Sim --> Concluir localmente
   |
   +-- Não
          |
          +-- São necessárias informações atuais da Web?
          +-- É necessária uma aplicação ligada?
          +-- É necessária uma ação no navegador?
          +-- É necessário raciocínio de vanguarda?
                    |
                    v
             Pedir autorização
                    |
                    v
          Utilizar a capacidade aprovada da nuvem
                    |
                    v
          Devolver o resultado ao fluxo de trabalho local

A Perplexity afirma que o Portable Computer pode aceder às suas capacidades de pesquisa, a investigação ampla ou aprofundada, aplicações ligadas e mais de 15 modelos de vanguarda, quando necessário. Afirma também que, quando é necessário enviar conteúdo do dispositivo para um serviço na nuvem, o sistema pede primeiro autorização ao utilizador.

Isto produz uma relação muito diferente com a IA na nuvem.

A nuvem torna-se uma capacidade que o agente pode solicitar, em vez de ser o ambiente onde o agente vive permanentemente.

Esse modelo híbrido é particularmente útil para trabalho privado. Um agente local pode analisar documentos confidenciais no dispositivo, mas ainda assim pedir a um serviço de pesquisa na nuvem informações atuais sobre o mercado que não exijam o envio do próprio material de origem confidencial.

Como É que o Portable Computer Utiliza Ficheiros Locais e a Pesquisa?

Um agente de IA privado útil não precisa de espremer todos os documentos para dentro da janela de contexto do modelo. Precisa de acesso controlado aos ficheiros e de uma forma de encontrar informações relevantes quando uma tarefa o exige.

O Portable Computer consegue ler ficheiros locais e pesquisar em documentos e código. O seu índice de pesquisa local também permanece no dispositivo. Esta separação é importante porque a IA local se torna muito mais útil quando os dados privados são tratados como uma camada de conhecimento persistente, em vez de serem carregados manualmente em cada conversa.

Um fluxo de trabalho simplificado de conhecimento local é semelhante a este:

Ficheiros Locais
    |
    v
Pesquisa Local / Índice
    |
    v
Documentos Relevantes
    |
    v
Agente Local
    |
    v
Contexto do Modelo
    |
    v
Resposta / Ação / Resultado

Por conseguinte, o modelo não tem de "memorizar" um sistema de ficheiros inteiro. Pode obter os ficheiros ou excertos relevantes para o trabalho atual.

Isto está estreitamente relacionado com a arquitetura que usamos ao abordar a separação entre a computação de IA local e o armazenamento NAS de longo prazo. A máquina de computação trata da inferência ativa e do trabalho dos agentes, enquanto os documentos persistentes, os embeddings, os resultados e as cópias de segurança podem residir numa camada de armazenamento concebida para permanecer disponível durante anos.

A distinção torna-se mais importante à medida que os agentes geram os seus próprios artefactos. Um fluxo de trabalho maduro pode conter documentos de origem, embeddings, repositórios de código, ficheiros de saída, registos de tarefas, relatórios, recursos de imagem, transcrições e instantâneos. O modelo de IA já não é a única coisa que precisa de armazenamento.

Onde Vive a Memória dos Agentes num Sistema Local-First?

Os ficheiros pesquisáveis são uma forma de contexto persistente, mas os agentes de longa duração acabam por precisar de algo mais próximo da memória: registos de trabalhos anteriores, histórico de projetos, notas, descobertas, decisões e estado das tarefas que sobrevivam para além de um único pedido.

O lançamento do Portable Computer já confirma a pesquisa local e uma fila de tarefas duradoura, mas é importante não afirmar que todos os componentes da arquitetura de memória mais ampla da Perplexity foram simplesmente transferidos para o DGX Spark.

Separadamente, a Perplexity publicou um trabalho detalhado sobre a arquitetura de memória do seu agente, denominada Brain. Esse sistema é útil para compreender a direção do pensamento mais abrangente da empresa.

O Brain trata o contexto persistente do agente como um sistema de ficheiros, em vez de tentar incluir todo o histórico do utilizador em cada pedido. A sua estrutura de memória inclui:

A lição mais abrangente é mais importante do que a estrutura exata dos diretórios: a memória do agente está a tornar-se dados duradouros.

Os modelos podem ser atualizados. Um modelo Qwen local pode ser substituído por outro modelo aberto seis meses mais tarde. A GPU pode ser substituída. Até a estrutura do agente pode mudar. No entanto, os documentos do projeto, o histórico de tarefas, o contexto aprendido, os ficheiros indexados e os resultados anteriores podem precisar de sobreviver a todas essas alterações.

Isso torna a camada de dados persistentes cada vez mais importante na arquitetura de IA local.

Como é que o Portable Computer mantém as ações dos agentes locais mais seguras?

Executar um agente localmente não o torna automaticamente seguro. Na verdade, um agente local capaz pode ter acesso a recursos mais úteis — e, por isso, mais perigosos — do que um simples chatbot na nuvem.

Um agente que possa ler ficheiros, executar ferramentas, editar código, chamar aplicações ou executar comandos precisa de limites relativos ao que pode aceder. A Perplexity afirma que a execução de código e de ferramentas no Portable Computer ocorre em ambientes sandbox isolados, com acesso controlado a ficheiros e aplicações ligadas.

Um modelo prático de segurança para agentes locais precisa de várias camadas:

O padrão mais seguro consiste geralmente em dar aos agentes ampla capacidade para analisar e autoridade mais limitada para agir. Utilizamos o mesmo princípio no nosso guia sobre a utilização de etapas de aprovação para agentes de IA locais: os rascunhos, resumos, monitorização e recomendações podem muitas vezes ser executados automaticamente, enquanto a eliminação de ficheiros, o envio de mensagens, a realização de compras ou a alteração de permissões merecem uma confirmação mais rigorosa.

A investigação mais abrangente da Perplexity sobre sandboxes seguras para agentes de longa duração também explica por que motivo os ambientes de execução dos agentes diferem dos trabalhos comuns em contentores de curta duração. Um agente pode acumular um sistema de ficheiros de trabalho, processos em execução e estado ao longo de horas ou dias, tornando importantes tanto o isolamento como a recuperação.

Essa investigação não deve ser interpretada como prova de que todos os pormenores exatos da implementação cloud do SPACE são reproduzidos de forma idêntica no Portable Computer. Demonstra, contudo, o problema de infraestrutura que os agentes locais têm cada vez mais de resolver: uma execução potente tem de coexistir com acesso controlado e estado persistente.

De Que Hardware Precisa o Perplexity Portable Computer?

No lançamento, o Portable Computer está disponível no NVIDIA DGX Spark para subscritores dos planos Perplexity Pro e Max. A primeira versão é compatível com Linux, estando anunciado que o suporte para Windows chegará mais tarde. A Perplexity também afirma que o suporte para PCs com GPU NVIDIA RTX está a caminho.

O DGX Spark é construído em torno da plataforma GB10 Grace Blackwell da NVIDIA, com uma CPU Arm de 20 núcleos, uma GPU NVIDIA e 128 GB de memória unificada. Esse grande conjunto de memória partilhada torna-o adequado para executar modelos locais substanciais, deixando simultaneamente capacidade para o ambiente de execução dos agentes e outras cargas de trabalho.

Atualmente, o Portable Computer disponibiliza o Qwen3.8-27B e o PPLX 27B, uma versão do modelo Qwen treinada posteriormente pela Perplexity. O NVIDIA Nemotron 3.5 Lightning também está indicado como estando a caminho do seletor de modelos.

Isto não significa que um DGX Spark seja um requisito mínimo universal de hardware para o modelo subjacente de 27B. O próprio Qwen3.8-27B pode ser executado em hardware muito mais convencional quando quantizado. O sistema com 128 GB dá à Perplexity margem para disponibilizar um ambiente de agentes local integrado, em vez de se limitar a demonstrar que o modelo base consegue gerar tokens.

A IA local com prioridade à execução local reduz realmente os custos da cloud?

A Perplexity afirma que o trabalho concluído pelo modelo local do Portable Computer não consome créditos. Isso altera a economia das cargas de trabalho dos agentes, porque estes podem consumir muito mais inferência do que um chat comum.

Uma única pergunta de chatbot pode envolver um prompt e uma resposta. Um agente pode, em vez disso:

planear uma tarefa, inspecionar ficheiros, chamar ferramentas, avaliar um resultado, repetir uma ação falhada, pesquisar informações adicionais, invocar outro agente, resumir conclusões e, em seguida, produzir o resultado final.

Cada ciclo cria mais inferência. Quando a mesma automação é executada todas as manhãs, processa centenas de documentos ou trabalha continuamente numa base de código, a utilização medida pode acumular-se muito mais depressa do que no caso de conversas ocasionais.

A inferência local altera essa estrutura de custos. Substitui parte das despesas na nuvem por utilização por custos fixos, como hardware, eletricidade, armazenamento e manutenção.

Isso não torna a IA local gratuita. A comparação mais útil é a relação de custos entre a IA local e a IA na nuvem.

O Portable Computer formaliza, na prática, a resposta híbrida: mantenha o trabalho de grande volume ou sensível no hardware que já possui e utilize recursos da nuvem seletivamente, onde proporcionam uma vantagem clara em termos de capacidades.

Porque é que os agentes de IA locais podem precisar de um servidor ou NAS mesmo quando a inferência é executada noutro local?

Atualmente, o Portable Computer é executado num sistema de processamento de IA, não num NAS. Não há razão para transformar esse facto numa afirmação sem suporte de que o produto completo deve ser instalado num servidor de armazenamento.

A ligação mais interessante é arquitetural.

À medida que os agentes se tornam persistentes, acumulam dados que permanecem ativos muito mais tempo do que uma sessão de inferência individual:

• documentos de origem e ficheiros privados,
• repositórios de código e recursos de projetos,
• índices de pesquisa e embeddings,
• históricos de tarefas e registos do agente,
• relatórios e artefactos gerados,
• ficheiros de memória e bases de conhecimento,
• configurações de fluxos de trabalho,
• instantâneos e cópias de segurança.

Nem todos esses dados têm de permanecer permanentemente no SSD interno da máquina que executa a inferência.

Uma arquitetura local-first madura pode separar três camadas de recursos:

O NAS não precisa de fingir que é memória GPU. O seu papel é diferente: fornecer um espaço estável, expansível e com permissões para os dados persistentes do agente.

Esta é a mesma razão pela qual uma camada de dados de IA privada pode permanecer num NAS enquanto a inferência é executada noutro local. O hardware de processamento pode mudar sem obrigar toda a base de conhecimento a mudar com ele.

Essa separação torna-se especialmente útil num ambiente com vários dispositivos. Uma estação de trabalho pode executar um modelo local poderoso durante o dia, outro dispositivo pode tratar de tarefas de IA mais leves e um sistema com GPU atualizada pode substituir ambos mais tarde. Uma camada de armazenamento persistente pode continuar a guardar os mesmos ficheiros de projeto, embeddings, resultados, histórico do agente e cópias de segurança ao longo de todas essas mudanças.

Por outras palavras, o ativo de longo prazo pode não ser o modelo. Pode ser o estado em torno do modelo.

Será o Portable Computer o futuro dos agentes pessoais de IA?

O Portable Computer é demasiado recente para provar que todos os agentes pessoais de IA adotarão exatamente a mesma arquitetura. No entanto, torna várias tendências mais amplas muito mais fáceis de observar.

Primeiro, os modelos locais capazes estão a ultrapassar o simples chat privado. Um modelo de 27B pode agora ser integrado num sistema de agentes que planeia tarefas, pesquisa ficheiros, executa ferramentas e mantém o trabalho em execução.

Segundo, a estrutura do agente é cada vez mais importante, tanto quanto o modelo. A orquestração, a persistência das tarefas, a recuperação de informação, as permissões, as sandboxes, os conectores e a memória determinam o que o modelo consegue realmente fazer.

Terceiro, a IA totalmente local e a IA totalmente baseada na cloud não são as únicas opções. O Portable Computer demonstra um meio-termo mais prático: a execução de rotina pode permanecer no dispositivo, enquanto o agente solicita seletivamente informação externa ou um raciocínio mais avançado.

Continuam a existir limitações importantes. O lançamento centra-se no hardware especializado DGX Spark. O suporte para PCs com RTX continua a ser alargado. O suporte para Windows não fazia parte da primeira versão. Os modelos locais não superarão os modelos de cloud de vanguarda em todos os problemas de raciocínio difíceis, e as aplicações ligadas continuam a envolver serviços externos.

A execução local também transfere mais responsabilidade para o utilizador. A capacidade do hardware, o armazenamento, as permissões, as cópias de segurança, as atualizações de software e a segurança do agente passam todos a fazer parte do sistema, em vez de permanecerem como infraestrutura invisível da cloud.

Mas a direção é significativa. A mudança importante não é simplesmente passar da IA na cloud para a IA local. É passar de fluxos de trabalho controlados pela cloud para uma infraestrutura de IA controlada pelo utilizador, que pode recorrer seletivamente à inteligência da cloud quando isso for útil.

Quando isso acontecer, a máquina que executa o modelo será apenas uma peça do sistema. Ficheiros, índices, memória, permissões, estado das tarefas, resultados e cópias de segurança tornar-se-ão componentes fundamentais da infraestrutura pessoal de IA — e são precisamente estas camadas que tornam os agentes local-first úteis muito depois de o modelo atual ter sido substituído.

FAQ: Computador Portátil da Perplexity e IA Local-First

O que é o Computador Portátil da Perplexity?

O Perplexity Portable Computer é uma versão local-first do Perplexity Computer que executa o modelo do agente, o orquestrador, o planeador, o encaminhador de ferramentas, o agendador, a fila de tarefas durável e o índice de pesquisa local na máquina do utilizador. Pode processar ficheiros e fluxos de trabalho locais sem tornar a execução na nuvem a opção predefinida.

O Perplexity Portable Computer funciona completamente offline?

Pode executar muitas tarefas localmente, mas é mais correto descrevê-lo como local-first, e não apenas local. O agente pode utilizar pesquisa na nuvem, aplicações ligadas, funcionalidades do navegador ou modelos de ponta quando necessário. A Perplexity afirma que pede autorização antes de enviar conteúdo do dispositivo para um serviço na nuvem.

Que modelo utiliza o Portable Computer?

No lançamento, o Portable Computer suporta Qwen3.8-27B e PPLX 27B, que a Perplexity descreve como uma versão do modelo Qwen treinada posteriormente. O NVIDIA Nemotron 3.5 Lightning também está previsto para ser incluído no seletor de modelos.

O Portable Computer envia ficheiros privados para a nuvem?

A Perplexity afirma que os dados privados podem permanecer no dispositivo e que o sistema pede autorização quando uma tarefa precisa de enviar conteúdo do dispositivo para um serviço na nuvem. Ainda assim, os utilizadores devem considerar as aplicações ligadas e o escalamento aprovado para a nuvem como fluxos de dados externos, em vez de presumirem que o sistema está permanentemente offline.

O Portable Computer pode ser executado num PC com RTX?

A Perplexity lançou primeiro o Portable Computer no NVIDIA DGX Spark e afirma que o suporte para PCs com GPU NVIDIA RTX está a caminho. Os requisitos exatos de hardware e software para uma implementação RTX mais abrangente poderão mudar à medida que essa expansão evoluir.

O Portable Computer requer um DGX Spark?

A implementação inicial de setembro de 2026 é baseada no DGX Spark, mas a Perplexity já anunciou uma expansão para PCs com GPU RTX. O modelo Qwen3.8-27B subjacente também pode ser executado de forma independente noutro hardware local com quantização e memória adequadas.

O Perplexity Portable Computer é o mesmo que o Ollama?

Não. O Ollama é sobretudo um runtime de modelos locais e uma camada de API. O Portable Computer é um sistema de agentes mais abrangente, que combina um modelo local com orquestração, planeamento, persistência de tarefas, pesquisa local, ferramentas, ações no dispositivo, sandboxing, conectores e escalamento opcional para a nuvem. O Ollama ajuda a executar um modelo; o Portable Computer foi concebido para executar um fluxo de trabalho contínuo de agente em torno de um modelo.

Porque é que um agente de IA local precisa de armazenamento persistente?

Os agentes persistentes criam e reutilizam muito mais do que pesos de modelos. Podem depender de ficheiros de origem, índices de pesquisa, embeddings, memória, históricos de tarefas, espaços de trabalho, resultados gerados, registos e cópias de segurança. Manter esses dados numa camada de armazenamento durável facilita a substituição ou atualização da máquina de computação sem reconstruir todo o ambiente de trabalho do agente.