9月2日消息,Perplexity 在 Mac 应用中推出 Hybrid Compute(混合计算)功能:同一项任务由云端前沿模型和运行在用户 Mac 上的本地模型接力完成,涉及私密文件或敏感数据的步骤不离开设备。功能当天向 Pro、Max 和 Enterprise 订阅用户开放。 任务怎么拆
任务通常先在云端启动,由 Opus 5、GPT-5.6 Sol 这类前沿模型负责搜索、规划和推理。系统检测到任务涉及本地文件、私密数据或设备操作时,把对应步骤切给 Mac 上的本地模型处理,任务不中断、上下文不丢失,最后两部分合并成一份结果。在拆分执行之前,用户可以先查看系统准备隔离在本地的文件清单,确认没有遗漏,并自行指定云端和本地各用哪个模型。从 iPhone 或 iPad 发起的任务同样支持:只要 Mac 开着并运行 Perplexity 应用,敏感步骤就会在 Mac 上本地执行。
隐私靠什么保证
核心是一个叫 Privacy Gate 的设备端关卡。据官方介绍,本地运行的 PII 分类器 PII-Tracer(约 6 亿参数)会在数据离开设备前扫描姓名、地址、账号、电话、凭证等信息;用户可以选择三种处理方式——完全本地处理、用占位符替换敏感信息后再发云端(返回时还原)、或逐项手动决定。该分类器已开源,由 Perplexity 与其 Secure Intelligence Institute 合作训练。
需要说明的是,这套隐私保护的强度取决于分类器的识别能力,目前未见第三方审计。敏感信息是否被完全拦下,用户只能通过拆分前的文件清单环节自行核对。
设备、订阅与成本
硬件门槛不低:仅支持 Apple Silicon 芯片、macOS 15 或更高版本,最低 24GB 统一内存,官方建议 32GB;8GB 和 16GB 机型无法运行。订阅门槛是 Pro、Max 或 Enterprise。本地模型首批包括 Google 的 Gemma 4 E4B 和两个 Qwen 3.6(350 亿参数)版本,其中一个经 Perplexity 后训练,应用内一键下载,不需要命令行配置。本地模型消耗的 token 不计云端积分,把部分工作从高价前沿模型转移到本地,可以直接降低任务成本。运行过程中,应用会显示本地 CPU、GPU、内存占用和已消耗的 token 数。
官方承认的代价
Perplexity Mac 产品负责人 Jon Staff 在被问及混合模式与纯云端的质量对比时,给出了少见的坦率回答:只看原始产物的生成质量,完全使用前沿模型的输出几乎总是更好,代价是成本更高。他的结论是,隐私和成本与模型能力之间是一条可调节的尺度,位置应由用户决定。
这句话是这次发布最准确的注脚:本地模型在 Hybrid Compute 里的角色不是前沿能力的替代品,而是一层隐私路由——它的卖点从第一天起就被官方定义为数据不出设备和省积分,而不是更强。对每天处理客户文件、财务记录或法律材料的专业用户来说,这个取舍第一次变得可选;对持旧款小内存 Mac 的用户,这扇门目前是关着的。Perplexity 称后续会增加更多本地模型,覆盖面和质量的平衡点能移多远,取决于端侧模型的进步速度。