Perplexity 推出 Portable Computer：把整套 Agent 架構搬上你的桌機，與 Nvidia DGX Spark 攜手打造本地優先 AI

Perplexity 在 2026 年 2 月推出雲端版「Computer」時，願景是一套能研究、寫程式、部署到專案管理的端對端 AI 系統。半年後，公司把整套架構翻了個面。本週與 Nvidia 合作發表的 Portable Computer，把完整的 agent 技術棧——harness、orchestrator、planner、tool router、沙箱與後訓練模型——全部搬進一台擺在你螢幕旁邊的機器：NVIDIA DGX Spark。

這是一個「本地優先」（local-first）的 agent，而其設計的獨特之處也反映在經濟學上：每個任務都從裝置上開始執行，由本地模型處理的工作完全不收取任何 per-token 費用。對於任何曾眼看自主 agent 在一次 repo 規模的程式遷移或漫長驗證迴圈中燒掉數美元 API 額度的人來說，這一條就足以改變「在自有硬體上做什麼才划算」的答案。

不是本地聊天 App，是一整包 Agent 系統

關鍵差異在於裝置上實際安裝了什麼。Portable Computer 並不是一個掛上檔案選擇器的本地 LLM。Perplexity 將本地模型、推論引擎、agent harness、作業系統層級的工具沙箱與應用連接器打包成單一系統——省去了使用者自行架設推論伺服器、手動接線工具的整套流程。

使用者可選擇 Qwen 3.8 27B 或 PPLX 27B——後者是 Perplexity 針對自家 harness 特別後訓練（post-trained）的版本。NVIDIA 的 Nemotron 3.5 Lightning（開源 30B MoE 模型）列為即將支援，同時也支援自帶模型（bring-your-own-model）與自訂推論伺服器。

程式碼與工具呼叫都在作業系統強制執行的沙箱內運行，限制行程、檔案系統路徑與網路存取。值得注意的是：如果沙箱不可用，工具執行會直接被停用，而不是默默降級——把沙箱視為硬性前提而非選配功能，這是一個站得住腳的安全立場。Gmail、Outlook、Slack 與 GitHub 連接器全都經由本地 orchestrator 路由。

真正的設計決策：升級閘門

很重要的一點：本地優先並非「只用本地」。當某個步驟確實需要即時網頁或前沿級推理能力時，orchestrator 會停下來詢問使用者。在任何雲端呼叫送出之前，harness 會先選取相關上下文、對其執行 PII 分類器（個人識別資訊檢查），並明確顯示哪些內容將離開本機。只有在核准之後，該單一步驟才會路由到 15+ 個雲端模型之一——而遠端顧問（adviser）只回傳文字建議，永遠不會直接存取本地檔案、工具或對話內容。

這種逐步同意模型是整個產品中最關鍵的設計抉擇。它在隱私純粹主義者（什麼都不准離開機器）與務實派（知道 27B 模型在困難步驟上比不過前沿模型）之間切出一條中線：離開機器的資料被最小化、被檢視、被核准。這個結構瞄準的正是金融、法律、醫療、政府、國防與智慧財產密集的工程領域——任何資料居留法規或合約保密條款實質上封鎖雲端推論的場景。

Perplexity 也針對小模型的限制做了誠實的工程處理。Qwen 3.8 27B 宣稱 26 萬 token 的上下文視窗，但超過約 10 萬後效能會衰退，因此 harness 將系統提示與工具集維持精簡、按需載入專用技能、把連接器以精簡 CLI 工具而非完整 MCP 定義的形式暴露，並在執行中途壓縮過期上下文。這是一份任何本地 agent 開發者都值得借鏡的上下文工程清單。

測評數據——包括最誠實的那一組

在 Perplexity 自建的 53 項任務 Local Knowledge Work Bench（涵蓋深度研究、財務分析與文件生成，公司表示將開源）上，搭載 Qwen 3.8 27B 的 Computer 在 DGX Spark 上拿到 82.6%，同一模型下開源 Pi harness 為 77.6%、Hermes 為 74.0%。換上 PPLX 27B 後分數提升至 85.4%——證明針對自家 harness 的後訓練確實值回票價。

在 BrowseComp 上，Computer 拿到 66.7%，對比 Pi 的 50.2% 與 Hermes 的 43.9%，且耗時比 Pi 少 51%、token 用量少 70%。在視覺文件理解的 ParseBench-100 上，它以 65.1% 對上 34.6% 與 13.9%。

最有參考價值的是混合模式的結果。在 Terminal Bench 2.1 上，純本地跑出 59.6%、邊際成本趨近於零；啟用雲端顧問升級後提升至 73.0%、每個 rollout 約 0.415 美元——相比之下 Claude Opus 5 單獨跑為 82.4%、約 0.65 美元。升級縮小了與前沿模型的差距，但沒有完全消除。這個框架——本地是保底、雲端是需要核准且明碼標價的增益——很可能就是 2026 年混合式 agent 的誠實範本。

硬體現實檢查

這一切並不便宜。DGX Spark 安裝需要 GB10 超級晶片、128 GB 統一記憶體與至少 1 TB 儲存空間——這台機器最初定價 3,999 美元，其後因供應鏈因素傳出價格調整。Qwen 3.8 27B orchestrator 以 3-bit 量化出廠，下載體積 17.4 GB、需要 32 GB RAM；Nemotron 3.5 Lightning 為 4-bit、19 GB、需要 36 GB。替代方案是在 DGX OS 或 Ubuntu（ARM 或 x64）上搭配具備 24 GB 以上 VRAM 的 RTX GPU，安裝方式就是標準的 apt 套件庫新增。

供應策略是 Linux 優先，開放給 Pro、Max、Enterprise Pro 與 Enterprise Max 訂閱者——Windows 版九月跟進，而值得注意的是 macOS 不在路線圖上。發表時僅支援單台 DGX Spark；叢集化屬於路線圖項目，尚未出貨。

為什麼重要

Portable Computer 是 Perplexity 2026 年三部曲的第三幕：雲端 Computer（2 月）、Computer for Builders（8 月 12 日）、再到如今的本地優先版本。但它也是更大產業轉向的一部分。Nvidia 得以把 DGX Spark 定位為 agent 時代的個人 AI 超級電腦——一台讓你為矽晶片而非 token 重複買單的機器。Perplexity 則拿到了回應企業隱私疑慮的解答，而這個疑慮正是受監管產業採用 agent 的最大阻力。使用者則獲得了真正新的東西：一個預設安靜、雲端呼叫可稽核、本機工作邊際成本為零的 agent。

這場賭注是：2026 年的贏家 agent，不是雲端裡最聰明的那個——而是你真正敢把文件交給它的那個。Portable Computer 是迄今最完整的一次嘗試。