AI-modeller och plattformar

Perplexity lanserar sin lokala Portable Computer‑agent för Windows‑PC‑er

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Perplexity gjorde Portable Computer, den lokala on‑device‑versionen av sin Perplexity Computer‑agent, tillgänglig i Perplexity‑appen för Windows den 14 september 2026 på kompatibla NVIDIA GeForce RTX‑PC‑er och NVIDIA RTX PRO‑arbetsstationer med 24 GB eller mer VRAM.

Tillgänglighet för Windows‑prenumeranter

Portable Computer för Windows är tillgänglig för Pro‑ och Max‑prenumeranter på både individuella och företagsplaner via den befintliga Perplexity‑appen för Windows, som kan hämtas från Microsoft Store, enligt Perplexitys tillkännagivande. Efter att ha laddat ner appen laddar användarna ner den lokala modell de vill använda med ett klick efter att ha valt den i modell‑rullgardinsmenyn.

On‑device‑inferens kräver ett NVIDIA GeForce RTX‑ eller RTX PRO‑GPU med minst 24 GB VRAM. NVIDIA uppgav att stöd för dess DGX Station‑arbetsstation förväntas komma snart.

Från DGX Spark till Windows‑skrivbordet

Portable Computer är en lokal version av Perplexity Computer, en agent som planerar och utför flerstegsuppgifter. Accelererad av NVIDIA‑GPU:er använder den lokala modeller för att analysera data, samla information från olika filer och hantera återkommande arbete, samtidigt som känslig information förblir på enheten och lokalt slutfört arbete inte förbrukar Perplexity Computer‑krediter, enligt NVIDIA:s tillkännagivande.

Perplexity introducerade Portable Computer i augusti för NVIDIA DGX Spark, en skrivbordsstor AI‑dator byggd kring Grace Blackwell GB10‑plattformen med en 20‑kärnig Arm‑CPU, ett NVIDIA‑GPU och 128 GB enhetligt minne. Perplexity byggde releasen tillsammans med NVIDIA och lanserade den först på Linux, med Windows‑stöd lovat vid den tidpunkten.

Före DGX Spark‑releasen hade Perplexitys Personal Computer för Windows fört Computer‑molnagentern till Windows‑skrivbordet, där de kunde arbeta över lokala filer, anslutna appar och webben. Portable Computer kör i stället modellen, agent‑ramverket, orkestratorn och schemaläggaren helt på Windows‑enheten. NVIDIA uppgav att Windows‑releasen bygger på befintligt stöd för DGX Spark‑system och RTX‑PC‑er som kör Linux.

Lokala modeller, anslutningar och schemalagda uppgifter

NVIDIA uppgav att Windows‑appen förenklar installationen med en lokal modell som Qwen 3.8 27B, eftertränad för att fungera med Perplexity Computer och optimerad för RTX‑GPU:er, så att användare kan sätta agenten i arbete utan att behöva undersöka modeller eller konfigurera den komplexa mjukvarustacken som vanligtvis krävs för att köra lokal AI.

Vid DGX Spark‑releasen kör Portable Computer Qwen 3.8 27B eller PPLX 27B, en eftertränad version av Qwen‑modellen, medan orkestratorn, planeringsmodulen, verktygsroutern, schemaläggaren, den beständiga uppgiftskön och det lokala sökindexet alla körs på enheten. Perplexity uppgav att NVIDIA Nemotron 3.5 Lightning, en 30 B öppen modell, snart kommer att finnas i modellväljaren, och att dikteringsläget körs lokalt med NVIDIA Nemotron 3.5 ASR‑modellen, så att transkription och filåtgärder förblir på maskinen.

Anslutningar för Microsoft Outlook, OneDrive, Word, Google Drive, Gmail, Slack och GitHub utökar agenten över de filer och appar som redan ingår i användarnas dagliga arbetsflöden, enligt NVIDIA. Portable ansluter också till andra skrivbordsprogram via lokala Model Context Protocol‑servrar som körs på Windows‑enheten, vilket Perplexity uppgav gör att den lokala modellen kan använda dessa programmens verktyg och data som en del av ett automatiserat arbetsflöde samtidigt som arbetet förblir på enheten. Agenten kan arbeta med dokument, kalkylblad, presentationer, PDF‑filer, kod och bilder lagrade i tillåtna mappar och sedan använda verktyg för att agera på den informationen.

Användare kan schemalägga återkommande arbetsflöden, såsom analyser eller filbehandling, för att köras med en lokal modell på deras egen hårdvara. Perplexity beskrev en kontrollant på ett logistikföretag som schemalägger Portable att avstämma fraktfakturor i en tillåten mapp varje morgon: agenten matchar varje faktura mot transportörens lokala prislistor, flaggar dubblettavgifter eller priser som avviker från avtalet och genererar en undantagskö som visar fakturan, avvikelsen och den rekommenderade tviståtgärden, där faktura- och prisdata aldrig lämnar företagets enhet.

Moln‑eskalering och säkerhet

För uppgifter som kräver aktuell information eller avancerat resonemang kan Portable Computer inkludera resultat från Perplexity Search eller någon av mer än 15 frontier‑modeller, och den ber användaren om tillåtelse innan information skickas från enheten. Perplexity uppgav att agenten även kan anropa Perplexity Search och utföra bred eller djup forskning, för att sedan återföra resultaten till samma uppgift.

Perplexity Computers inbyggda verktyg inkluderar en inbyggd webbläsare och företagets proprietära SPACE‑sandbox, enligt NVIDIA. Perplexity uppgav att kod- och verktygsexekvering körs i isolerade sandbox‑miljöer med kontrollerad åtkomst till filer och anslutna appar, och att säkerheten motsvarar molnversionen av Perplexity Computer.

NVIDIA:s inlägg beskrev exempelarbetsflöden för agenten. En ingenjör kan granska öppna pull‑requests i ett anslutet GitHub‑projekt, organisera dem efter status och identifiera nästa steg, där agenten också kan flagga föråldrad dokumentation och skicka in föreslagna uppdateringar för granskning. En finansanvändare kan rikta den mot två år av mäklaröversikter, konsoliderade 1099‑formulär och skattedeklarationer och låta den spåra de återkommande innehaven som skapar de mest undvikbara avgifterna och skattebördan, med varje siffra hänvisad till exakt fil och sida och utan att något dokument når en chatbot. Ett startup kan fråga varför aktiveringen gick platt och låta agenten analysera funnel‑exporten lokalt för att hitta var nya registreringar faller bort mellan installation och första slutförda uppgift, och sedan posta de viktigaste insikterna i teamets Slack‑kanal.

Perplexity gav sitt eget ingenjörsexempel: en användare kan be Portable att granska öppna pull‑requests mot den lokala kodbasen och gruppera dem som redo att mergas, behöver granskning, blockerade eller föråldrade, och efter att användaren godkänt sammanfattningen och åtgärdspunkterna postar agenten dem i teamets Slack‑kanal och taggar den direkt ansvariga personen för varje punkt.

Elara Nix är en AI-genererad analytiker på Unite.AI, som täcker artificiell intelligens inom transport, mobilitetssystem och autonoma teknologier. Hennes arbete fokuserar på hur AI omformar självkörande fordon, flygsystem, järnvägsnät och allmänna transporter - där tillförlitlighet, säkerhet och verklig distribution är lika viktiga som innovation.
Med en teknisk och framåtriktad perspektiv undersöker Elara framstegen inom perceptions-system, autonomi-staplar, simulering och säkerhetsvalidering över land, luft och urban mobilitet. Hon uppmärksammar särskilt hur AI-drivet automatisering testas, regleras och integreras i befintlig infrastruktur, och hur dessa system balanserar effektivitetsvinster med allmänhetens förtroende och riskhantering.
Artiklar skrivna av Elara Nix är AI-genererade och granskade av Unite.AIs redaktionella team för att säkerställa korrekthet, tydlighet och ansvarsfull täckning av AIs utvecklande roll i transport och autonoma system.