Perplexity Portable Computer flytter hele AI-agenten inn på egen maskin

Perplexity Portable Computer lar deg kjøre en hel AI-agent på lokal Nvidia-maskinvare, uten at dokumenter, samtaler og verktøykall automatisk sendes til en skytjeneste. Modellen er bare én del av pakken. Agentharness, orkestrering, planlegging, verktøyruting og sandbox følger med i samme system.

Det er en viktig forskjell. En lokal språkmodell i et chatvindu er grei nok, men den blir ikke en nyttig arbeidsagent før noen kobler på filer, verktøy, sikkerhet og en løkke som faktisk holder oppgaven i gang. Perplexity har pakket disse delene sammen i stedet for å overlate hele monteringsjobben til brukeren.

Jeg liker retningen. Lokal AI blir langt mer nyttig når den kommer som et gjennomtenkt system, ikke som en modellfil og et vennlig «lykke til». Samtidig er dette foreløpig et produkt for folk og bedrifter med kraftig Nvidia-maskinvare, og «ingen kostnad per token» betyr ikke at maskinen, strømmen eller abonnementet plutselig er gratis.

Hva følger med i Perplexity Portable Computer?

Portable Computer er en lokal utgave av Perplexity Computer der hele agentstakken kjører på enheten. Ifølge Perplexitys lansering 25. august 2026 omfatter dette lokal modell, inferensmotor, agentharness, verktøysandbox og appkoblinger. Første målplattform er Nvidia DGX Spark.

Du kan velge Qwen 3.8 27B eller PPLX 27B, som er Perplexitys egen ettertrente variant for agentmotoren. Nvidia Nemotron 3.5 Lightning, en åpen MoE-modell med 30 milliarder parametere, skal komme senere. Egen modell og inferensserver støttes også. Systemet er laget for arbeid med lokale filer, kode og lange oppgaver.

Dette er altså mer enn «Perplexity, men med lokal modell». Agentmotoren er laget rundt begrensningene til mindre modeller. Perplexity fant at Qwen-modellen begynte å slite når konteksten passerte omtrent 100 000 tokens, selv om den oppgitte kontekstgrensen er 260 000. Derfor er systemprompten liten, spesialiserte ferdigheter lastes ved behov, gammel kontekst komprimeres, og store MCP-definisjoner er erstattet med mer kompakte kommandolinjeverktøy for de mest brukte koblingene.

Det er kanskje den viktigste tekniske beslutningen i hele produktet. En mindre lokal modell blir ikke automatisk bedre av å få 40 verktøy, en vegg av instruksjoner og et halvt års samtalehistorikk kastet i fanget. En god agentmotor må hjelpe modellen med å bruke den kapasiteten den faktisk har.

Hvordan holdes filer og verktøy lokale?

Filer, samtaler, modellkjøring og agentens arbeidsspor blir på brukerens maskin som standard. Verktøy kjører i en sandbox på operativsystemnivå som begrenser prosesser, filstier og nettverkstilgang. I den tekniske gjennomgangen av systemet skriver Perplexity at agentmotoren slår av verktøykjøring dersom sandboxen ikke er tilgjengelig. Den faller ikke stille tilbake til å kjøre kommandoer med brukerens fulle rettigheter.

Det er akkurat sånn en agent med tilgang til terminal og dokumenter bør oppføre seg. En modell kommer før eller siden til å misforstå en instruksjon, møte en prompt injection eller foreslå en kommando den ikke burde kjøre. Da er en grense håndhevet av operativsystemet langt mer verdt enn enda en setning i prompten om å «være forsiktig».

Jeg har tidligere skrevet om hvordan sandbox og lokal inferens fungerer i NemoClaw. Portable Computer tar et strengere utgangspunkt: isolasjonen er alltid på, krever ingen egen konfigurasjon og må virke før agenten får bruke verktøy. Det betyr ikke at enhver sikkerhetsrisiko er borte, men det gir et langt mer fornuftig utgangspunkt enn direkte shell-tilgang på vertsmaskinen.

Perplexity støtter også koblinger til blant annet Google Drive, Gmail, Outlook, Slack og GitHub. Her må man lese «lokal» presist. Agenten kan behandle lokalt innhold på maskinen, men en handling mot Gmail eller Slack krever naturligvis kontakt med den eksterne tjenesten. Poenget er at dataflyten blir avgrenset, ikke at internett på magisk vis forsvinner.

Hva skjer når den lokale modellen ikke er god nok?

Alle oppgaver starter lokalt, men agenten kan be om hjelp fra skyen når den trenger fersk nettsøk, tilkoblede tjenester eller sterkere resonnering. Portable Computer kan velge blant mer enn 15 skymodeller. Før en slik eskalering viser systemet hvilken kontekst som skal forlate maskinen, kjører en klassifisering for personopplysninger og ber om godkjenning.

Skymodellen får bare den godkjente teksten og returnerer råd. Den får ikke direkte tilgang til lokale filer, verktøy eller hele samtalen, mens den lokale orkestratoren beholder kontrollen over det som faktisk utføres. Det er en mye mer interessant hybridmodell enn en bryter merket «lokal» som likevel sender hele arbeidsmappen ut døren ved første vanskelige spørsmål.

Perplexity har allerede brukt en lignende idé til smartruting mellom lokal AI og skyen. Portable Computer går lenger ved å legge selve agentmotoren og sikkerhetsgrensen på enheten. Hver oppgave starter lokalt, mens nettsøk og ekstern rådgivning bare brukes når oppgaven trenger det og brukeren godkjenner steget.

Dette er ikke lokal-only forkledd som lokal-first. Det er et bevisst kompromiss: privat materiale og vanlig arbeid lokalt, dyrere ekspertise i skyen når oppgaven trenger det og brukeren tillater det. For kode, kontrakter og interne dokumenter er kontroll over akkurat hvilken kontekst som sendes, minst like viktig som modellnavnet.

Hvor mye hjelper agentmotoren en 27B-modell?

Perplexitys egne tester tyder på at agentmotoren og skyporten gjør den lokale modellen mer nyttig, men dette er leverandørens målinger. Det mest opplysende resultatet er Terminal Bench 2.1, der kombinasjonen av lokal modell og en sterk skymodell som rådgiver fikk 73,0 prosent. MarkTechPost oppsummerer det presist: skyhjelpen reduserer gapet til en frontmodell, men lukker det ikke.

Det er nok til å vise hvorfor hybridarkitekturen finnes, men ikke nok til å love at den passer din arbeidsflyt. Datasettet for Perplexitys egen kunnskapsarbeidstest var heller ikke offentlig ved lanseringen. Benchmarkene bør derfor leses som et teknisk signal og ikke som et kjøpsargument.

Hva betyr ingen kostnad per token i praksis?

Arbeid som kjøres med den lokale modellen har ingen separat pris per token og teller ikke mot Perplexitys tokengrenser. Det gjør lange oppgaver, store dokumentsamlinger og ekstra kontrollrunder mer forutsigbare. Agenten kan bruke flere tokens på å kontrollere sitt eget arbeid uten at hver runde tikker på en ekstern API-regning.

Men marginalkostnad er ikke det samme som gratis. Du må ha egnet Nvidia-maskinvare, betale strøm og ha et kvalifisert Perplexity-abonnement. Ved lansering er Portable Computer tilgjengelig for Pro, Max, Enterprise Pro og Enterprise Max. Nvidia opplyser at støtte for GeForce RTX og RTX Pro kommer senere.

Når agenten ber en modell i skyen om råd, kommer kostnaden tilbake. I Perplexitys Terminal Bench-test kostet hybridkjøringen anslagsvis 0,415 dollar per oppgave, mens frontmodellen alene kostet omtrent 0,65 dollar. Det tilsvarer cirka 4 og 6 kroner med avrundet kurs, men dette er målekostnader fra én test – ikke en fast prisliste for alle Portable Computer-oppgaver.

Den økonomiske gevinsten blir derfor størst når maskinen allerede finnes og en stor del av arbeidsmengden kan løses lokalt. Å kjøpe dyr maskinvare bare for å spare noen få API-kall er dårlig hoderegning. For en bedrift med store dokumentmengder, krav til datakontroll og mange lange agentløp kan regnestykket se helt annerledes ut.

Hvilken maskinvare og programvare kreves?

Første utgave er laget for Nvidia DGX Spark med Grace Blackwell GB10, 128 GB delt minne og minst 1 TB lagring. Nvidia omtaler den lokale inferensinstallasjonen på DGX Spark som ett klikk. Portable Computer kommer først til Linux, Windows-støtte er varslet i september 2026, og macOS står ikke på veikartet.

MarkTechPost oppgir de mer detaljerte minstekravene: andre støttede systemer må kjøre DGX OS eller Ubuntu på Arm eller x64 og ha en RTX-GPU med minst 24 GB VRAM. Qwen 3.8 27B leveres i 3-biters kvantisering som en nedlasting på 17,4 GB og krever 32 GB minne. Nemotron-varianten er oppgitt til 19 GB i 4-bit og krever 36 GB.

Dette gjør lanseringen relevant for AI-entusiaster, utviklere og bedrifter med kraftige arbeidsstasjoner, ikke for en vanlig kontor-PC. Bare én DGX Spark støttes i første versjon. Klynger er varslet senere, men ikke levert. Jeg ville heller ikke kjøpt maskinvare på grunnlag av et veikart. Vurder produktet ut fra det som virker i dag.

For brukere som allerede har kompatibel Nvidia-maskinvare, er den praktiske testen enkel: Velg en avgrenset mappe og en ufarlig arbeidsflyt, kontroller hvilke filstier og nettverkstjenester sandboxen får bruke, og se når agenten ber om skyhjelp. Ikke start med produksjonsnøkler og hele kundeområdet. En sikker standard er bra, men egne tillatelser og datakilder må fortsatt forstås.

Et lokalt agentsystem er mer verdt enn enda en lokal chat

Det finnes allerede mange måter å laste ned en modell og chatte med den på. Portable Computer peker på neste trinn: lokale modeller må få en agentmotor som er bygget for mindre kontekstvinduer, en sikker grense for verktøy og en ryddig vei til ekstern hjelp. Det er summen som gjør løsningen nyttig.

Perplexity har dessuten en etablert søke- og researchplattform rundt produktet. Min oversikt over Perplexity som AI-søkemotor forklarer den delen nærmere. Med Portable Computer kan nettsøk og kilder kombineres med lokale filer uten at hele arbeidsområdet må overleveres til en skymodell.

Jeg synes dette er en av de mer fornuftige retningene for lokale AI-agenter. Ikke fordi 27 milliarder parametere plutselig løser alt, men fordi Perplexity tar de kjedelige og avgjørende delene på alvor: kontekst, verktøy, isolasjon, kostnad og datagrense. Sånn blir lokal AI et arbeidsverktøy i stedet for et helgeprosjekt.

Maskinvarekravet holder foreløpig mange ute, og leverandørens benchmark trenger uavhengig kontroll. Likevel er retningen klar. Hvis flere leverandører klarer å gi brukeren lokal kontroll uten å ofre en god agentmotor, blir spørsmålet etter hvert ikke om AI skal kjøre lokalt eller i skyen. Det blir hvilke deler som faktisk har noe i skyen å gjøre.

Ofte stilte spørsmål