Perplexity发布Hybrid Compute：AI任务在Mac本地与云端协同拆分

Perplexity于9月2日发布混合计算功能（Hybrid Compute）。该功能将Perplexity Computer任务在云端大模型与Mac本地模型之间拆分，通过设备端隐私门控保护敏感信息，并减少云端算力消耗。

据科技媒体MarkTechPost和Android Authority报道，该功能目前面向Perplexity Pro、Max和企业订阅用户开放，适用于搭载Apple Silicon、运行macOS 15或更高版本且统一内存不低于24GB（推荐32GB）的Mac。本地模型可从Mac应用内一键安装，无需配置Ollama、独立运行时或API密钥。用户启动任务后，如果附件中包含个人数据，Perplexity会提示用户，既可将私有部分留在本地处理，其余部分在云端完成，也可选择全部上传。

MarkTechPost的报道显示，混合计算采用云端起始的编排方式。任务默认从云端开始，由前沿模型完成网络搜索、规划和长程推理；当某个步骤涉及私人文件或敏感数据时，系统会将该步骤移交给Mac上的本地模型，不重启任务也不丢失上下文，最后将两部分结果合并。这与此前在NVIDIA DGX Spark上发布的本地计算模式相反，后者以本地为起点，经用户许可后升级至云端。由于Perplexity Computer可与iPhone协同，任务可在远程触发，敏感步骤则在Mac上执行。

隐私门控在受保护文件进入云端前决定处理方式，可选择留在本地、遮盖敏感片段、拒绝操作或询问用户。凭证、支付卡号和政府身份证件受到最严格处理，遮盖值在数据输出时被替换，云端返回结果后恢复。据同一篇报道，门控分类器PII-Tracer是一个0.6B参数编码器，基于Qwen3主干改造，在约71.4万条样本上训练三个周期。配套基准PII-TRACE包含13,148段合成对话，覆盖13种语言，标注37,431个字符级标识符。在12个检测器的对比中，PII-Tracer取得最高字符F1值0.629，对重复标识符的全检出率为79.4%，跨轮标识符为77.6%，高于GPT-5.6-sol的57.0%和55.1%。在单段对话含6至10次提及的困难场景中，PII-Tracer得分0.691，GPT-5.6-sol为0.464。检测器的单窗口召回率在对话短于1,000字符时为0.975，超过10,000字符时降至0.687；改用50%重叠滑动窗口解码后，整体字符召回从0.830升至0.965。

Android Authority的报道补充称，本地模型处理不产生token费用，因此可以降低整体任务成本。MarkTechPost的报道则列出，上线时提供Gemma 4 E4B、Qwen3.6 35B-A3B以及Perplexity为Computer后训练的本地模型，云端仍可使用Claude Opus 5或GPT-5.6-sol等更强模型。企业管理员可设置组织级规则，规定哪些信息必须留在设备、哪些可遮盖、哪些需经批准，并可查看信息离开机器的审计日志。