PPLX 27B startet in Perplexitys tragbarem Computer: Ein lokaler Agent, der die Open Harnesses schlägt.

Perplexitys PPLX 27B ist kein Cloud-Modell, und das ist die ganze Geschichte. Angekündigt am 25. August 2026 zusammen mit Portable Computer – dem Local-First-Agenten des Unternehmens, entwickelt mit NVIDIA – ist PPLX 27B eine nachtrainierte Version von Alibabas Open-Weight-Modell Qwen 3.8 27B, die von Perplexity für den eigenen Agent-Harness optimiert und so ausgeliefert wurde, dass sie vollständig auf Hardware läuft, die man selbst besitzt. Auf Perplexitys 53-Aufgaben-Benchmark „Local Knowledge Work Bench" erzielte der Harness mit PPLX 27B 85,4 % und lag damit vor demselben Harness mit Qwen 3.8 27B (82,6 %) sowie vor zwei Open-Source-Agent-Harnesses, Pi (77,6 %) und Hermes (74,0 %). Das sind die eigenen Zahlen des Herstellers aus dem Ankündigungsbeitrag und dem dazugehörigen Forschungspapier „A Local-First Agent for Private and Cost-Effective Knowledge Work", die nicht unabhängig reproduziert wurden – aber sie sind der erste öffentliche Beleg dafür, dass ein 27B-Modell auf einem Desktop echte Wissensarbeit zu einem Bruchteil der Cloud-Kosten bewältigen kann.

Was tatsächlich ausgeliefert wurde

Portable Computer ist der On-Device-Build von Perplexitys „Computer“-Agentenplattform. Während das frühere Computer-Produkt seinen Orchestrator in der Cloud betrieb, bündelt Portable Computer den gesamten Stack in einem einzigen System, das auf Ihrem Rechner läuft: den Agent-Harness, den Orchestrator, den Planner, den Tool-Router, den Scheduler, eine persistente Aufgabenwarteschlange, einen lokalen Suchindex, die Inferenz-Engine und die App-Konnektoren für Google Drive, Gmail, Slack, GitHub und Outlook.

Zwei Eigenschaften unterscheiden es von einem eigenen lokalen Setup. Erstens erfolgt die Ausführung von Code und Tools in einer vom Betriebssystem erzwungenen Sandbox, und wenn die Sandbox nicht verfügbar ist, wird die Tool-Ausführung deaktiviert, anstatt ungeschützt zu laufen. Zweitens ist es von Natur aus local-first: Jede Aufgabe startet auf dem Gerät, und wenn ein Schritt Live-Webdaten oder modernste Reasoning-Fähigkeiten benötigt, stoppt der Orchestrator und bittet um Erlaubnis, bevor er diesen einzelnen Schritt an eines von über 15 Cloud-Modellen eskaliert. Ein PII-Klassifikator prüft zuerst den ausgehenden Kontext und zeigt dir genau, was die Maschine verlassen würde.

Die beiden 27B-Modelle

Beim Start wählen Sie zwischen zwei Modellen mit 27 Milliarden Parametern. Qwen 3.8 27B ist Alibabas Open-Weight-Modell unter Apache-2.0-Lizenz — ein dichtes, multimodales 27B-Modell mit einem nativen 262K-Token-Fenster, das zwei Wochen zuvor veröffentlicht wurde und bereits eine starke Option für den Selbstbetrieb darstellt. PPLX 27B ist dieselbe Basis, die von Perplexity nachtrainiert wurde: keine neue Architektur, sondern zusätzliches Training, das speziell auf diese Testumgebung abgestimmt ist, wobei das Unternehmen ein präziseres und effizienteres Verhalten bei seinen eigenen Agent-Workloads beansprucht. NVIDIAs Nemotron 3.5 Lightning (30B) ist als „demnächst verfügbar“ gelistet, und sowohl das Mitbringen eigener Modelle als auch eigener Inferenzserver wird unterstützt, sodass die Testumgebung nicht an Perplexitys Gewichte gebunden ist.

Der Benchmark und was er nicht ist

Die Schlagzeilenzahl stammt von der 53 Aufgaben umfassenden Local Knowledge Work Bench, einer Suite, die die Art von Arbeit abdeckt, die ein Wissensarbeiter tatsächlich delegieren würde – tiefgehende Recherche, Finanzanalyse, Dokumentenerstellung. Perplexity gibt an, dass es plant, den Benchmark als Open Source zu veröffentlichen, was den Vergleich letztendlich wiederholbar machen wird, anstatt dass man ihm blind vertrauen muss. Bis dahin stammen diese Ergebnisse vom Anbieter. Auf dieser Suite, so der Anbieter:

• Portable Computer mit PPLX 27B — 85.4%

• Tragbarer Computer mit Qwen 3.8 27B — 82,6%

• Pi (Open-Source-Testumgebung) — 77,6%

• Hermes (Open-Source-Harness) — 74,0%

Zwei weitere vom Anbieter gemeldete Ergebnisse runden das Bild ab. Bei BrowseComp, der Web-Recherche-Suite, erzielte Computer 66,7 % gegenüber 50,2 % für Pi und 43,9 % für Hermes, während es 51 % weniger verstrichene Zeit und 70 % weniger Token als Pi benötigte. Bei ParseBench-100, einem Dokumentextraktionstest, erzielte es 65,1 % gegenüber 34,6 % für Hermes und 13,9 % für Pi. Die größten Unterschiede zeigen sich bei den Aufgaben, die die eigene Infrastruktur eines Harness belohnen – Suche, Routing, Tool-Nutzung – genau dort, wo ein nachtrainiertes Modell plus ein zweckgebauter Plumbing-Stack seinen Wert beweist.

Der wirtschaftliche Umschwung

Die interessantere Zahl ist der Preis. Lokal ausgeführte Arbeit verursacht keine Kosten pro Token und verbraucht keine Perplexity-Credits – bei einer vollständig lokalen Aufgabe bleibt der Zähler bei null. Nur die Eskalation kostet Geld, und sie ist pro Schritt ein Opt-in. Perplexity hat die Hybrid-Rechnung auf Terminal Bench 2.1 veröffentlicht: vollständig lokal wurden 59,6 % zu nahezu null Kosten erzielt; das Hinzufügen eines Frontier-Modells als Berater steigerte sie auf 73,0 % bei etwa 0,415 $ pro Durchlauf; das Frontier-Modell allein erreichte 82,4 % bei etwa 0,65 $ pro Durchlauf. Dieser letzte Kontrast ist die These – lokale Inferenz flacht die Kostenkurve für ständig aktive Agenten ab, und Cloud-Eskalation wird zu einer chirurgischen Ausgabe, die sich dort selbst amortisiert.

Davon ist nichts von Anfang an kostenlos. Die Hardware ist entscheidend. Portable Computer startet Linux-first auf dem NVIDIA DGX Spark, dem Desktop-Supercomputer mit 128 GB Unified Memory (Listenpreis ca. 4.500 $), oder auf Linux-PCs mit RTX-GPUs mit mindestens 24 GB VRAM – etwa einer RTX 3090 oder neuer – wobei 32 GB empfohlen werden. Windows-Support ist für September geplant; macOS ist nicht angekündigt. Und die Software selbst erfordert einen kostenpflichtigen Perplexity-Plan: Pro, Max, Enterprise Pro oder Enterprise Max. Dies ist ein Produkt aus Abonnement plus Hardware, das sich an Personen richtet, die bereits für Perplexity zahlen, nicht an eine allgemeine API.

Wo der Router hineinpasst

PPLX 27B ist nichts, was OrcaRouter routet — es läuft auf Hardware, die Ihnen gehört, hinter einem Perplexity-Abonnement, und wir geben nicht vor, dass es anders wäre. Was wir sehr wohl routen, ist das Vergleichsset, zu dem dieser Launch einlädt. Qwen 3.8 27B, die exakten Basisgewichte, von denen PPLX 27B nachtrainiert wird, ist live auf OrcaRouter Self-Hosted; ebenso DeepSeek V4 Flash, Gemini 3.5 Flash Lite und GPT-5.6 Luna — alle hinter einem API-Schlüssel zum Listenpreis des Anbieters, ohne Aufschlag durchgereicht, sodass eine Preissenkung des Anbieters bei uns am selben Tag live geht, an dem sie angekündigt wird.

Das ist hier aus einem bestimmten Grund von Bedeutung. Das Verkaufsargument von Portable Computer ist der Kostenvergleich zwischen lokal und Cloud, und die Cloud-Seite dieses Vergleichs ist nur so ehrlich wie die Preise, mit denen Sie vergleichen. Bei OrcaRouter sind das die tatsächlichen Listenpreise des Anbieters, was die Entscheidung zwischen lokal und Cloud zu einer Berechnung macht, der Sie vertrauen können, statt zu einem Marketingvergleich. Und wenn Sie denselben Agenten auf beide Arten prototypisieren möchten — lokale Testumgebung auf einem Rechner, Cloud-Modelle hinter einem Endpunkt — sorgt automatisches Failover dafür, dass die Cloud-Seite einspringt, wenn das lokale Modell an seine Grenzen stößt, ohne einen zweiten Vertrag oder einen zweiten Codepfad.

Was zu sehen

Drei Dinge entscheiden im Laufe des nächsten Monats, ob dies ein Nischenprodukt oder der Beginn einer Kategorie ist. Ob Perplexity die Local Knowledge Work Bench tatsächlich als Open Source veröffentlicht, was die in den Schlagzeilen genannten Zahlen von bloßen Behauptungen in etwas verwandeln würde, das die Community reproduzieren kann. Ob Nemotron 3.5 Lightning erscheint und PPLX 27B auf derselben Testumgebung schlägt – die These „Post-Training für die Testumgebung“ ist nur so gut wie das darunterliegende Basismodell. Und ob die Windows-Unterstützung im September die Reichweite über DGX-Spark-Besitzer hinaus erweitert. Wenn der Benchmark real ist und die Testumgebung übertragbar ist, hört „Den Agenten auf der eigenen GPU ausführen“ auf, ein Hobby-Ansatz zu sein, und wird zu einer Deployment-Option mit echtem Biss – und die Cloud-Modelle, mit denen es verglichen wird, werden sich ihre Preise pro Token erst verdienen müssen.