PPLX 27B lanseras i Perplexitys portabla dator: En lokal agent som slår de öppna selarna

Perplexitys PPLX 27B är inte en molnmodell, och det är hela historien. Tillkännagavs den 25 augusti 2026, tillsammans med Portable Computer — företagets lokal-först-agent, byggd med NVIDIA — är PPLX 27B en posttränad version av Alibabas Qwen 3.8 27B med öppna vikter, finjusterad av Perplexity för sin egen agentmiljö och levererad för att köras helt på hårdvara du äger. På Perplexitys 53-uppgifts Local Knowledge Work Bench fick agentmiljön som kör PPLX 27B 85.4 %, före samma miljö på Qwen 3.8 27B (82.6 %) och två agentmiljöer med öppen källkod, Pi (77.6 %) och Hermes (74.0 %). De är leverantörens egna siffror från lanseringsinlägget och den åtföljande forskningsartikeln, "A Local-First Agent for Private and Cost-Effective Knowledge Work," inte oberoende reproducerade – men de är de första offentliga bevisen på att en 27B-modell på en skrivbordsdator kan utföra riktigt kunskapsarbete till en bråkdel av molnets pris.

Vad som faktiskt levererades

Portable Computer är den lokala versionen av Perplexitys "Computer"-agentplattform. Medan den tidigare Computer-produkten körde sin orkestrator i molnet, paketerar Portable Computer hela stacken i ett system som körs på din maskin: agentramverket, orkestratorn, planeraren, verktygsroutern, schemaläggaren, en varaktig uppgiftskö, ett lokalt sökindex, inferensmotorn och appkopplingarna för Google Drive, Gmail, Slack, GitHub och Outlook.

Två egenskaper skiljer den från en lokal gör-det-själv-installation. För det första sker kod- och verktygsexekvering i en sandlåda som upprätthålls av operativsystemet, och om sandlådan inte är tillgänglig är verktygsexekvering inaktiverad istället för att köras oskyddad. För det andra är den lokal-först av design: varje uppgift börjar på enheten, och om ett steg behöver live-data från webben eller avancerad resonemangsförmåga, stannar orkestreraren och ber om tillåtelse innan det enskilda steget eskaleras till en av 15+ molnmodeller. En PII-klassificerare körs över det utgående sammanhanget först och visar dig exakt vad som skulle lämna maskinen.

De två 27B-modellerna

Vid lanseringen väljer du mellan två modeller med 27 miljarder parametrar. {{1}}Qwen 3.8 27B är Alibabas Apache-2.0-modell med öppna vikter — en tät, multimodal 27B med ett inbyggt fönster på 262K-tokens, släppt två veckor tidigare och redan ett starkt alternativ för egen drift.{{/1}} {{2}}PPLX 27B är samma bas vidaretränad av Perplexity: inte en ny arkitektur, utan ytterligare träning finjusterad specifikt för denna testmiljö, där företaget hävdar mer exakt och effektivare beteende för sina egna agentarbeten.{{/2}} {{3}}NVIDIAs Nemotron 3.5 Lightning (30B) är listad som kommer snart, och både egen modell och egen inferensserver stöds, så testmiljön är inte bunden till Perplexitys vikter.{{/3}}

Riktmärket, och vad det inte är

Den framträdande siffran kommer från Local Knowledge Work Bench med 53 uppgifter, en svit som täcker den typ av arbete som en kunskapsarbetare faktiskt skulle delegera — djup forskning, finansiell analys och dokumentskapande. Perplexity säger att man planerar att göra benchmarken till öppen källkod, vilket så småningom kommer att göra jämförelsen repeterbar snarare än att tas på tro. Tills dess är dessa resultat leverantörsdrivna. På den sviten, enligt leverantören:

• Bärbar dator med PPLX 27B — 85.4%

• Bärbar dator med Qwen 3.8 27B — 82.6%

• Pi (harness med öppen källkod) — 77,6%

• Hermes (harness med öppen källkod) — 74.0%

Två ytterligare leverantörsrapporterade resultat kompletterar bilden. På BrowseComp, sviten för webbforskning, fick Computer 66,7 % jämfört med 50,2 % för Pi och 43,9 % för Hermes, samtidigt som den använde 51 % mindre väggtid och 70 % färre token än Pi. På ParseBench-100, ett test för dokumentextraktion, fick den 65,1 % jämfört med 34,6 % för Hermes och 13,9 % för Pi. De största skillnaderna återfinns i uppgifter som belönar en harness' egen infrastruktur – sökning, routing, verktygsanvändning – vilket är där en posttränad modell tillsammans med en specialbyggd infrastrukturstack gör sig förtjänt av sin existens.

Ekonominvändningen

Den mer intressanta siffran är priset. Arbete som utförs lokalt har noll kostnad per token och förbrukar inga Perplexity-krediter — räknaren står på noll för en helt lokal uppgift. Eskalering är det enda som kostar pengar, och den är frivillig per steg. Perplexity publicerade hybridmatematiken på Terminal Bench 2.1: helt lokalt uppnåddes 59,6 % till ungefär noll kostnad; att lägga till en frontier-modell som rådgivare höjde det till 73,0 % för cirka $0,415 per rollout; frontier-modellen ensam nådde 82,4 % för cirka $0,65 per rollout. Den sista kontrasten är tesen — lokal inferens plattar ut kostnadskurvan för ständigt aktiva agenter, och molneskalering blir en precisionskostnad som betalar för sig själv.

Inget av detta är gratis att komma igång med. Lådan spelar roll. Portable Computer lanseras Linux-först på NVIDIA DGX Spark, skrivbordssuperdatorn med 128 GB enhetligt minne (listpris cirka 4 500 USD), eller på Linux-datorer med RTX GPU:er på minst 24 GB VRAM — ungefär en RTX 3090 eller nyare — med 32 GB rekommenderat. Windows-stöd är planerat till september; macOS har inte tillkännagivits. Och själva programvaran kräver en betald Perplexity-plan: Pro, Max, Enterprise Pro eller Enterprise Max. Detta är en produkt som kombinerar prenumeration och hårdvara, riktad till personer som redan betalar för Perplexity, inte ett allmänt API.

Var routern passar

PPLX 27B är inte något som OrcaRouter route:ar — den körs på hårdvara du äger, bakom en Perplexity-prenumeration, och vi låtsas inte annat. Vad vi route:ar är det jämförelseset som denna lansering inbjuder till. Qwen 3.8 27B, de exakta basvikterna från vilka PPLX 27B post-tränas, är live på OrcaRouter self-hosted; likaså DeepSeek V4 Flash, Gemini 3.5 Flash Lite och GPT-5.6 Luna — allt bakom en API-nyckel till leverantörens listpris, vidarebefordrat utan påslag, så en prissänkning från leverantören är live hos oss samma dag som den tillkännages.

Det har betydelse här av en specifik anledning. Portable Computers argument är kostnadskontrasten mellan lokalt och moln, och molndelen av den kontrasten är bara så ärlig som de priser du jämför med. På OrcaRouter är det leverantörens faktiska listpriser, vilket gör beslutet mellan lokalt och moln till en beräkning du kan lita på snarare än en marknadsföringsjämförelse. Och om du vill prototypa samma agent på båda sätten — lokal testmiljö på en dator, molnmodeller bakom en enda endpoint — låter automatisk failover molnsidan kliva in när den lokala modellen inte räcker till, utan ett andra avtal eller en andra kodväg.

Vad du ska titta på

Tre saker under den kommande månaden avgör om detta är en nischprodukt eller början på en kategori. Huruvida Perplexity faktiskt släpper Local Knowledge Work Bench som öppen källkod, vilket skulle omvandla rubriksiffrorna från påståenden till något som communityn kan reproducera. Huruvida Nemotron 3.5 Lightning levereras och slår PPLX 27B på samma harness — tesens "post-train for the harness" är bara så bra som basmodellen under den. Och huruvida Windows-stöd i september breddar räckvidden bortom DGX Spark-ägare. Om benchmarken är verklig och harnesset överförs, upphör "run the agent on your own GPU" att vara ett hobbyistmönster och blir ett distributionsalternativ med verklig kraft — och de molnmodeller som den jämförs med kommer att behöva förtjäna sina per-token-priser.