PPLX 27B 於 Perplexity 的可攜式電腦中推出：一款超越 Open Harnesses 的本地代理

Perplexity的PPLX 27B不是雲端模型，這就是全部的故事。2026年8月25日發布，與可攜式電腦（Portable Computer）——該公司與NVIDIA共同打造的本地優先代理——一同亮相，PPLX 27B是阿里巴巴開源權重Qwen 3.8 27B的後訓練版本，由Perplexity針對其自身的代理框架進行調校，並設計為完全在你擁有的硬體上運行。在Perplexity的53項任務本地知識工作基準（Local Knowledge Work Bench）中，運行PPLX 27B的框架得分為85.4%，領先於同一框架運行Qwen 3.8 27B（82.6%）以及兩個開源代理框架Pi（77.6%）和Hermes（74.0%）。這些是廠商在發布文章和配套研究論文〈A Local-First Agent for Private and Cost-Effective Knowledge Work〉中自行發布的數據，未經獨立複現——但這是首個公開證據，表明桌上型電腦上的27B模型能夠以雲端的一小部分成本承擔真正的知識工作。

實際發佈的內容

Portable Computer 是 Perplexity「Computer」代理平台的裝置端版本。早期的 Computer 產品在雲端執行其編排器，而 Portable Computer 則將整套技術堆疊打包成一個在使用者機器上執行的系統：代理程式框架、編排器、規劃器、工具路由器、排程器、持久化任務佇列、本地搜尋索引、推論引擎，以及 Google Drive、Gmail、Slack、GitHub 和 Outlook 的應用程式連接器。

有兩個特性讓它有別於自行架設的本地環境。第一，程式碼與工具的執行都發生在作業系統強制的沙盒內；若沙盒不可用，工具執行便會停用，而不是在缺乏保護下運行。第二，它在設計上以本地優先：每項任務都從裝置端開始；若某個步驟需要即時網路資料或前沿推理，協調器會先暫停並徵求許可，才將該單一步驟升級至 15 個以上的雲端模型之一。PII 分類器會先對外送上下文進行掃描，並確切顯示哪些資料會離開裝置。

這兩個27B模型

在推出時，你可以在兩個擁有270億參數的模型之間選擇。Qwen 3.8 27B 是阿里巴巴的 Apache-2.0 開放權重模型——一個密集、多模態的27B模型，原生上下文視窗為262K token，早在兩週前就已發佈，如今已是強大的自架設選項。PPLX 27B 是同一基礎模型經 Perplexity 後續訓練的版本：並非新架構，而是針對此框架特別調整的額外訓練，該公司聲稱在其自身的代理工作負載上，行為更精準且更有效率。NVIDIA 的 Nemotron 3.5 Lightning（30B）被列為即將推出，同時也支援自備模型與推論伺服器，因此此框架並非綁定於 Perplexity 的權重。

基準測試，以及它不是什麼

頭條數字來自53項任務的Local Knowledge Work Bench，這是一套涵蓋知識工作者實際會委派的各種工作——深度研究、財務分析、文件建立。Perplexity表示計畫將該基準開源，這最終將使比較可重複，而非僅憑信任。在此之前，這些結果由供應商執行。在該套件上，根據供應商說法：

• 搭載 PPLX 27B 的可攜式電腦 — 85.4%

• 搭載 Qwen 3.8 27B 的可攜式電腦 — 82.6%

• Pi（開源工具）— 77.6%

• Hermes（開源測試框架）— 74.0%

還有兩項供應商回報的結果補全了整體情況。在網頁研究套件 BrowseComp 上，Computer 獲得 66.7%，Pi 為 50.2%，Hermes 為 43.9%，且所用牆鐘時間比 Pi 少 51%，Token 數少 70%。在文件萃取測試 ParseBench-100 上，Computer 得分 65.1%，Hermes 為 34.6%，Pi 為 13.9%。最大差距出現在那些獎勵 harness 自身基礎設施的任務上——搜尋、路由、工具使用——這正是經過後續訓練的模型加上專用管道堆疊發揮價值的地方。

經濟學的翻轉

更有意思的數字是價格。在地完成的工作，每個 token 的成本為零，也不消耗 Perplexity 額度——完全在地的任務，計數器就是零。只有升級（escalation）是唯一會花錢的地方，而且是每一步可選擇加入的。Perplexity 在 Terminal Bench 2.1 上公布了混合運算的數據：完全在地的得分是 59.6%，成本大約為零；加入一個前沿模型擔任顧問後，提升到 73.0%，每次 rollout 約 $0.415；僅用前沿模型則達到 82.4%，每次 rollout 約 $0.65。最後這個對比正是核心論點——在地推論讓常駐 agent 的成本曲線平坦化，而雲端升級變成了一種精準的花費，在能回本的地方才花。

以上這些全都不是免費的。硬體本身很重要。Portable Computer 率先在 NVIDIA DGX Spark 上推出 Linux 版本——這款桌上型超級電腦配備 128GB 統一記憶體（建議售價約 4,500 美元）——也可在配備至少 24GB VRAM 的 RTX GPU 之 Linux 個人電腦上執行（約為 RTX 3090 或更新機型），建議 32GB。Windows 支援預計於 9 月推出；macOS 尚未公佈。而軟體本身需要付費的 Perplexity 方案：Pro、Max、Enterprise Pro 或 Enterprise Max。這是一款訂閱加硬體的產品，目標對象是已經付費使用 Perplexity 的使用者，而非通用的 API。

路由器的放置位置

PPLX 27B 不是 OrcaRouter 會路由的模型——它跑在你自有的硬體上，背後是 Perplexity 訂閱，我們不會假裝不是這樣。我們實際路由的是這次發布所帶來的對比組合。Qwen 3.8 27B，也就是 PPLX 27B 後續訓練所用的原始基礎權重，已上線於 OrcaRouter 自架版本；DeepSeek V4 Flash、Gemini 3.5 Flash Lite 與 GPT-5.6 Luna 也一樣——全部只需一個 API 金鑰，以供應商列表價格供應，零加成轉傳，所以廠商宣布降價的當天，我們這邊也會同步生效。

這在當前情境下之所以重要，有其特定原因。Portable Computer 的賣點在於本地與雲端的成本對比，而這個對比在雲端那一半的可靠程度，取決於你拿來比較的價格是否誠實。在 OrcaRouter 上，那些價格就是供應商的實際牌價，因此本地或雲端的抉擇就變成一個你可以信賴的計算，而不是行銷式的比較。此外，如果你想以兩種方式為同一個代理建立原型——在一臺機器上使用本地執行框架，在一個端點背後使用雲端模型——自動容錯移轉能在本地模型力有未逮時讓雲端一方代為接手，既不需要第二份合約，也不需要第二條程式碼路徑。

看什麼

{{1}}未來一個月內要發生的三件事，將決定這款產品只是個小眾利基，還是某個全新類別的起點。{{/1}} {{2}}Perplexity 是否真的會把 Local Knowledge Work Bench 開源——若真如此，新聞標題上的那些數字就會從「宣稱」變成社群可以實際重現的成果。{{/2}} {{3}}Nemotron 3.5 Lightning 是否會如期推出，並在同一個評測框架上擊敗 PPLX 27B——「為了評測框架而後訓練」這套論點，再好也只等同於它底下那層基礎模型。{{/3}} {{4}}還有 Windows 支援能否在九月如期上線，讓這項產品跨出 DGX Spark 使用者的圈子。{{/4}} 如果這項基準測試是真的，而且評測框架的成效可以轉移，「在你自己的 GPU 上跑 agent」就不再只是業餘愛好者的實驗玩法，而會成為一個真正有實力的部署選項——屆時，所有拿來與它比較的雲端模型，都得證明自己值那個 per-token 的定價。