Perplexity запустив функцію Hybrid Compute у своєму застосунку для Mac — вона автоматично розподіляє AI-задачі між хмарними флагманськими моделями на кшталт Claude Opus 5 від Anthropic та локальною LLM, яка виконується просто на пристрої користувача. Функція вже доступна всім користувачам Mac-застосунку Perplexity, без окремої підписки чи списку очікування.

За даними Techmeme, суть у тому, що система сама вирішує, куди відправити конкретний запит: частину задач бере на себе локальна модель на самому Mac, а складніші чи довші запити йдуть у хмару до Opus 5. Для користувача це виглядає як звичайний чат-інтерфейс, але під капотом зʼявився маршрутизатор задач між двома рівнями обчислень.

Це рідкісний випадок, коли гібридну схему «хмара плюс локальна модель» вбудовують не в експериментальну бета-функцію, а одразу в основний застосунок для мільйонів користувачів.

Що саме змінилося в Mac-застосунку Perplexity?

Раніше кожен запит у Perplexity йшов у хмару — до одного з підключених флагманів залежно від обраної моделі. Тепер частина обробки може відбуватися прямо на Mac, без відправки даних на сервер щоразу. За даними Techmeme, Hybrid Compute доступна одразу всім користувачам Mac-застосунку, а не обмеженому колу тестувальників.

Практично застосунок тримає локальну модель на пристрої і використовує її для частини запитів, а важчі задачі, що вимагають глибшого розмірковування чи ширшого контексту, передає в хмару до Opus 5.

Як Hybrid Compute вирішує, куди відправити запит?

Точний алгоритм маршрутизації Perplexity не розкриває, але сама логіка гібридних систем у галузі зазвичай спирається на кілька критеріїв:

• складність запиту — короткі уточнення й прості формулювання йдуть на локальну модель, багатокрокові розмірковування — у хмару;
• чутливість даних — якщо запит містить персональну чи конфіденційну інформацію, локальна обробка знижує ризик її передачі назовні;
• швидкість відповіді — локальна модель відповідає без мережевої затримки, що критично для інтерактивних агентних сценаріїв.

Ймовірно, за нашою оцінкою, Perplexity використовує саме комбінацію цих факторів, оскільки це стандартна практика для гібридних AI-систем, хоча деталей власного роутера компанія не публікувала.

Кому це реально дає перевагу вже зараз?

Найбільше виграють користувачі, які працюють з чутливими даними — юридичними, медичними чи корпоративними запитами, де частину обробки хочеться тримати локально. Другий сегмент — ті, хто активно використовує Perplexity як агента для повторюваних дій: локальна модель тут прибирає мережеву затримку на прості кроки, а Opus 5 підключається лише там, де потрібна глибша аналітика. Як ми вже писали, розбираючи будування AI-агентів за дні на прикладі CBTS Forge Agents, швидкість відгуку на кожному кроці — один із головних факторів, чи агент відчувається як робочий інструмент, чи як черга запитів до сервера.

Висновок AiiN: гібрид стає архітектурою за замовчуванням, а не опцією

Наша теза: Hybrid Compute від Perplexity — це не косметична фіча, а сигнал, що розподіл «хмара плюс локальна модель» перестає бути нішевим рішенням для ентузіастів і стає стандартною архітектурою споживчих AI-застосунків. Коли компанія вмикає таку логіку одразу для всіх користувачів Mac-застосунку, а не ховає за фіче-флагом, це означає, що локальні LLM на споживчому залізі вже достатньо якісні, щоб брати на себе частину реального навантаження, а не лишатися демонстрацією можливостей. Для AI-білдерів це практичний сигнал: якщо ви проектуєте власного агента чи асистента, варто вже зараз закладати в архітектуру можливість локального інференсу для частини задач, а не проектувати систему в розрахунку виключно на постійне зʼєднання з хмарним API.

Чи означає це, що Claude Opus 5 більше не потрібен для роботи Perplexity?

Ні. Hybrid Compute не замінює хмарну модель, а розвантажує її: Opus 5 і надалі обробляє складні запити, а локальна модель бере на себе лише частину простіших задач. Флагманська хмарна модель лишається основним «мозком» для складної аналітики.

Чи потрібен потужний Mac, щоб скористатися Hybrid Compute?

Perplexity не публікував системних вимог для функції, тож конкретні мінімальні характеристики Mac наразі невідомі. Оскільки локальна частина роботи виконується на пристрої, логічно очікувати, що продуктивність локальної моделі залежатиме від чипа й обсягу памʼяті конкретного Mac, але офіційних цифр компанія поки не наводила.