Perplexity Computer en Mac añade IA totalmente local, con acceso a la nube opcional

Según la compañía, Perplexity Computer en Mac ahora ofrece funcionamiento totalmente local, trasladando el modelo y el agente al ordenador en lugar de requerir razonamiento en la nube. El anuncio cambia dónde puede realizarse el trabajo sensible. También introduce una distinción que los usuarios deben comprender: acceder a archivos locales y procesarlos localmente son capacidades separadas.

Perplexity afirma que el nuevo modo mantiene la planificación de tareas, el razonamiento y el procesamiento de archivos en Macs compatibles con Apple silicon. La asistencia en la nube sigue disponible con autorización del usuario. Eso hace que la elección central sea más específica que “escritorio frente a web”. Los usuarios pueden decidir si una tarea permanece en su máquina o recurre a servicios remotos.

Apple ofrece un punto de referencia útil, al haber desarrollado modelos separados en el dispositivo y en servidores para Apple Intelligence. Perplexity incorpora esa elección de ubicación a un agente de escritorio, un software que planifica acciones y utiliza herramientas. La pregunta inmediata es qué flujos de trabajo cotidianos pueden completarse localmente sin sacrificar la precisión, el acceso a aplicaciones o la supervisión que requieren los usuarios.

Qué cambia realmente con Perplexity Computer en Mac

El anuncio traslada la parte de toma de decisiones de un agente al Mac, y va más allá del acceso a los archivos almacenados allí.

En su anuncio de funcionamiento totalmente local, Perplexity afirma que el modelo, el entorno de ejecución del agente y la ejecución de tareas pueden operar en el dispositivo. Nombra Qwen 3.6 y PPLX Pro como opciones de modelos locales. La compañía recomienda al menos 36 GB de memoria en hardware compatible con Apple silicon.

Esa recomendación merece atención porque una aplicación de escritorio y un sistema de IA local tienen exigencias de hardware diferentes. Instalar una interfaz no demuestra que todos los Mac puedan ejecutar cómodamente su modelo subyacente. Los compradores deberían distinguir la compatibilidad general de la aplicación de los requisitos de su modo totalmente local.

Perplexity también mantiene Hybrid Compute, que combina el razonamiento en la nube con el manejo local de material privado. En cambio, la opción totalmente local inicia la planificación de tareas en el Mac. Según la compañía, los usuarios pueden autorizar una escalada para obtener información en línea, acceder a aplicaciones conectadas o disponer de razonamiento adicional.

El cambio práctico se refiere a quién controla esa escalada. Una tarea que comienza localmente debería tener un límite claramente comprensible antes de que la información llegue a otro servicio. Que la interfaz haga evidente ese límite importará tanto como la pantalla de selección de modelos.

Consideremos una revisión hipotética de un proyecto que involucre notas descargadas, un libro de presupuesto y una actualización sin terminar. El resultado útil sería un borrador preciso vinculado a esos materiales. Un agente local tendría que inspeccionar las entradas, reconciliar inconsistencias y guardar un resultado revisable sin razonamiento remoto.

Ese ejemplo ilustra la capacidad que se promete, no un resultado observado de forma independiente. También muestra por qué la respuesta de un chatbot por sí sola sería evidencia insuficiente. Completar el flujo de trabajo requiere lectura fiable, planificación sensata, ediciones correctas y un registro claro de lo que cambió.

Por tanto, el anuncio plantea una cuestión de evaluación más amplia. ¿Puede un sistema local completar trabajo útil en las aplicaciones que las personas ya utilizan? Un modelo que responde correctamente a un prompt solo ha superado parte de ese desafío.

Para los lectores que encuentran descripciones de “sin Wi-Fi”, la precisión es sencilla. El razonamiento sin conexión puede respaldar tareas cuyos datos de entrada y herramientas ya estén disponibles localmente. No puede recuperar una página web recién publicada ni enviar un correo electrónico a través de una red desconectada.

La instalación inicial y las descargas de modelos son otra cuestión independiente. Un sistema puede requerir conectividad durante la configuración y aun así realizar tareas posteriores sin conexión. Las pruebas deberían identificar la etapa que se mide, en lugar de tratar la instalación, la ejecución y la entrega como un único proceso indiferenciado.

El acceso a archivos locales ya estaba disponible

La nueva afirmación se refiere a dónde ocurre el razonamiento, mientras que las versiones anteriores para Mac ya ofrecían acceso local a aplicaciones y archivos.

El lanzamiento del agente de escritorio de Perplexity documentó la edición local, el uso del ordenador, la navegación con Comet y la orquestación por voz en abril. Entre sus ejemplos estaban organizar carpetas, redactar correos electrónicos y trabajar con Notes y Calendar. Esas capacidades demuestran que la integración con Mac es anterior a este anuncio.

Este historial importa porque “se ejecuta en tu Mac” puede describir varios esquemas. Una aplicación puede ejecutar clics localmente mientras un modelo remoto decide esos clics. Puede leer un documento del almacenamiento local mientras envía su contenido a otro lugar para analizarlo.

Ninguno de esos esquemas se vuelve totalmente local solo porque la interfaz se encuentre en la barra de menús. La distinción relevante es si el razonamiento de la tarea depende de un servicio remoto. Esa diferencia determina qué debe establecer una prueba sin conexión.

Para los trabajadores del conocimiento, esto separa la comodidad del control sobre la ubicación del procesamiento. El acceso cómodo reduce la copia entre aplicaciones. El razonamiento local aborda otra preocupación: si el material debe salir del ordenador para producir una respuesta o acción.

La presión recae primero sobre los proveedores de agentes de escritorio cuyos mensajes dejan poco claros esos esquemas. Una vez que los usuarios pueden seleccionar una ubicación de ejecución, los productos competidores deben explicar sus propios valores predeterminados. Un lenguaje amplio sobre privacidad resulta menos informativo que una descripción concreta de qué se desplaza y adónde.

Los compradores empresariales afrontan un problema de documentación relacionado. Un equipo que evalúa un asistente necesita comprender por separado el acceso a archivos, la ubicación del procesamiento, las conexiones externas y el manejo de resultados. Una sola etiqueta de “local” no puede responder a todas esas preguntas.

Esto no demuestra que las organizaciones deban sustituir sus sistemas actuales. Cambia las preguntas que pueden plantear durante la evaluación. Un proveedor que afirma operar localmente debería poder describir las condiciones en las que se sostiene esa afirmación.

Los desarrolladores afrontan presión en el límite de las aplicaciones. Si un agente puede razonar localmente pero no puede inspeccionar ni actualizar de forma fiable un documento útil, el flujo de trabajo sigue bloqueado. La integración de aplicaciones y la capacidad del modelo deben desarrollarse conjuntamente.

Una distinción relacionada aparece en la gestión personal del conocimiento: recopilar información no la vuelve automáticamente útil más adelante. Un agente necesita material relevante y accesible antes de poder actuar ante una solicitud. La ubicación del procesamiento añade otro requisito a ese problema de información ya existente.

Por tanto, el momento del anuncio se entiende mejor como parte de la progresión del producto. Perplexity ya conectaba Computer con el escritorio. Su siguiente afirmación sitúa allí también el proceso de razonamiento, permitiendo a los usuarios evaluar la ejecución local como un flujo de trabajo completo.

La elección entre control local y alcance de la nube

El funcionamiento local cambia la ubicación predeterminada del trabajo, mientras que el acceso a la nube sigue siendo útil para tareas que requieren información más allá de la máquina.

Una tarea local tiene un límite de información identificable. Puede trabajar con documentos, mensajes y otro material ya accesible en el ordenador. Sus respuestas siguen limitadas por esas entradas, independientemente de cuán capaz llegue a ser su razonamiento.

El trabajo conectado a la nube tiene una ventaja distinta. Puede incorporar información actual y acceder a servicios que no están disponibles sin conexión. La contrapartida implica cómo se maneja la información al cruzar ese límite, además de la calidad y velocidad del trabajo resultante.

Un analista hipotético que revisa un informe descargado ilustra la diferencia. Resumir el informe y comparar sus secciones internas puede seguir siendo una tarea cerrada. Comprobar si sus supuestos todavía coinciden con los acontecimientos actuales introduce una necesidad de información externa.

La misma distinción se aplica a la comunicación. Preparar una respuesta a partir de correspondencia disponible localmente es distinto de enviar esa respuesta. Una interfaz útil debería hacer visible la transición, especialmente cuando el mensaje contiene material de documentos privados.

Por eso, la interpretación más sólida de la IA local evita tratar la conectividad como un fallo automático. La pregunta relevante es si el acceso externo es necesario, comprendido y autorizado. Un punto de partida local puede coexistir con pasos deliberados en línea.

Apple ofrece una comparación concreta dentro de la industria. Su investigación sobre modelos fundacionales describe modelos separados en el dispositivo y en servidores, incluido un modelo local de aproximadamente tres mil millones de parámetros. Ese trabajo establece un precedente para diseñar modelos distintos en torno a diferentes entornos de ejecución.

El enfoque de Apple también ofrece una advertencia contra las comparaciones simplistas. Un modelo diseñado para funciones en el dispositivo y un agente de escritorio que coordina aplicaciones afrontan exigencias de evaluación diferentes. Su interés compartido por el procesamiento local no demuestra capacidades equivalentes.

La propuesta competitiva de Perplexity se centra en completar tareas en el entorno de trabajo de un usuario. La investigación publicada por Apple aporta contexto sobre la elección subyacente de ubicación. Ninguna de las dos fuentes, por sí sola, demuestra qué sistema completa con mayor precisión un flujo de trabajo concreto de oficina.

Por tanto, la competencia más clara se da entre enfoques de ejecución: razonamiento local con entradas delimitadas y trabajo asistido por la nube con un alcance más amplio. Los productos individuales pueden ofrecer ambos. La comparación significativa se refiere a qué tan bien sirve cada enfoque a una tarea específica.

Para una organización, eso sugiere evaluar por separado distintas clases de trabajo. Revisar material descargado, redactar texto interno y organizar una carpeta de proyecto tienen requisitos diferentes de los de supervisar acontecimientos actuales. Una única puntuación global del agente ocultaría esas diferencias.

La IA local también cambia el papel de la propiedad del hardware. El procesamiento se traslada a un recurso que controla el usuario, pero ese recurso tiene memoria finita y cargas de trabajo concurrentes. Toda evaluación debería considerar las responsabilidades habituales del ordenador junto con las del agente.

La asistencia en la nube puede seguir siendo la elección adecuada cuando produce un resultado más útil en condiciones aceptables. La ejecución totalmente local se gana su lugar cuando completa el trabajo dentro del límite previsto por el usuario. El valor está en hacer esa elección práctica y explícita.

Los permisos siguen determinando lo que puede hacer el agente

Mantener el razonamiento en el dispositivo aborda la ubicación del procesamiento, pero el agente aún necesita autoridad cuidadosamente delimitada para actuar.

La guía de permisos para Mac de Perplexity describe el acceso de Accesibilidad para hacer clic y escribir, el acceso de grabación de pantalla para observar la interfaz y el acceso al disco para los archivos. También describe la conexión de carpetas y la aprobación de acciones sensibles. Son permisos significativos, incluso cuando el procesamiento permanece local.

Cada permiso expone una parte distinta del entorno de trabajo. Un agente que puede ver una aplicación tiene capacidades diferentes de uno que puede editar su contenido. La evaluación debe tener en cuenta tanto la visibilidad como la acción.

La distinción cobra especial importancia cuando una tarea abarca varias aplicaciones. Una solicitud para preparar una actualización de proyecto puede implicar notas privadas, una hoja de cálculo y un borrador de comunicación. El permiso para leer esas fuentes no debería convertirse en una instrucción ambigua para publicar el resultado.

Un modelo local aún puede malinterpretar una solicitud. Puede seleccionar un documento desactualizado, confundir archivos con nombres similares o producir un cálculo incorrecto. Llevar ese modelo al ordenador no elimina la necesidad de revisar los resultados con consecuencias.

La cuestión de seguridad también va más allá de las instrucciones intencionadas. La inyección de prompts ocurre cuando el contenido encontrado durante una tarea intenta redirigir el comportamiento del agente. El material almacenado localmente puede contener ese tipo de contenido, por lo que operar sin conexión no elimina esa categoría de riesgo.

Esta es una evaluación general de riesgos, no una conclusión de que esta versión presente una vulnerabilidad concreta. La implicación práctica es que la ubicación y la autoridad requieren un análisis independiente. Un entorno de ejecución privado sigue beneficiándose de límites claros sobre lo que el agente puede modificar.

Por ejemplo, una hipotética tarea de limpieza de carpetas debería diferenciar entre agrupar archivos y eliminarlos. Una tarea de redacción debería distinguir entre guardar un documento y enviarlo. Esos límites facilitan la revisión de los resultados y la contención de los errores.

Los compradores también deberían examinar cómo el producto explica su actividad. Un documento terminado por sí solo puede ocultar qué datos influyeron en el resultado. Una explicación comprensible del trabajo ayuda a los usuarios a identificar fuentes faltantes, supuestos incorrectos y ediciones no intencionadas.

Aquí existe una tensión de usabilidad. Las solicitudes de aprobación frecuentes pueden interrumpir una automatización útil, mientras que los permisos permanentes amplios pueden ocultar acciones relevantes. El producto debe situar los puntos de revisión donde ayuden a los usuarios a tomar decisiones informadas.

Esto ofrece a los revisores independientes una tarea concreta. Deben examinar si el modelo de permisos se ajusta a la tarea y si el sistema se detiene en el límite esperado. Una demostración de un resultado exitoso no puede responder por sí sola a esas preguntas.

Para los trabajadores del conocimiento, la lección es práctica. El procesamiento privado es valioso cuando se combina con una ejecución fiable y un control comprensible. El producto más útil hará visibles todas esas propiedades durante el trabajo habitual.

Las afirmaciones sobre hardware necesitan pruebas de flujo de trabajo

Que un modelo se ejecute localmente no demuestra que un agente de escritorio complete tareas reales de forma fiable o eficiente.

Perplexity ha publicado trabajo técnico que hace que su esfuerzo de inferencia local sea más examinable. La inferencia consiste en ejecutar un modelo entrenado para generar resultados. Su servidor público de inferencia local, Lily, está dirigido a un checkpoint específico de Qwen en hardware Apple compatible.

El repositorio documenta una implementación acotada con requisitos y limitaciones explícitos. Es una evidencia de ingeniería útil porque identifica qué acepta el software y cómo funciona. No debería considerarse una especificación completa de la aplicación de Mac para consumidores.

Un agente de escritorio contiene más que un servidor de inferencia. Debe interpretar solicitudes, seleccionar herramientas, gestionar el estado de las aplicaciones y recuperarse cuando las acciones fallan. El rendimiento de un componente no predice automáticamente la experiencia a lo largo de toda esa cadena.

Esto convierte la finalización de tareas en una medida principal mejor que la velocidad del texto generado. Una respuesta rápida seguida de ediciones incorrectas desperdicia tiempo. Una ejecución más lenta que produce un resultado preciso y revisable puede ser más útil.

Los revisores deberían definir el éxito antes de iniciar una prueba. Una tarea documental podría exigir conservar los hechos mencionados y guardar en la ubicación correcta. Una tarea de hoja de cálculo podría exigir fórmulas correctas y ningún cambio no intencionado fuera del rango solicitado.

Esos criterios deberían mantenerse al comparar la ejecución local y la asistida por la nube. De otro modo, la comparación corre el riesgo de premiar el modo que recibió la asignación más sencilla. Las mismas entradas y resultados esperados hacen que el resultado sea interpretable.

La información sobre hardware requiere una disciplina similar. Una reseña útil identifica el equipo, la memoria disponible, la elección del modelo y las demás aplicaciones en ejecución durante la tarea. Sin ese contexto, los lectores no pueden saber si la experiencia se aplica a su propia configuración.

El comportamiento en portátiles merece atención junto con las demostraciones de escritorio. Los lectores necesitan saber si el trabajo habitual sigue respondiendo mientras opera el agente. Las tareas sostenidas deberían evaluarse como sesiones de trabajo, en lugar de como momentos aislados de generación exitosa.

Las pruebas sin conexión también necesitan un alcance definido. Desconectarse después de la configuración puede comprobar si una tarea local requiere razonamiento remoto. No demuestra que todas las funciones del producto funcionen sin conexión ni que se haya caracterizado toda la actividad en segundo plano.

La observación de red puede aportar evidencia adicional sobre las conexiones intentadas durante una tarea. Interpretar esa evidencia requiere cautela porque las comprobaciones de cuenta, las actualizaciones y el procesamiento de tareas cumplen funciones distintas. Los revisores deberían describir lo que observaron sin atribuir explicaciones sin respaldo.

Las afirmaciones de privacidad exigen la misma prudencia. El anuncio permite informar sobre lo que Perplexity dice que hace su modo local. La verificación independiente requeriría examinar el comportamiento en tareas, configuraciones y transiciones hacia la asistencia en la nube representativas.

La evidencia más sólida combinaría resultados precisos, permisos comprensibles y comportamiento repetible bajo condiciones declaradas. Hasta que dichas pruebas estén disponibles, la versión es una afirmación documentada sobre el producto con una ruta de evaluación clara. No es una garantía universal sobre todos los flujos de trabajo en Mac.

Tres señales mostrarán cuán útil llega a ser el ordenador local

La próxima evidencia debería establecer la finalización sin conexión, transiciones visibles a la nube y rendimiento repetible en Macs compatibles.

La primera señal es la realización de pruebas independientes de flujos de trabajo completos sin conexión. Durante los próximos meses, los revisores deberían publicar las entradas, los resultados esperados y los archivos resultantes de tareas representativas. Eso reforzaría la confianza más que otra breve demostración.

Las tareas más informativas incluirán trabajo habitual con suficiente complejidad para revelar errores. Las notas contradictorias, los documentos revisados y las instrucciones incompletas son desafíos útiles. Revelan si el sistema reconoce la incertidumbre o cubre silenciosamente las lagunas.

Un resultado exitoso demostraría que la ejecución local va más allá de una respuesta de chat autosuficiente. Los fallos repetidos en los límites entre aplicaciones reducirían el valor práctico del lanzamiento. Ambos resultados ayudarían a los usuarios a identificar trabajos adecuados.

La segunda señal es cómo el producto gestiona el paso a la asistencia en la nube. Los lectores deberían buscar explicaciones claras de por qué es necesario un paso externo y qué información utiliza. La interfaz debería hacer comprensible la elección de ejecución durante la tarea.

Esa visibilidad reforzaría la afirmación de que los usuarios controlan el límite de procesamiento. Las transiciones confusas o los valores predeterminados poco claros la debilitarían. La cuestión es si una persona puede tomar una decisión informada sin tener que reconstruir después el comportamiento del sistema.

Esto importa especialmente en las tareas mixtas. Una revisión de documentos privados seguida de investigación actual cruza un límite relevante. Un buen diseño de producto debería preservar esa distinción incluso cuando la solicitud general suene como una única asignación continua.

La tercera señal es el rendimiento repetible en toda la gama de hardware compatible. Las pruebas independientes deberían comparar la calidad de finalización y el comportamiento de las sesiones de trabajo bajo condiciones divulgadas. Un resultado en un equipo de escritorio bien equipado no debería representar a todos los ordenadores compatibles.

Los resultados consistentes facilitarían que los equipos evaluaran e implementaran la función. Las grandes diferencias entre configuraciones harían más importante la orientación sobre hardware. Cualquiera de los hallazgos sería más útil que una afirmación indiferenciada de que la IA local ha llegado.

La adopción dependerá de la intersección de estas señales. Los usuarios necesitan trabajo que se complete, límites que comprendan y un rendimiento adecuado para su equipo. La solidez en un solo ámbito dejará sin resolver partes importantes de la experiencia.

Por ahora, Perplexity Computer en Mac ofrece un cambio concreto en la elección de ejecución. La empresa afirma que el razonamiento de una tarea puede permanecer junto a sus datos locales, con asistencia remota disponible cuando se autorice. Es una capacidad significativa para evaluar, especialmente para trabajos con muchos documentos.

Elija una tarea representativa antes de extraer una conclusión más amplia. Use copias de archivos de trabajo habituales, especifique el resultado esperado y decida qué acciones requieren revisión. Compare el resultado con el material de origen y, después, repita la asignación en las mismas condiciones. Si la tarea necesita información actual, examine cómo explica el producto esa transición. Mantenga la ubicación del procesamiento, la precisión y el control de las aplicaciones como cuestiones separadas durante toda la evaluación. La pregunta útil es si el modo local de Perplexity completa su trabajo dentro del límite previsto. Comience con un flujo de trabajo documental acotado y evalúe el resultado final, los cambios realizados y las decisiones cuya aprobación se le solicitó.