Perplexity Hybrid Compute : l’IA locale et le cloud réunis pour protéger les données privées
Perplexity sigue avanzando en sus agentes de IA con Hybrid Compute, un nuevo enfoque que distribuye el procesamiento entre modelos locales y modelos ejecutados en la nube. La idea es mantener los archivos sensibles en la computadora mientras se aprovechan modelos más potentes para tareas de razonamiento complejas.
El servicio se sitúa entre Personal Computer y Portable Computer, dos productos de agentes lanzados por Perplexity este año. Hybrid Compute busca abordar un dilema que se ha vuelto central para la IA personal: ¿cómo disfrutar de la potencia de la nube sin enviar sistemáticamente los datos privados a servidores remotos?
Un funcionamiento híbrido entre Mac y la nube
El principio se basa en una separación dinámica de tareas. Cuando un usuario hace una consulta que involucra archivos o adjuntos, Perplexity puede detectar la presencia de datos personales o sensibles necesarios para la ejecución. El servicio entonces ofrece varias opciones. El usuario puede mantener los archivos privados localmente y dejar que un modelo ejecutado en la máquina los analice, mientras que el resto de la tarea se envía a un modelo en la nube más potente.
También es posible enviar todo a la nube si el usuario acepta.
Esta arquitectura evita, por tanto, imponer una elección binaria entre el procesamiento completamente local y el completamente remoto.
Los archivos sensibles pueden permanecer en el dispositivo
Este es, sin duda, el principal argumento de Hybrid Compute. Un usuario puede por ejemplo solicitar un análisis que involucre documentos profesionales, notas personales o archivos almacenados en su Mac sin necesidad de transmitir la totalidad de esos contenidos a Perplexity.
La parte sensible de la consulta puede ser procesada directamente en la máquina. El modelo local puede entonces extraer o sintetizar solo la información necesaria, mientras que el modelo en la nube se encarga de la parte que requiere más potencia de cálculo o razonamiento.
Esta lógica puede ser especialmente relevante para empresas, autónomos o usuarios que manejan regularmente documentos confidenciales.
Perplexity busca evitar el compromiso entre confidencialidad y rendimiento
Los modelos locales han avanzado mucho, pero generalmente son menos potentes que los modelos más grandes disponibles en la nube. Por el contrario, los servicios en la nube permiten acceder a los mejores modelos, pero implican que los datos salgan del dispositivo.
Hybrid Compute intenta precisamente combinar las ventajas de ambas arquitecturas.
Se utiliza lo local cuando aporta valor en términos de privacidad o costo, mientras que la nube interviene cuando sus capacidades adicionales se vuelven necesarias. Esta distribución también puede evolucionar de una tarea a otra en lugar de definirse una vez para todas en la configuración.
Gemma y Qwen funcionan directamente en el Mac
Perplexity admite varios modelos ejecutados localmente, incluyendo Gemma 4 E4B, Qwen 3.6 y una versión de Qwen 3.6 entrenada previamente por Perplexity. Estos modelos respaldan la parte local del flujo de trabajo. Para tareas más complejas, el usuario puede recurrir a modelos en la nube más potentes como Claude Opus 5 o GPT-5.6 Sol.
La filosofía es, por tanto, bastante similar a una arquitectura informática clásica donde distintos procesadores se utilizan según las cargas de trabajo, excepto que aquí se trata de dividir el razonamiento entre varios modelos de IA.
El agente elige menos un modelo que un lugar de cálculo
Este es probablemente el aspecto más interesante del enfoque. El mercado de la IA se ha centrado durante mucho tiempo en la pregunta del mejor modelo: ChatGPT, Claude, Gemini o Qwen. Hybrid Compute desplaza ligeramente el debate.
La cuestión se convierte también en: ¿dónde debe trabajar este modelo? Un mismo flujo de trabajo puede comprender una parte local para los datos sensibles, otra en la nube para el razonamiento avanzado y, eventualmente, varios modelos especializados según las diferentes etapas.
El usuario ya no elige necesariamente un chatbot único, sino una arquitectura capaz de orquestar varios motores.
El sistema también puede reducir el costo de las consultas
La confidencialidad no es el único beneficio. Perplexity destaca que el procesamiento realizado por los modelos locales no genera costo en tokens en la nube. Para tareas especialmente largas, la diferencia puede volverse significativa.
Un agente que analiza varios cientos de páginas o archivos puede consumir una cantidad importante de tokens antes de llegar a la parte realmente compleja de su razonamiento.
Si este preprocesamiento se lleva a cabo localmente, el modelo en la nube recibe únicamente la información pertinente. Esto reduce tanto la cantidad de datos enviados como el costo global de la tarea.
El costo de los agentes se convierte en un tema cada vez más importante
Este enfoque llega en un momento adecuado. Los agentes modernos no solo responden preguntas cortas. Pueden leer archivos, explorar carpetas, utilizar herramientas y realizar varias decenas de pasos antes de producir un resultado.
Cada paso puede consumir tokens. Por lo tanto, la factura puede aumentar rápidamente, especialmente con los modelos más avanzados. Utilizar modelos locales para ciertas operaciones se convierte así en una optimización económica además de una elección de confidencialidad.
Hybrid Compute convierte, de alguna manera, el Mac en el primer nivel de cálculo antes de recurrir a la nube cuando se vuelve realmente necesario.
Una respuesta a las limitaciones del todo-nube
La arquitectura tradicional de los asistentes de IA todavía se basa en gran parte en la nube. El usuario transmite sus datos, el modelo los procesa en servidores remotos y luego devuelve una respuesta. Este funcionamiento ofrece una enorme potencia de cálculo, pero se vuelve más difícil de aceptar cuando los agentes comienzan a acceder a archivos locales, correos electrónicos, documentos profesionales o información financiera.
A medida que la IA se vuelve más personal, la cuestión de dónde se procesan los datos se vuelve crucial. Perplexity parece considerar que el futuro de los agentes no puede, por lo tanto, ser totalmente remoto.
Personal Computer, Portable Computer, luego Hybrid Compute
El lanzamiento se inscribe en una estrategia mucho más amplia de Perplexity. La compañía ya había introducido Personal Computer en abril y Portable Computer a finales de agosto. Estos productos buscan gradualmente transformar a Perplexity de un motor de respuestas a un verdadero entorno agentico capaz de trabajar en los datos y aplicaciones del usuario.
Hybrid Compute ahora agrega una capa de orquestación entre la máquina y la nube.
El mensaje se vuelve claro: Perplexity ya no quiere solo responder preguntas en Internet, sino convertirse en una infraestructura capaz de ejecutar tareas a través de varios entornos.
Apple Silicon es por el momento obligatorio
Sin embargo, la primera versión sigue siendo limitada. Hybrid Compute está disponible únicamente en la aplicación Perplexity en Macs equipados con chips Apple Silicon. Los usuarios también deben tener una suscripción Perplexity Pro o Max.
Esta elección es lógica desde el punto de vista técnico.
Los chips Apple Silicon han integrado durante varias generaciones aceleradores especialmente adecuados para cálculos de IA, así como una arquitectura de memoria unificada que facilita la ejecución de modelos locales relativamente grandes.
Los Macs, por lo tanto, constituyen una plataforma natural para experimentar este tipo de cálculo híbrido.
La ausencia de Windows limita aún más el alcance
Sin embargo, esta exclusividad reduce el mercado potencial. En el mundo profesional, Windows sigue siendo ampliamente dominante, y muchas empresas que podrían estar interesadas en la privacidad local aún utilizan PCs.
Por lo tanto, Perplexity deberá expandir rápidamente Hybrid Compute a otras plataformas si desea convertirlo en una verdadera arquitectura generalizada. Los Copilot+ PC equipados con procesadores Qualcomm, Intel o AMD también tienen NPUs capaces de ejecutar modelos localmente. El terreno técnico, por lo tanto, ya existe.
La dificultad estará más en gestionar la diversidad del hardware y las diferencias de rendimiento entre máquinas.
La detección de datos privados deberá inspirar confianza
El funcionamiento de Hybrid Compute también se basa en una cuestión delicada: ¿cómo decidir que un archivo contiene información sensible? Perplexity indica que el sistema advertirá al usuario cuando detecte datos personales en los archivos necesarios para una tarea.
Sin embargo, este tipo de clasificación no es nunca perfecta. Un sistema puede pasar por alto información confidencial o, por el contrario, considerar como sensible un documento totalmente banal.
La capacidad del usuario para controlar fácilmente esta separación seguirá siendo esencial. La confidencialidad no puede depender únicamente de una detección automática.
El modelo local se convierte en una especie de filtro de confianza
Una de las interpretaciones más interesantes de Hybrid Compute consiste en ver el modelo local como un intermediario. Puede acceder a la información que el usuario no desea enviar directamente a la nube, extraer un resumen o ciertos datos no sensibles, y luego transmitir únicamente lo que sea necesario.
Esto crea una nueva capa entre los archivos y los grandes modelos distantes.
Esta arquitectura podría volverse particularmente importante para los agentes, que tendrán, progresivamente, acceso a una cantidad creciente de datos personales. En lugar de dar acceso completo al disco directamente a la nube, un modelo local podría servir como barrera de seguridad.
Apple ya sigue una filosofía comparable
Perplexity no es el único actor que explora este tipo de arquitectura. Apple ha construido parte de su enfoque alrededor del procesamiento en el dispositivo, recurriendo a infraestructuras remotas cuando la potencia local es insuficiente. Otros fabricantes también trabajan en arquitecturas híbridas para la IA personal.
La tendencia tiene lógica.
Los modelos locales ofrecen privacidad, baja latencia y ausencia de costo por consulta, mientras que los modelos en la nube disponen de capacidades mucho más importantes. Por lo tanto, sería sorprendente que la industria elija definitivamente uno de los dos bandos.
Lo local no garantiza automáticamente la confidencialidad
Sin embargo, hay que evitar una simplificación.
Decir que un modelo funciona localmente no es suficiente para garantizar que todos los datos permanezcan privados.
La propia aplicación puede seguir enviando metadatos o ciertos resultados a servicios remotos, dependiendo de su arquitectura y su configuración.
El interés de Hybrid Compute deberá evaluarse no solo a través del modelo utilizado, sino también según las reglas precisas de transferencia entre las diferentes etapas.
Perplexity deberá ser especialmente transparente sobre este punto si el producto quiere atraer a usuarios sensibles a la privacidad.
Un modelo local también puede convertirse en una ventaja de rendimiento
El procesamiento local no es necesariamente solo defensivo.
Para ciertas tareas simples, puede ser más rápido hacer que la máquina trabaje directamente que enviar una consulta a un servidor, esperar su procesamiento y luego recuperar el resultado.
Extraer texto, clasificar documentos o resumir ciertos datos no siempre requiere un modelo de última generación.
La mejor arquitectura no es necesariamente la que envía sistemáticamente todas las tareas al modelo más potente. Es aquella que utiliza el nivel de cálculo apropiado en cada etapa.
Perplexity construye gradualmente un sistema operativo para agentes
Tal vez esta sea la interpretación estratégica más interesante. Con Personal Computer, Portable Computer y ahora Hybrid Compute, Perplexity parece aspirar a construir más que una simple aplicación de búsqueda.
La empresa trabaja progresivamente en una capa capaz de decidir qué modelos utilizar, dónde ejecutarlos y qué datos darles.
Este es exactamente el tipo de papel que un sistema operativo juega tradicionalmente con los recursos de hardware.
A largo plazo, el usuario podría simplemente formular un objetivo, mientras que el software decidiría automáticamente qué tareas ejecutar localmente, cuáles enviar a la nube y qué modelo utilizar para cada una.
La elección manual del modelo podría volverse secundaria.
La próxima batalla de los asistentes podría ser la orquestación
Durante dos años, la competencia se ha centrado principalmente en la potencia bruta de los modelos. Sin embargo, las diferencias comienzan a reducirse en muchas tareas.
Por lo tanto, el valor podría trasladarse a la orquestación: conectar los modelos correctos, los datos correctos y las herramientas correctas en el momento adecuado.
Hybrid Compute ilustra perfectamente esta transición. El producto no se basa en un nuevo modelo espectacular. En su lugar, busca utilizar varios modelos de manera más inteligente.
Esta aproximación puede volverse particularmente importante para los agentes personales, donde la privacidad, el costo y el rendimiento deben equilibrarse permanentemente.
Una idea sencilla que podría convertirse en la norma
Por el momento, Hybrid Compute sigue siendo un producto relativamente limitado, reservado para suscriptores de pago que utilicen un Mac Apple Silicon. Pero el concepto tiene un alcance mucho más amplio.
A medida que los modelos locales se vuelven más eficientes y los dispositivos personales adquieren más potencia, se volverá cada vez menos lógico enviar cada operación a la nube. Por el contrario, los dispositivos tampoco podrán ejecutar solos los modelos más avanzados.
El futuro de la IA personal podría parecer exactamente lo que Perplexity está experimentando hoy: tareas distribuidas constantemente entre el procesador que está en el bolsillo o en el escritorio y los modelos gigantes alojados en los centros de datos.
Con Hybrid Compute, Perplexity no busca finalmente decidir entre IA local e IA en la nube. Apuesta a que los mejores asistentes serán aquellos que sepan utilizar ambos sin obligar al usuario a pensarlo.
