Perplexity、Mac でクラウドとローカルを連携するハイブリッド計算を発表

エージェント型アシスタントには構造的な課題があります。その有用性を支える文脈、つまり取引書類や機密ファイル、顧客記録などは、ユーザーがクラウドエンドポイントへ送信できないデータだからです。

今週、Perplexity は Mac 向けにこの課題に対する解決策を発表しました。「ハイブリッド・コンピューティング」は、単一の Perplexity Computer タスクを、クラウド上の最先端モデルとユーザーの Mac 上にある軽量モデルの間で分割します。境界線を越えるデータかどうかは、デバイス上で動作するプライバシーゲートが判断します。また、Perplexity はこのゲートの背後にある分類器もオープンソース化しました。

実用性はありますか？はい、ハイブリッド・コンピューティングは現在、Pro、Max、Enterprise の各プラン加入者向けに利用可能です。対象となるのは、macOS 15 以降を搭載し、統合メモリが少なくとも 24GB（推奨は 32GB）ある Apple シリコン搭載の Mac です。

ローカルモデルは Mac アプリからワンクリックでインストール可能で、Ollama の導入や別個のランタイム設定、API キーの取得も不要です。また、ローカルでの処理にはクラウド利用クレジットが消費されません。

ハイブリッド・コンピューティングの実態

この仕組みの肝となるのは、どの方向にタスクをオーケストレーションするかという設計判断です。Computer はすべてのタスクをクラウド上で開始し、最先端モデルがウェブ検索、計画策定、長期にわたる推論を担当します。

処理ステップでプライベートファイルや機密データに触れる必要がある場合、Computer はそのステップだけを Mac 上のローカルモデルへ引き継ぎます。この際、タスクの再起動も文脈の喪失もありません。その後、クラウド側とローカル側の両方の結果が統合されて一つの回答として返されます。

これは、先週 NVIDIA DGX Spark で Perplexity が発表した「ローカル・コンピューティングモード」を逆転させたものです。そちらはユーザーのハードウェアで開始し、許可を得てクラウドモデルへエスカレーションする方式でした。オーケストレーターは同じですが、デフォルトの動作方向が正反対です。

Computer は iPhone と連携するため、デスク上の Mac で機密ステップを実行しながら、タスクを遠隔でトリガーすることが可能です。Perplexity はこのパターンに特化し、常時稼働する Mac mini を専用ローカル推論ノードとして位置づけています。

プライバシーゲートが中核コンポーネントです

保護されたファイルからのデータがクラウドへ到達する前、オンデバイス上の分類器がそれを検査します。そしてゲートは 4 つのいずれかの結果を適用します。つまり、「ローカルに保持する」「機密部分をマスクする」「アクションを拒否する」、あるいは「ユーザーの同意を求める」です。認証情報、クレジットカード番号、政府発行の ID は最も厳格な扱いを受けます。出力時にはマスクされた値が代わりの値に置き換えられ、クラウドからの回答が戻ってくると元の値に戻されます。

PII-Tracer は Qwen3 のバックボーンを基盤とした 0.6B パラメータの双方向エンコーダーです。因果的なマスクを削除し、4,096 トークンのウィンドウ内でパディング対応型の双方向アテンションを採用しています。線形なタグ付けヘッドは 37 のラベルを出力します。これは「スパン外」ラベル 1 つと、9 種類の PII タイプそれぞれに対する BIOES 形式の位置ラベルです。また、補助的なヘッドが会話内に機密情報が含まれているかを予測します。学習には約 714,000 のサンプルに対して 3 エポック実行され、推論時には制約付きの Viterbi デコーダーがラベルシーケンスを解決します。

併せて発表されたベンチマーク「PII-TRACE」は、13 の言語と 10 の文字体系にわたる 13,148 件の合成会話を含み、文字レベルでの識別子言及数は 37,431 に及びます。その中心的な主張は、「長い会話の中で機密情報を多く見つけること」と「そのすべてのコピーを見つけること」は別物であるという点です。

12 種類の検出器における結果を見ると、PII-Tracer は文字レベルの F1 スコアで最高値である 0.629 を記録し、スパン重複およびスパン包含の F1 スコアでも GPT-5.6-sol に次ぐ第 2 位となりました。一貫性においては圧倒的な差をつけ、再出現する識別子の 79.4% とクロスターン（会話間）の識別子 77.6% で検出された言及をすべて見つけることに成功しています。一方、GPT-5.6-sol はそれぞれ 57.0% と 55.1% に留まりました。最も困難なカテゴリである「6〜10 回の言及」においては、PII-Tracer が 0.691 のスコアを記録したのに対し、GPT-5.6-sol は 0.464、GLiNER2-PII は 0.073、Claude Opus 4.8 は 0.045 でした。

興味深いのは、単一ウィンドウでのリコールが、1,000 文字未満の会話では 0.975 に達する一方で、10,000 文字以上になると 0.687 まで低下することです。Perplexity の解決策は再学習ではなく、デコーディング（復号）によるものです。50% の重なりを持つスライディングウィンドウを採用したことで、同じチェックポイントにおいて、全体としての文字リコールが 0.830 から 0.965 に、複数回の言及に対する一貫性のある検出率が 0.794 から 0.954 へと大幅に向上しました。

解説：クラウドと Mac でタスクをどのように分担するか

モデル、制御機能、および利用状況

Perplexity の発表によると、ローンチ時には 3 つのローカルモデルが用意されています。Gemma 4 E4B、Qwen3.6 35B-A3B、そして Computer 向けにポストトレーニングされた Perplexity 独自のモデルです。製品ページのセットアップフローでは、PPLX Qwen 3.8 27B のワンクリックダウンロードが案内されています。また、Perplexity の Hugging Face オルガニゼーションには、ゲート機能の背後にある 0.6B トークン分類モデルである pplx-pii-masking-vllm と並行して、pplx-computer-qwen-3-8-27b のビルドも用意されています。

エンタープライズ環境では、管理者が組織全体のルールを設定できます。具体的には、どのデータを端末内に保持すべきか、どの情報をマスキング（隠蔽）するか、またどの処理に明確な承認が必要かを定義可能です。さらに、情報が端末から外部へ流出した際の監査ログも取得できるため、法務・医療・金融チームなどでも実用的に活用できます。

主なポイント

ハイブリッドコンピューティングでは、タスクの開始をクラウドで行い、処理中に機密性の高いステップを Mac 上のローカルモデルへ引き渡します。

オンデバイス型 PII（個人識別情報）分類器が境界線を制御し、「端末内に保持」「マスキング」「拒否」「確認依頼」のいずれかを判断します。

PII-Tracer (0.6B) は、12 種類の検出器の中で文字レベルの F1 スコア (0.629) と、すべての再出現箇点を検出する能力 (79.4%) で首位を維持しています。

10,000 文字を超えると文脈の想起精度は 0.687 に低下しますが、スライディングウィンドウデコーディングを採用することで 0.965 まで回復します。

Apple シリコン搭載機で動作し、macOS 15 以上、統一メモリ 24GB 以上を必要とします。Pro、Max、Enterprise の各プランに対応しています。