新模式下，AI 模型与智能体直接在电脑上执行任务规划、推理以及文件处理等操作，只有当用户明确批准后，相关文件才会被上传至云端。同时，Perplexity Computer 在获得用户授权后，可以访问本地文件，并与系统自带的备忘录、信息、邮件以及 Numbers 表格等应用协同工作。

端侧模式面向订阅用户开放

IT之家了解到，该功能目前面向 Perplexity 的 Pro、Max 以及 Enterprise 三档订阅用户开放。首发提供两种端侧运行方案，分别是阿里通义千问推出的 Qwen 3.6，以及 Perplexity 自家的 PPLX Pro 模型。

在硬件门槛方面，端侧模式对设备配置有明确要求：最低需要搭载 Apple 芯片，并且具备 36GB 的统一内存。这意味着并非所有 Mac 用户都能直接使用这一功能，内存容量成为能否本地运行的关键限制。

从产品定位来看，端侧模式的价值在于提升隐私保护与离线可用性。将 AI 推理与智能体执行留在设备本地，可以减少数据外传，适合对数据敏感或网络环境不稳定的使用场景。不过，受限于本地算力与内存，端侧模式能够处理任务的复杂度，仍取决于具体硬件配置。

可以预见，随着端侧大模型能力的提升，类似 Perplexity Computer 这样的 AI 智能体将更多地从云端走向本地，成为个人电脑上的常驻助手。对于苹果生态用户而言，Apple 芯片带来的统一内存架构，正成为承载端侧 AI 应用的重要基础。

硬件规格：大内存 + 高释放

ZBook Ultra G3a 16 起始重量 4.2 磅（约 1.9 千克），厚度 17.9mm，支持 100W 性能释放，在移动工作站中保持了相对轻薄的机身。网络方面可选 5G 蜂窝连接，便于移动办公场景下脱离 Wi-Fi 使用本地 AI 能力。键盘等部件采用易于更换的设计，降低了后期维护成本。

预装本地智能体，面向设计工作流

这款笔记本预装 Perplexity Computer 本地智能体，可在设备端完成部分 AI 任务。同时它支持 Autodesk Revit 2027、Autodesk 3ds Max 以及 Chaos Enscape 等设计与可视化工作流软件，定位建筑师、工程师与创意专业人士的本地算力平台。

上市与价格

ZBook Ultra G3a 16 移动工作站将于 2026 年 10 月上市。惠普在其”本地 AI 价值计算器”中将该设备定价设为 7,449 美元（按当前汇率约合 50,108 元人民币）。这一价格反映了大内存、本地大模型能力与专业软件授权带来的定位差异，主要面向需要离线、私密运行大模型的企業与专业用户。

传统搜索给你一堆链接，AI 搜索直接给带出处的答案。日常查资料时，最常见的三个坑是：搜索引擎优化污染，有用的报告被营销软文淹没；信息碎片化，答案散落在多个网页需要自己拼；时效性差，排在前面的未必是最新内容。AI 搜索的底层逻辑不同：语义理解加多源检索，再整合出一份带出处链接的结构化答案。

六款工具横向对比

本次选取国内可直接使用、以及英文场景最强的各三款，从中文能力、引用质量、长文本等维度对比：

按场景选工具

– 中文行业调研、写报告：首选秘塔 AI 搜索，研究模式会自动拆解维度并导出 Word、PDF 文档。 – 日常快速确认事实、追热点：纳米 AI 搜索响应快、中文覆盖广，还支持思维导图与视频卡片。 – 搜索后顺带写作、生图：夸克 AI 搜索完全免费且一体化。 – 检索公众号、视频号内容：腾讯元宝背靠微信生态，可直达私域内容。 – 多链接对比、长合同审查：Kimi 的超长上下文独一档，喂五个链接三分钟出对比表。 – 英文文献、海外技术文档：Perplexity 引用最规范，但国内需网络工具访问。

三大趋势

多模态化：从搜文字扩展到搜图片、视频、音频，秘塔已支持播客搜索，纳米支持语音搜索。

智能体化：Perplexity 的计算机操作模式、Kimi 的智能体模式，把搜索从“给答案”升级为“完成任务”——搜完自动写报告、做演示文稿。

深度研究化：简单问答已不够用，秘塔的“深度研究”与“先想后搜”代表搜索从信息获取走向认知分析。

选型建议

不必纠结“哪个最好”。日常中文用秘塔或纳米，英文用 Perplexity，长文档分析用 Kimi，战略研究可加天工 AI。重要数据与政策类结论，务必点进来源链接核对原文——AI 给的是整理好的素材，不是最终结论。

云端与本地如何分工

混合计算的核心思路是：一个 AI 任务由云端前沿模型负责启动与规划，而当工作流推进到涉及私密文件、客户记录或个人信息的步骤时，该步骤会被移交给运行在 Apple 芯片上的本地模型处理。

具体而言，云端负责前沿推理、网页搜索与整体规划；Mac 上的本地模型则负责处理每一步所需的私密文件、敏感信息与设备端操作。Perplexity Computer 协调整个工作流，用户无需将任务拆成多个提示词，也不必在工具之间手动搬运信息。

隐私关卡守住数据出口

功能的关键在于 Mac 上的「隐私关卡」（privacy gate）。在受保护文件的信息抵达云端之前，这一关卡可以遮蔽敏感细节、将其保留在本地、拒绝该操作，或请求用户授权。Perplexity 表示，隐私关卡内置一个设备端分类器，可在信息离开 Mac 前识别姓名、地址、账号、登录凭据、支付卡号、政府证件编号与密钥等敏感内容，并据此决定采取何种保护措施；其中凭据、支付卡号与政府证件编号受到最严格的保护。

三款本地模型与硬件门槛

混合计算首发提供三款本地模型：谷歌的 Gemma 4 E4B、阿里巴巴的 Qwen3.6 35B-A3B，以及一款 Perplexity 自有模型。该功能要求配备 Apple 芯片的 Mac、macOS 15 或更高版本，以及至少 24GB 统一内存（32GB 为佳），面向 Pro、Max 与 Enterprise 订阅用户开放，免费版不可用。本地推理不消耗云端积分。

Perplexity 称，苹果上周发布的全新 Mac mini 与 Mac Studio 是运行混合计算的理想平台；用户也可通过 iPhone 随时发送提示词，而本地模型在其 Mac 上完全在设备端私密分析最敏感的数据。企业版管理员还可为组织设定统一规则——哪些数据必须留在 Mac、哪些在上传云端前需遮蔽、哪些需用户批准——并审计信息的离机时间。

从「搜索」到「计算机」

Perplexity 由 Aravind Srinivas 等人于 2022 年创立，定位为「答案引擎」而非传统搜索引擎。2026 年 2 月，公司发布 Perplexity Computer，可跨 Claude、GPT、Gemini 等 19 个模型组建智能体团队端到端执行项目；4 月推出的 Personal Computer 将这一能力延伸到 Mac 桌面。Srinivas 将这一转变概括为「AI 即计算机」：用户告知计算机期望的结果，由它自行推理、搜索并执行。

混合计算的发布，标志着本地模型与云端前沿模型在「步骤级」上的协同成为现实，也为金融、法律、医疗等需要处理机密数据的行业提供了一条兼顾智能与隐私的路径。

云端负责思考，本机负责保密

按照官方说明，混合计算的运行方式更像一个调度中心。每项任务都从云端启动，云端的前沿模型负责把任务拆成若干子任务，网络检索、长链条推理、整体规划这些重活留在云端；一旦某个步骤要读取本地私密文件、处理敏感信息或在设备上执行操作，就下派给运行在 Mac 上的子智能体。

「云端编排会根据提示词拆解任务，判断如何分发给不同的子智能体，」负责 Perplexity 的 macOS 与 iOS 工程团队的乔恩·斯塔夫（Jon Staff）在媒体沟通会上说，「它会把那部分下派给运行在你 Mac 上的子智能体，这部分任务完全在本地运行，这些词元一个都不会送到云端。」

整个流程由 Perplexity Computer 统一协调，用户不必手动把一件事拆成好几个提示词，也不必在不同工具之间搬运资料。任务还能跨设备发起：由于 Perplexity Computer 与 iPhone 打通，用户可以在外面用手机发出指令，让本地模型在办公室的 Mac 上处理最敏感的那部分数据。

隐私闸门：先识别，再决定放不放行

技术核心是一道运行在 Mac 本机上的「隐私闸门」（Privacy Gate）。受保护文件里的信息在送往云端之前，闸门会先做判断，可以遮蔽敏感细节、把内容留在本地、直接拒绝该操作，或者转而询问用户是否同意。

闸门内置一个本机运行的分类器，专门识别姓名、地址、账号、密钥等敏感项。凭据、支付卡号和政府颁发的身份证件享受最严格的处理级别——闸门可以把它们锁死在本地、拒绝执行，或者改写请求，让云端模型在不接触受保护信息的前提下继续干活。被识别出的具体数值会先替换成占位符再发出，等答案返回时再还原。

Perplexity 把这个分类器称为 PII-Tracer，是一个 6 亿参数规模的双向编码器，从 Qwen3 架构改造而来，用于标记可能包含个人可识别信息的文本片段，真正的路由策略则由应用层执行。配套发布的还有一套名为 PII-TRACE 的基准测试，包含 13 种语言、13148 段合成的人机对话，用来检验检测器能否揪出反复出现的同一标识符。官方称在其评估的 12 套系统中，PII-Tracer 取得了最高的字符级 F1 分数，并且能够完全在本地处理未经筛查的文本。

分类器已在 Hugging Face 上开源。「我们也把用于判断何时把工作负载送往本地模型的个人信息分类器开源了，」Perplexity 首席执行官阿拉温德·斯里尼瓦斯（Aravind Srinivas）在发布说明中写道。

硬件门槛：24GB 内存是底线

混合计算面向 Perplexity Pro、Max 和 Enterprise 订阅用户开放，运行条件是搭载 Apple 芯片、系统为 macOS 15 及以上的 Mac，统一内存最低 24GB，官方建议 32GB 起步以获得最佳效果。8GB 和 16GB 内存的机型无法运行该功能。

首批可选的本地模型有三个：Google 的 Gemma 4 E4B、阿里巴巴的 Qwen3.6 35B-A3B，以及 Perplexity 基于开源权重针对自家场景做过后训练的版本，后者是官方推荐选项。设置过程被压缩到三步：安装最新版 Mac 应用、一键下载本地模型、在模型选择器里切换到混合模式并分别指定本地与云端模型。整个过程不需要 Ollama 之类的运行时，也不需要 API 密钥。

一个容易被忽略的细节是计费。本地生成的词元不消耗云端额度。「电费是你付的，硬件是你买的，所以这部分我们不收钱，」斯塔夫说，「额度只用于编排和分发。」Perplexity 还提到，苹果上周发布的新款 Mac mini 与 Mac Studio 很适合承担这类负载；想随时随地调用本地推理的用户，可以让一台常开的 Mac mini 专职跑 Perplexity Computer，再用 iPhone 远程控制。

三个演示指向同一类人

官方演示挑的都是绝不会整包交给纯云端智能体的活。第一个是律师赶截止日期，一边让本地模型比对存在 Mac 上的特权案卷来更新诉讼摘要，一边让云端智能体从公开网络检索判例，「他们的特权信息从头到尾没有共享到云端，」斯塔夫说，「它一直没离开那台 Mac。」

第二个演示中，一家私募股权机构的分析员让智能体对照机密的管理层预测重做财务模型，再用公开可比公司做对标，最终产出投资委员会材料的第五版。这项任务在后台跑了约 40 分钟，期间无人干预。第三个演示强调跨设备接续：一家陶艺店创始人在网约车后座用 iPhone 发起营销分析，Computer 请求接入她工作室里的 Mac，调用本地子智能体处理客户访谈与营收数据，同时在云端检索竞品的公开定价。

面向企业客户，管理员可以设定组织级规则，规定哪些内容必须留在 Mac 上、哪些可以脱敏后交给云端、哪些需要用户逐次批准，并且能审计信息何时离开某台设备。

值不值得马上上手

这套架构成立的前提，是 Perplexity 对「什么算敏感信息」的判断足够准，以及它真的按承诺拆分了任务。科技媒体 AppleInsider 在报道中提醒，Perplexity 早年以「有道德的 AI 工具」自我定位，后来在数据抓取争议上的应对并不体面，因此建议用户在充分测试与调研之前不要贸然把混合计算用于真正机密的工作。

对于手上握着大量客户资料、又确实需要前沿模型推理能力的专业人士，混合计算至少提供了一个不必二选一的技术路径：把智能留在云端，把秘密留在桌上那台机器里。至于这道闸门能不能拦住所有该拦的东西，只能等更多第三方实测给出答案。

MacWhisper：播客后期的转写保险

MacWhisper 由开发者 Jordi Bruin 制作，核心功能是把音频转成文字。与简单的在线转写服务不同，它在本地提供丰富的自定义选项： watched folders 自动转写、会议录音、快捷键调用、实时字幕、批量导出、自定义词典，也支持接入云端或本地模型。

一位每周录制并剪辑多档播客的作者描述自己的工作流：导出节目后，先用 MacWhisper 调用 Nvidia 的 Parakeet v3 模型跑一遍完整转写，再把转写稿和写好的节目描述一起交给 ChatGPT，检查有没有漏掉链接、时间点或适合发社交媒体的引用。他坦言，MacWhisper 的使用方式其实非常基础，但光是「有一个准确的文字底稿」这一点，就让整理 shownotes 和社交媒体文案时少了很多返工。

对于需要处理采访、播客、课堂录音或会议纪要的 Mac 用户，这款工具基本可以替代多款在线订阅服务。

Codex：不会写代码也能搭小工具

OpenAI 的 Codex 和 Anthropic 的 Claude Code 是近期最受关注的 AI 编程工具。两位作者都曾尝试用它们完成同一个需求：做一个能监控没有 RSS 的网站、并在更新时提醒的小工具。

Claude Code 在这次比拼里整体表现更好，但命令行界面让非程序员用户上手成本更高；Codex 的集成方式更顺手，作者最终选择留在 Codex 上。两个月后他再次打开 Codex 时，发现模型能力已经比去年底有了明显进步，于是又陆续开始写两个新的小工具。他现在的习惯是：遇到 bug 或想到功能改进时，先把问题丢给 Codex，再人工检查输出。

这种「自然语言描述需求、AI 生成代码」的方式，降低了制作一次性工具的门槛。

Perplexity Computer：让 AI 替你跑长任务

Perplexity Computer 是一款能直接操作电脑、完成多步骤任务的智能体产品。它不是把结果直接塞给用户，而是可以在文档、表格、浏览器和第三方工具之间自动流转。

定价上，Perplexity Pro 用户需要购买积分，Perplexity Max 用户每月赠送一万积分，超出部分再额外付费。作者用它处理的一项重复工作，是每月分析约 200 份多页文档，把其中部分数据整理进多页电子表格。过去这几乎要花掉大半天，现在由 Perplexity Computer 在几分钟内完成初稿，之后他再人工复核。

它并不能做到完全无需检查，但在「先跑一遍、再人工确认」的 workflow 里，省下的时间非常可观。

LM Studio：在本地跑模型，兼顾隐私与离线

LM Studio 让 Mac 用户可以在本地运行开源大模型。它的优势有两类场景：一是在飞机、高铁等没有网络的环境里继续工作；二是处理不方便上传到云端服务器的敏感资料。

作者曾在一趟航班上用 LM Studio 运行 Google 的 Gemma 4 120 亿参数模型，认为效果已经接近网页版大模型的体验。LM Studio 还会根据机器配置自动判断哪些模型能流畅运行、哪些会吃力，省去用户自己试错。此外，LM Studio 近期推出了 Bionic，这是一个面向智能体模型的本地运行框架，同时提供按量付费的云端开源模型接口，并声称对用户数据执行零保留政策。

工具不在多，关键是用得上

上述四款工具解决的问题各不相同：转写、编程、长任务自动化、本地模型运行。它们的共同点是都围绕具体的工作环节做深，而不是泛泛地「聊天」或「生成」。对于 Mac 用户来说，与其追逐新模型，不如先理清自己每天重复最多的事情，再判断哪款工具能真正接管其中一部分。

来源：9to5Mac｜原文标题：These AI tools make my life much easier on the Mac

新闻事实核查机构 NewsGuard 最新发布的《AI 虚假声称监测》（AI False Claims Monitor）一周年纪念版显示，主流聊天机器人复述假新闻的比例在一年间几乎翻了一倍。这项针对十大生成式 AI 工具的测评提醒读者：模型回答得越多，并不等于越准。

整体数据：从 18% 升至 35%

NewsGuard 的监测选取已被专业事实核查证伪的时事叙事，用「普通用户」「诱导性」「恶意」三种提问方式测试模型，再由人工分析师判定回答属于「辟谣」「拒答」还是「误导」。

2025 年 8 月的测评中，十大聊天机器人在时事类问题里复述虚假说法的比例达到 35%，而一年前的 2024 年 8 月这一数字仅为 18%。与此同时，模型对敏感问题「拒绝回答」或「表示不知道」的比例，从约 31% 骤降到几乎为零——聊天机器人现在几乎来者不拒，但超过三分之一的回答夹带着可证伪的假话。

单模型对比：差距悬殊

把十大模型拆开看，假话率呈现明显梯度：

• Inflection 的 Pi：约 56.67%，全场最高
• Perplexity：约 46.67%，一年前还是 100% 辟谣率，跌幅最猛
• ChatGPT 与 Meta 的 Llama：均约 40%
• 微软 Copilot 与 Mistral 的 Le Chat：均约 36.67%
• xAI 的 Grok、You.com：约 33%
• 谷歌 Gemini：约 16.67%
• Anthropic 的 Claude：约 10%，表现最稳

也就是说，最稳的 Claude 与最离谱的 Pi 之间，假话率相差超过五倍。Perplexity 的滑落尤其刺眼：一年前它对测试中的虚假叙事能做到零失误，如今却在近一半的回答里复述假话。

为什么变差了：联网检索打开了攻击面

NewsGuard 将恶化归咎于产品取舍。过去模型面对数据空白或敏感话题会倾向拒答，这种「不知道就别说」的策略虽让用户恼火，却把风险挡在外面。引入实时联网搜索后，模型不再拒绝回答，却开始从被污染的互联网信息环境中取信——其中既有低质内容，也有蓄意投放的虚假信息。

报告记录了俄罗斯虚假信息网络 Storm-1516 与 Pravda 的运作手法：约 150 个设在莫斯科、模仿正规媒体的亲克里姆林网站，专门向 AI 系统投喂假叙事。测试抛出一个关于摩尔多瓦议长伊戈尔·格罗苏的伪造说法时，十大聊天机器人中有六个（Mistral、Claude、Inflection 的 Pi、Copilot、Meta、Perplexity）把它当成事实复述，并引用 Pravda 网络作来源。微软 Copilot 在 2025 年 3 月停止直接引用 Pravda 后，改用该网络在俄罗斯平台 VK 上的社交媒体帖子当出处，继续被利用。

给用户与企业的提醒

NewsGuard 建议，把任何聊天机器人的输出都当作草稿：要求给出信息来源，在企业流程里建立核查环节，不要在未核实前把 AI 回答当作结论。OpenAI 也曾公开承认，语言模型本质上会「幻觉」，因为它预测的是最可能的下一个词，而非事实本身。

这项测评并非通用准确率排行榜，而是一次针对新闻、政治、健康与企业声誉等高利害场景的压力测试。它的结论很直接：当 AI 成为越来越多人获取信息的入口，模型本身的可靠性反而整体下滑，这给整个行业和普通用户都敲响了警钟。

来源：NewsGuard《AI False Claims Monitor》（多家媒体转述，包括 The Decoder、PC Guide 等）

头一个是谷歌的 Gemini Notebook（原名 NotebookLM）。它的设计前提就是只认你喂进去的材料——文档、网页、录音、YouTube 视频都能传，回答只从这些来源里找，所谓「幻觉」（模型一本正经编造不存在的事实）因此少了很多。它的音频概览功能还能把一堆材料转成一段类似播客的对话，通勤路上就能把一份报告听完。

第二个是 Perplexity，一个从头为联网检索而生的搜索工具，答案带行内引用，方便顺手回原文核对。作者说自己工作里检索量极大，这是他用得最频繁的一个。第三个是 Midjourney，目前已到8.2版，在构图和色彩上的审美取向，和聊天机器人自带的画图能力明显不是一路。第四个是 ElevenLabs，做语音合成，免费额度够生成约10分钟语音，22美元一个月的创作者档给到12倍额度，并解锁声音克隆。

我的判断是，这份清单真正的价值不在四个具体产品，而在它划出的四个工位——有据可查的资料研究、带引用的搜索、专业级出图、能直接用的配音。这四类活儿在中国内地也都能找到对应的替代工具，思路是通用的：别把人工智能当话痨，把它塞进流程里当一个工位。

对照这四类，你现在的工作流缺的是哪一环？

来源：How-To Geek / Sydney Butler

进入 2026 年，投资人和创业者的注意力集体转向了智能体（agent）与自动化。Strawberry、Browser Use、Aside 等新秀都在押注带智能体属性的浏览器，连 Perplexity 旗下的 Comet 也把主攻方向调整为浏览器智能体。

就在这股暗流中，一家名为 Polar 的初创公司浮出水面。7 月 29 日，该公司发布了一款面向知识工作者的 AI 优先浏览器，并宣布完成 570 万美元种子轮融资，由知名风投 Madrona 领投。

创始人来自 Comet 团队：消费级 AI 浏览器是伪需求

Polar 联合创始人兼首席执行官凯文·蒋（Kevin Jiang）此前在 Perplexity 参与 Comet 项目，亲历了第一波 AI 浏览器的起落。他向 TechCrunch 直言上一代产品的共同问题：”第一批 AI 浏览器的思路，是改变用户的默认搜索，让大家直接跟标签页对话，去完成订机票、订餐厅之类的任务。但如果你想想终端消费者，他们不会每天甚至每周都去订一张机票、约一顿饭。这个需求根本不持续，普通用户没有足够的动力专门去用一款 AI 浏览器。这就是为什么我们的 AI 浏览器完全不面向大众消费者——我们认为浏览器智能体真正有价值的地方，是知识工作。”

在 Polar 中，用户可以编排定时工作流、保存提示词，并基于当前打开的标签页给智能体分配任务。公司称，这款浏览器对非技术用户也很友好，可以辅助销售、招聘、市场营销、调研和业务运营等工作。

免费入门，连干 15 个小时不歇脚

按照官方通稿的说法，Polar 像真人一样操作网页——在用户已登录的网站里点击、输入、跳转，能把从几分钟到数小时的多步骤任务从头跑到尾，最长曾连续执行任务超过 15 个小时无需人工干预。产品上线前 7 个月几乎全靠口碑传播，用户已通过它累计执行超过 450 万次操作。该公司还宣称，Polar 在浏览器智能体基准测试中明显领先 OpenAI 与 Anthropic 的同类方案。

浏览器本体免费，每天附赠少量 AI 任务额度；需要更高额度的用户可以订阅付费套餐，起步价为每月 20 美元。有意思的是，Polar 方面透露，目前多数用户只把它当”自动化工具”使用，日常上网仍然用另一款浏览器。公司的目标就是做自动化工具，并认为浏览器是当下实现自动化的最佳载体，未来也不排除探索”计算机使用”等其他路径。

Polar 由凯文·蒋与维沙尔·拉姆（Vishaal Ram）、霍华德·钟（Howard Zhong）共同创办，团队成员有麻省理工学院、Perplexity 以及头部量化基金的背景。领投方 Madrona 合伙人萨布丽娜·阿尔伯特（Sabrina Albert）表示：”真正难的是在开放的、需要登录的网络上做出可靠的智能体工作流。做一款浏览器有一整套独特优势——既能理解用户与网站的交互方式，用户又已经登录了自己最常用的那些服务。”

本轮融资的跟投阵容颇为豪华，包括 GitHub 前首席执行官托马斯·多姆克（Thomas Dohmke）、Phia 创始人菲比·盖茨（Phoebe Gates）、Modal 首席执行官埃里克·伯恩哈德森（Erik Bernhardsson）等多位天使投资人。

目前 Polar 仅提供 macOS 版本，Windows 版尚未推出。在消费级 AI 浏览器集体退潮的当下，这家小公司选择只服务”要干活的人”，能否跑通，值得继续观察。

来源：TechCrunch（https://techcrunch.com/2026/07/29/perplexity-employee-who-worked-on-comet-launches-an-ai-browser-aimed-at-knowledge-work/）