Perplexity porta l’hybrid compute su Mac: i tuoi dati sensibili restano in locale

Perplexity ha deciso di affrontare uno dei nodi più delicati dell’AI che agisce al posto tuo: cosa succede ai file riservati quando un agente lavora sui tuoi documenti. Il primo settembre 2026 l’azienda guidata da Aravind Srinivas ha annunciato l’hybrid compute per l’app Mac, una funzione che permette a Perplexity Computer di eseguire modelli compatti direttamente sul tuo computer quando entra in gioco materiale sensibile, lasciando al cloud soltanto il resto del lavoro.

L’idea di fondo è semplice, ma tutt’altro che scontata. Invece di spedire ogni dato ai server remoti, l’assistente riconosce quando sta per toccare informazioni private e sposta quella parte dell’elaborazione sul dispositivo, dove i file non lasciano mai la macchina.

Per chi usa l’intelligenza artificiale su bilanci, referti medici o pratiche legali, è un cambio di prospettiva che vale la pena capire nel dettaglio.

Che cosa cambia con l’hybrid compute di Perplexity

Fino a oggi un agente come Perplexity Computer ragionava quasi interamente nel cloud. I modelli di frontiera, quelli più potenti, vivono nei data center e lì elaborano le richieste: ricerca, pianificazione, ragionamento su compiti lunghi e articolati. Questo approccio garantisce qualità, ma mostra un limite evidente quando il compito coinvolge documenti che preferiresti non far uscire dal tuo computer.

Con l’hybrid compute la logica cambia. Computer continua ad avviare il lavoro nel cloud, dove i modelli grandi restano imbattibili sui compiti complessi. Nel momento in cui un classificatore locale individua un dato sensibile, come un nome, un indirizzo email, un numero di conto o un file riservato, l’assistente ti avvisa e ti mette davanti a una scelta.

Puoi mantenere quella porzione del lavoro sul Mac, mascherare i dettagli prima di procedere, oppure inviare comunque tutto al cloud se ritieni che non ci siano rischi. La decisione resta nelle tue mani e non viene presa in automatico dall’azienda.

Gli esempi citati da Perplexity parlano da soli: analisi degli esami del sangue, dichiarazioni dei redditi, documenti di una causa legale. Sono proprio i casi in cui, fino a ieri, molti utenti evitavano di usare un assistente AI per timore di esporre dati troppo personali.

La differenza rispetto a un assistente tradizionale è sostanziale. Nella maggior parte dei chatbot e degli agenti, tutto quello che scrivi o alleghi transita dai server dell’azienda, che deve poi garantirne la protezione. Qui, invece, una parte del lavoro non parte mai: se un documento contiene informazioni riservate, resta sul tuo Mac e viene analizzato da un modello che gira sotto il tuo controllo. Per un professionista, un commercialista o uno studio legale è una garanzia che può pesare nella scelta se adottare o meno questi strumenti.

Come viene divisa l’elaborazione tra cloud e dispositivo

Il meccanismo ricorda un instradamento intelligente. Ogni passaggio del compito viene valutato: se è innocuo, prosegue verso i modelli remoti; se contiene informazioni personali, può restare sul dispositivo. In questo modo ottieni il meglio dei due mondi, cioè la potenza dei modelli di frontiera e la riservatezza dell’elaborazione locale.

È un equilibrio che molti avevano teorizzato, ma che pochi avevano portato davvero dentro un prodotto di largo consumo.

Il classificatore PII e il benchmark PII-TRACE

Il cuore tecnico di tutto è il classificatore che decide cosa è sensibile e cosa no. Perplexity lo ha chiamato PII-Tracer: si tratta di un encoder bidirezionale da 0,6 miliardi di parametri, costruito a partire da una base Qwen3 e addestrato a segnalare le porzioni di testo che con ogni probabilità contengono dati personali identificabili.

La sigla PII sta per Personally Identifiable Information, cioè le informazioni che permettono di risalire a una persona specifica. Un modello di queste dimensioni è abbastanza leggero da girare in locale senza appesantire il sistema e, allo stesso tempo, abbastanza accurato da fare da filtro affidabile.

Per misurare quella accuratezza, l’azienda ha pubblicato PII-TRACE, un benchmark composto da 13.148 conversazioni sintetiche tra utente e assistente, distribuite su 13 lingue. Serve a verificare se un rilevatore riesce davvero a trovare i dati personali nascosti in una conversazione, anche quando cambiano la lingua e il contesto.

C’è poi una scelta che merita di essere sottolineata: Perplexity rende open source il classificatore usato per decidere quando spostare il carico sul modello locale. Significa che ricercatori e sviluppatori possono ispezionarlo, testarlo e riutilizzarlo, un gesto di trasparenza raro su una componente così centrale per la privacy.

Requisiti hardware e modelli locali disponibili

L’hybrid compute non arriva su qualsiasi macchina. Serve un Mac con chip Apple Silicon, il sistema operativo macOS 15 o successivo e almeno 24 GB di memoria unificata. È un requisito che taglia fuori i modelli più datati, ma che riflette la realtà: far girare un modello linguistico in locale richiede risorse concrete.

Al lancio la funzione mette a disposizione tre modelli locali tra cui l’assistente può scegliere in base al compito:

• Gemma 4 E4B, un modello compatto della famiglia aperta di Google;
• Qwen3.6 35B-A3B, un modello più capace con architettura a esperti attivati selettivamente;
• un modello proprietario di Perplexity, ottimizzato appositamente per Perplexity Computer.

La presenza di un modello addestrato su misura per l’agente è un segnale chiaro. Perplexity non vuole limitarsi a impacchettare modelli altrui, ma punta a controllare l’intera esperienza, dal cloud fino al chip del tuo portatile. Se vuoi capire meglio come funziona l’esecuzione di un modello direttamente sul tuo computer, trovi tutti i passaggi nella nostra guida su come eseguire un LLM in locale.

Perché conta per la privacy e per l’AI sul dispositivo

Il tema non è soltanto tecnico. Negli ultimi mesi la spinta verso l’AI locale è cresciuta, alimentata da due esigenze parallele: proteggere i dati e ridurre i costi. Elaborare in locale significa non trasmettere informazioni sensibili e, allo stesso tempo, sfruttare l’hardware che hai già pagato, con un’efficienza per singola operazione che il cloud non sempre garantisce.

Questa logica ha punti in comune con altre tecniche pensate per tenere i dati vicino a chi li produce. Un esempio è l’apprendimento federato, un approccio che addestra i modelli senza centralizzare le informazioni degli utenti. Cambiano gli strumenti, ma l’obiettivo resta lo stesso: usare l’AI senza rinunciare al controllo dei propri dati.

Per Perplexity, inoltre, l’hybrid compute è un tassello di una strategia più ampia. L’azienda ha investito molto sulla piattaforma per agenti, come dimostra il lancio della sua Agent API, e ha attirato l’attenzione dei grandi del settore, tanto che Nvidia è arrivata a trattare un investimento da oltre 30 miliardi di dollari. In questo quadro la privacy diventa un elemento competitivo, non solo un obbligo da rispettare.

Il contesto normativo spinge nella stessa direzione. In Europa la protezione dei dati personali è al centro dell’attenzione, e la possibilità di elaborare le informazioni più sensibili senza inviarle a un server esterno aiuta anche le aziende a rispettare regole sempre più stringenti.

Resta un punto di realismo da tenere presente. La funzione è disponibile solo su Mac recenti e ben equipaggiati, quindi per ora riguarda una fetta di utenti. La direzione, però, è chiara e difficilmente si tornerà indietro.

Conclusioni

L’hybrid compute di Perplexity ti mostra come potrebbe essere l’assistente AI dei prossimi anni: capace di ragionare nel cloud quando serve potenza, ma abbastanza rispettoso da elaborare in locale quando in gioco ci sono i tuoi dati più delicati. È un modello ibrido nel senso migliore del termine, perché prova a conciliare prestazioni e riservatezza invece di sacrificarne una.

Se lavori spesso con documenti riservati e usi un Mac compatibile, vale la pena provare la funzione e osservare come l’agente decide cosa tenere sul dispositivo. E se il tema dell’AI che gira in locale ti incuriosisce, continua a seguirci: è una delle tendenze che definiranno il modo in cui useremo l’intelligenza artificiale, al lavoro e nella vita di tutti i giorni.