Portable Computer kommer til AMD-drevne agent-pc'er

Folk vil gerne sætte deres egen beregningskraft i arbejde på flere af deres hverdagsopgaver, lige fra analyse af lokale filer til kørsel af tilbagevendende arbejdsпроцеsser. At fuldføre det arbejde på deres egen hardware giver dem mere kontrol over følsomme oplysninger og forbrug af kreditter. For at lade flere arbejde på denne måde skal lokal AI køre på flere enheder og oprette forbindelse til de værktøjer, de allerede bruger.

I dag udvider vi Portable Computer til systemer drevet af AMD Ryzen AI Max Series-processorer, herunder Ryzen AI Halo-udviklerplatformen, hvilket giver flere mennesker en måde at køre lokal AI på deres egen hardware på.

Lokal inferens forbruger ikke Computer-kreditter. Brugere kan køre rutinemæssig analyse og filbehandling på deres Ryzen AI Max-drevne system. Den lokale model kan stadig eskalere til skyen for mere avanceret research og ræsonnering, når det er nødvendigt.

Den lokale agent-stak kommer til AMD Ryzen AI Max som ét system

AMD-understøttelse giver brugerne endnu en måde at køre Perplexity Computer lokalt på. De kan sætte deres egen hardware i arbejde med krævende opgaver, samtidig med at de begrænser kreditforbruget.

Folk har arbejde, som de kunne overlade til en agent, hvis følsomme filer såsom aftaledokumenter, patientjournaler, ikke-udgivet kode og lønudbetalinger kunne forblive på enheden. Det kræver en lokal model, værktøjer til at arbejde med disse filer og kontrol over, hvad agenten kan få adgang til.

Portable samler den lokale model, agent-harness og orchestrator, planlægningsværktøj, sandbox og klassificeringsfunktion til følsomt indhold i ét system. Tilgængelige modeller omfatter Qwen 3.8 27B og PPLX 27B, som er Perplexitys eftertræningsmodel. Brugere behøver ikke længere selv at samle stakken ved at opsætte en inferensserver, forbinde en agent og konfigurere hvert enkelt værktøj.

AMD og Perplexity gør det nemmere for udviklere at komme i gang med lokale agenter på Ryzen AI Halo. Brugere kan downloade en model med et enkelt klik via Lokal inferens i Perplexity-appens indstillinger. Inferensmotoren og klassificeringsfunktionen installeres sammen med den. Brugerne forbinder derefter deres apps og vælger de mapper, som Portable kan arbejde i.

Lokale opgaver kan trække på cloud-research og ræsonnering

En opgave, der starter med lokale filer, kan stadig have brug for aktuelle oplysninger eller mere avanceret ræsonnering. En finansanalytiker, der arbejder med en lokal indtjeningsmodel, kan f.eks. bruge aktuelle markedsdata fra internettet og ræsonnering fra en frontlinjemodel til at teste, hvordan ændrede rentesatser kan påvirke deres prognose.

Portable giver brugerne adgang til citerede webresultater gennem Perplexity Search og avanceret ræsonnering fra 15+ frontlinjemodeller. Hvis en opgave skal sende oplysninger fra enheden til skyen, beder Portable om brugerens tilladelse, før den fortsætter.

Portable håndterer engangsopgaver og tilbagevendende arbejde

Portable fungerer på tværs af lokale filer og forbundne apps. Dens lokale orchestrator opretter forbindelse til Gmail, Outlook, Slack og GitHub. Lokale MCP-servere (Model Context Protocol) gør det muligt at arbejde med understøttede applikationer, der er installeret på den samme pc.

• Økonomi: En controller planlægger, at Portable skal afstemme hver morgens lokalt lagrede fakturaer mod kontraktprislister i en tilladt mappe, markere uoverensstemmelser og gemme en undtagelsesliste i den mappe. Afstemningen kører på enheden.
• Dagligt resumé: En driftsleder planlægger en hverdagsbriefing kl. 08.00, der gennemgår natten over modtagne e-mails og Slack, identificerer beslutninger, der venter på dem, og udarbejder svar for at fjerne blokeringer for kolleger. Læsningen og opsummeringen foregår på enheden.
• Jura og compliance: En paralegal giver Portable adgang til en mappe med leverandørkontrakter og en tjekliste til gennemgang. Portable returnerer en tabel med manglende eller ikke-standardmæssige klausuler i hver kontrakt, som den paralegale kan gennemgå.
• Udvikling: En teamleder planlægger et gennemgangsmøde for åbne pull requests kl. 09.00 og grupperer dem som klar, kræver gennemgang, blokeret eller inaktiv. Når lederen har godkendt resuméet, slår Portable det op på teamets Slack-kanal og tagger den enkelte ejer.

Tilbagevendende arbejde bruger den samme lokale model, så dens lokale inferens lægger ikke oven i Computer-kreditforbruget ved hver kørsel. Planlagte opgaver kører, mens appen er åben, og pc'en er vågen.

Tilladelser og sandboxing begrænser, hvad agenten kan få adgang til

En agent, der skriver og kører kode, har brug for klare grænser. Portable kører kode og værktøjer inde i en isoleret sandbox på enheden, hvor læse- og skriveadgang er begrænset til tilladte mapper. Den når kun forbundne apps gennem connectorer, som brugeren har konfigureret.

En klassificeringsfunktion på enheden scanner indhold for følsomme oplysninger såsom navne, kontonumre og legitimationsoplysninger, før det forlader pc'en. Hvis den markerer følsomme oplysninger, kan brugeren vælge at dele dem, beholde det trin på den lokale model eller stoppe.

Organisationer kan styre adgangen til inferens på administrerede konti. En administrator beslutter, om det er tilladt, så it kan gøre det tilgængeligt for de teams, der har brug for det.

Portable er tilgængelig på understøttet AMD-hardware

Portable Computer på AMD Ryzen AI Max Series-processorer og udviklerplatformen AMD Ryzen AI Halo er tilgængelig i dag for Pro- og Max-abonnenter på individuelle og virksomhedsplaner via Perplexity-appen til Windows.

Krav

• Hardware: En AMD Ryzen AI Halo-udviklerplatform eller et hvilket som helst system med en Ryzen AI Max Series-processor og mindst 24 GB GPU-tilgængelig hukommelse
• Styresystem: Windows 10 eller Windows 11
• Modeller: PPLX 27B og Qwen 27B
• Lagring: Ca. 20 GB ledig diskplads til den oprindelige opsætning

Opsætning

1. Installer Perplexity-appen til Windows, og log ind.
2. Åbn Indstillinger, vælg Lokal inferens, og download modellen. Inferensmotoren og klassificeringsfunktionen installeres sammen med den.
3. Åbn Tilladelser i Indstillinger, slå adgang til det lokale filsystem til, og vælg de mapper, som Portable Computer kan arbejde i.
4. Åbn modelmenuen i kompositøren, og vælg en model under Lokal. Opgaver starter med inferens på enheden, og der kræves tilladelse, før oplysninger sendes til skyen.

Fuldstændige opsætningsdetaljer findes i artiklen i Portable Computer-hjælpecentret. Flere oplysninger er tilgængelige på Portable Computer-siden.