阅读

美国风投机构NEA合伙人Philip Chopin和Hunter Worland在解释为何领投巴黎和伦敦企业现金管理平台Spiko的9000万美元B轮融资时，用一句话开场：太多企业在付费亏钱。更准确地说，它们支付管理费、绩效费和交易费，持有每年都在通胀调整后损失购买力的现金。

他们指出的问题不是某家银行利率太低，而是企业现金管理的底层基础设施仍停留在20世纪。每一层由不同机构运营、使用不同账本、通过隔夜批量文件对账、再以过时的界面暴露给客户。结果是：企业每年集体损失数十亿欧元的收益，仅仅因为现金下面的管道没有被重建。

在这个诊断之上，Chopin和Worland将代币化定义为金融基础设施的下一个基础性转变。其机制是：资产被迁移到共享账本上，所有权和余额存在于单一可编程账本中，从而实现即时结算、连续收益累积和软件驱动的工作流，取代批量处理和人工操作。

他们进一步提出一个更远的连接：同一结构也是将越来越多地运行财务职能的AI代理的自然基础。在传统银行和过户代理基础设施上，自动化财务困难重重，因为每个动作都需要对账多个割裂账本并等待隔夜文件；而在代币化栈上，AI代理可以执行智能合约、自动将多余现金扫入收益、提交抵押品、在护栏内重新平衡敞口，把今天静态的财务余额变成始终在线、自我优化的系统。

关于为何从欧洲切入，作者给出三个条件：非金融企业获得的收益明显低于全球同行、银行技术投入不足、以及Spiko已经组装了完整的监管许可栈。他们同时认为机会根本是全球性的，同样的架构适用于美国、拉美和亚洲。

需要读者注意的边界：NEA是本轮领投方，本文是其投资论点的公开陈述。文中引用的约27亿美元管理规模和超过10000名客户数字来自公司自报，截至2026年9月，可在Dune公开面板查看，但NEA在免责声明中明确表示某些信息来自第三方来源且未经其独立验证。数十亿欧元收益损失是作者估计，未给出方法论。AI代理运行财务职能是作者的前瞻判断，不是已实现的事实。代币化现金基金能否从欧洲企业现金的补充工具演变为主流基础设施，取决于监管环境、机构采纳速度和实际运营中的摩擦，这些在本文论证中尚未展开。

Datalab于2026年发布的OmniParseBench是一个开放文档解析基准，用16288条通过/不通过的小测试覆盖2937页文档，从扫描表单、手写到arXiv数学公式和密集表格。它公布了27个解析器的逐条判定结果，任何人都可以下载这些判定文件并重新计算排行榜。

一位开发者没有直接引用排行榜数字，而是把已发布的判定文件拉下来，用基准自己的评分函数重算了全部条目。重算确认了排行榜卡片上108个数值全部可以复现，但同时也暴露了三个值得注意的问题。

第一个问题：前两名实际上是平局。Datalab accurate与Gemini 3.8 Flash的headline均四舍五入至92.9，差距仅0.024个百分点。开发者用文档级bootstrap——即对2343份文档有放回地抽样2000次，每次重算headline——来估计排名的不确定性。结果发现，两者差距的95%置信区间从约负0.9到正0.9，跨越零。在每次抽样中，各自领先约一半的次数。诚实的读法是：无法区分。

为什么用文档级而不是测试级bootstrap？因为同一份文档上的测试倾向于一起通过或一起失败，逐条测试独立抽样会低估不确定性。这个选择本身是审计方法的关键一步。

第二个问题：排名随文档类型翻转。开发者按手写、极小字体、旋转、退化扫描、数学、表格、表单、多栏以及希腊文、中文、西里尔文、亚美尼亚文、老挝文等13个切片分别重算headline。总排名第一的Datalab accurate仅在3个切片中保持领先。Gemini 3.8 Flash在手写、数学和表单上领先；Claude Sonnet 5.5在旋转页面上领先；Mistral OCR在希腊文上领先。亚美尼亚文和老挝文切片分别只有6份和5份文档，开发者明确将其视为提示而非排名。

第三个问题：Datalab自己的发布数字与文件不一致。发布文章和博客给出Datalab accurate为92.7并排在Gemini之后，而文件中的实际值差距仅0.024个百分点——一个四舍五入后相同的平局。开发者逐条核对了发布声明，17项检查中13项成立，4项不成立（包括Datalab的两个排名数字、Indra OCR的复现差异和安慰剂检验的方向）。

还有一个有趣的发现被报告为一个标记而非证明。OmniParseBench的数据集卡片注明Gemini 3.8 Flash和Claude Sonnet 5.5参与了部分测试的创建和验证。开发者用双重差分检验问：这两个明星模型在由视觉模型修正过的102条测试上，是否比在其他测试上表现异常好？结果是在model_review切片上，两者的通过率下降幅度比其他解析器少约25个百分点，而人类审核安慰剂切片显示更小的同方向差距，model_panel切片则方向相反。开发者明确说明这只是一个标记，不构成证明。

实践教训：对任何基准排行榜，先确认你能否拿到逐条判定数据；拿到后用文档级重抽样估计不确定性，不要只看一个headline数字；按自己实际关心的文档类型切片重算排名；核对厂商自报数字与公开文件是否一致；锁定版本号和数据集commit，因为仓库会随解析器增加而变化。

语音智能体最常见的延迟体验问题不是模型生成太慢，而是合成启动太晚。用户问了一个问题，语言模型已经在逐token生成回复，但文本转语音模块要等整个回复完成才开始工作。一句回复可能600毫秒就生成完毕，但完整的多段落回复需要五秒，而集成逻辑等的是这五秒。用户在这五秒里什么也听不到。

AWS SageMaker AI团队在2026年10月22日发布的技术方案指出，解决这个问题的关键不是让合成和生成并行运行，而是改变合成启动的时机：语言模型每产出一个完整句子，就立刻把这句话送入TTS模型，不等后续内容。他们把Kokoro-82M（仅82M参数）部署在SageMaker AI实时端点上，通过双向WebSocket流保持一个持久连接，逐句发送文本、逐句接收音频。

这里有一个容易误解的地方。团队明确说明这不是并发合成——双向处理器的循环是严格顺序的：接收一条消息，合成它的音频，发送音频，发送完成信号，再接收下一条。第二句的音频不会在第一句还在传输时就开始生成。增量发送真正买到的是：第一句的合成在它存在的那一刻就开始了，而不是等完整回复。对于多句回复，首句和末句之间有真实的生成时间差，这个差值就是全部的延迟收益。

隔离测量显示，仅发送首句（而非完整四句文本）将TTS传输层的首音频字节时间从329.3毫秒降到156.7毫秒，相对改善52.4%。端到端对比中，双向流式模式比批量模式快2.4倍（本地容器）和3.5倍（部署后的AgentCore运行时）。差距在加入真实网络跳数后反而扩大，因为流式模式把网络开销吸收在生成与合成的重叠窗口内，而批量模式每一步串行等待都直接暴露网络延迟。

传输层还有第二个成本。如果前端已经用SSE流式传输文本，团队测量了把音频base64编码后塞进SSE事件的代价：载荷膨胀约33%，且SSE的分隔符（空行）与MP3内部帧边界不对齐——实测中四个逻辑MP3帧被分成六个传输块到达，其中两个在帧中间截断。他们对比了MP3 48kbps和AAC 32kbps fMP4两种编码，用Amazon Transcribe确认解码质量无差异。

对于已有SSE管线的项目，base64方案是务实选择，代价是33%额外载荷和缓冲重组步骤。对于从零构建语音路径或延迟优先的场景，团队推荐在同一双向会话上直接复用二进制音频和JSON控制帧——区分规则是：如果一个数据块无法解析为合法JSON对象，它就是音频。这个规则能工作是因为原始PCM音频虽然可能以字节0x7b（左花括号）开头，但整个PCM帧几乎不可能恰好构成合法JSON。

所有数据来自AWS团队在自家SageMaker AI端点和Bedrock AgentCore运行时上的自测，未提供独立第三方复现。Kokoro-82M的82M参数规模适合单张中端GPU实例运行，但文章未给出合成语音的主观质量评估或与其他TTS模型的质量对比。示例容器固定了存在已知安全公告（PYSEC-2026-2286）的旧版PyTorch，团队注明在正式使用前需升级。

GPU算力市场最大的结构性问题，不是芯片不够用，而是合同的形状错了。AI基础设施公司Modal的CEO Erik Bernhardsson在Latent Space播客中提出了一个简洁的诊断：几乎所有GPU容量都以三年矩形的形式出售——固定数量的卡、固定的时长、从未来三到六个月后开始交付。但真实的AI工作负载不是矩形。

他举了一个具体数字：Modal平台上沙箱的中位存活时间大约八秒。一个编码智能体可能创建环境、运行代码、检查结果、再试一次，如此反复多次。推理请求在一天内随用户活跃周期起伏，训练任务有突发峰值。这些形态与固定数量、固定时长的矩形合同完全不匹配。

Modal的解法被Bernhardsson称为时长转换：把数千个客户的需求聚合起来，让整体曲线变得平滑，然后在底层锁定容量，再按每个客户实际需要的量和时间切分出售。聚合度越高，平滑效果越好，利用率就越高。他称这是Modal价值主张的核心之一。

这个模式能否运转取决于启动速度。如果新实例需要几分钟才能就绪，弹性就没有意义。Modal为此自建了文件系统、进程检查点和GPU内存快照机制，目标是在百毫秒级别拉起一个沙箱。Bernhardsson认为，只有把启动和停止的摩擦降到足够低，才能实现每个命令一个环境的大规模并行。

但硬币的另一面是财务风险。为了获得2027年所需的容量，Modal不得不与近25家云服务商签订三年以上的合同并预付大量资金。如果GPU价格在未来下跌——Bernhardsson认为硬件价格的长期趋势终究是向下的——锁定高价容量的公司就会持有昂贵的供给。他并不预期近期出现这种崩溃，但承认这是构建业务时必须考虑的可能性。

这个模式有一个隐含的规模前提：客户数量必须足够多且需求相关性足够低，聚合曲线才能真正平滑。Bernhardsson没有给出达到这一门槛的具体客户数，也没有说明如果需求高度相关时该机制如何退化。这是时长转换作为商业逻辑的边界条件。

据科技媒体TechCrunch援引Semafor的报道，埃隆·马斯克（Elon Musk）已向新成立的媒体公司Skydance投资约10亿美元。这一消息在派拉蒙完成对华纳兄弟探索公司1100亿美元的收购并组建Skydance几周后传出。

报道称，马斯克的注资时间与Skydance其他投资者（包括董事会成员劳伦娜·鲍威尔·乔布斯/Laurene Powell Jobs）的股权贡献大致相同。这笔资金将为该公司提供急需的财务支持，帮助其在未来三年内实现60亿美元的成本削减目标，并试图提振其股价。

Skydance由David Ellison和Ynon Kreiz共同担任CEO，负责整合Paramount+和HBO Max两大流媒体平台以及CBS、CNN等网络资产。马斯克与Ellison家族关系密切，曾公开赞扬Larry Ellison，并在2018年任命其为特斯拉董事；Larry Ellison也曾于2022年出资10亿美元协助马斯克收购Twitter。

截至发稿时，Skydance未立即回应TechCrunch的置评请求。该投资的具体条款、估值基础及是否构成最终交割尚未由官方确认，目前仅作为媒体报道的事实呈现。

训练大模型时，网络面对的是一个有节奏的问题：数千块GPU同时执行同一个集合通信，周而复始，持续数周。带宽压力巨大，但模式可预测，工程师可以围绕这个节奏来设计。

AI云基础设施公司CoreWeave的Min Jun在2026年8月发表的博客中描述了另一种流量：智能体把任务拆成步骤，调用检索器，调用工具，调用另一个模型，有时调用另一个智能体，每一步都要等前一步返回才能知道下一步是什么。这条串行路径就是智能体链，而它的延迟是每一跳的总和，不是最坏那一跳。

这个区别看似微小，却改变了整个网络设计的逻辑。当数千条这样的链与训练任务和常规推理同时跑在同一组硬件上时，流量不再像批处理作业，而像一场无处不在的、对延迟敏感的、多跳对话。训练从未考验过的假设开始被打破。

Min Jun解释的第一个后果是：不能超卖。当叶交换机向上连接到骨干的容量小于下方节点能产生的流量时，这个缺口在两种流量同时争夺同一条链路之前是不可见的。训练单独运行时可以容忍一定程度的超卖，但混合了同步训练突发和数千条小型顺序智能体请求的网络需要同时满足高聚合带宽和低且可预测的单流延迟，超卖链路无法同时做到这两点。CoreWeave的做法是每一层都保持1:1的无阻塞比率。

第二个后果涉及扩展方式。传统的两层叶-骨干拓扑最终会耗尽交换机的端口基数，解决办法是加第三层，但这增加了跳数——而智能体链恰恰最不能承受额外的跳数和抖动。CoreWeave采用多平面拓扑：把每块GPU的SuperNIC连接分散到两个或更多独立网络平面上，用宽度换深度。Min Jun称这让扁平的两层设计可以扩展到128,000块GPU，是单平面网络覆盖范围的64倍，且无需重新设计。

第三个后果是负载均衡必须从软件移到硬件。传统上由NCCL在软件层决定如何把集合通信流量分散到可用链路，这有两个代价：与主机CPU争抢周期，以及只能事后响应拥塞而非在条件变化时提前绕行。CoreWeave用NVIDIA ConnectX-9 SuperNIC把这项任务移入硬件，让专用硬件路径以线速响应实时拥塞遥测。在其NVIDIA Vera Rubin NVL72部署中，每块GPU的SuperNIC运行最高1,600 Gb/s，交换机与SuperNIC直接协调，用实时遥测而非静态哈希在每条可用路径、平面和轨道上分散流量。

第四个后果是韧性不能集中在一个地方。训练任务停几分钟很贵，但可以从检查点恢复。智能体在十步链的中间卡住，乘以数千条并发链，没有等价的恢复点。Min Jun描述了跨五层构建韧性：拓扑层用多平面和多轨道把流量从降级路径上移开；硅层用BlueField-3 DPU把网络、隔离和策略执行放在专用硬件上，不占用主机CPU；软件层用CoreWeave Kubernetes Service完全去掉hypervisor，使虚拟化故障不会变成租户的问题；运维层用Mission Control在节点越过健康阈值后自动替换；地理层把多个数据中心链接为单一骨干，使跨站工作负载不依赖任何单一设施。

第五个后果是可观测性必须到每一跳。如果慢的那一跳是隐藏的，前面所有设计都无济于事。CoreWeave用NVIDIA网络观测工具追踪从GPU到SuperNIC的逐流性能，把这个智能体链感觉慢这种模糊症状变成工程师可以处理的特定链路或队列。

Min Jun在结尾写道：训练促使行业建造了快速网络，智能体AI将决定哪些网络是为持久运行而建造的。

需要指出的是，这是CoreWeave对自身架构的第一手描述。关于其运营最大的InfiniBand和RoCE网络之一以及最大的DPU部署之一等规模声明均为自报，未经独立验证。128,000 GPU是多平面拓扑的设计上限，文章未说明这是已部署还是规划中的配置。所有性能数字来自厂商自测，非第三方基准。

美国AI云基础设施公司CoreWeave于2026年7月28日在其官方博客宣布，在MLCommons协会最新发布的MLPerf 0.7 Endpoints基准测试中，其使用68块NVIDIA Blackwell GPU组成的GB200 NVL72系统运行DeepSeek-R1推理模型，实现了441,740 tokens/秒的系统吞吐量（在16,384并发请求下），以及最高6,496 tokens/秒的单GPU吞吐量。

MLPerf Endpoints是MLCommons推出的新基准套件，旨在衡量推理服务在现实、并发在线负载下的表现，而非单一数据点。该测试包含DeepSeek-R1这一6710亿参数的混合专家推理模型，因其单次响应可产生数千个输出token而被视为最难的服务工作负载。

CoreWeave强调其结果是在标准生产集群上验证的，使用了与客户相同的网络结构、调度器、存储和Mission Control编排系统，而非为测试专门搭建的隔离环境。公司指出，单GPU吞吐量是最直接反映真实推理服务经济的指标，因为它映射到每加速器的token服务量和每GPU成本。

需要注意的是，上述性能数据均为CoreWeave自报结果，虽经MLCommons Association验证提交过程，但尚未见独立第三方复现报告。此外，单GPU吞吐量6,496 tokens/秒系由系统总吞吐量除以GPU数量推导得出，并非MLPerf官方直接报告的指标。

生产推理服务最难诊断的问题不是宕机，而是'不宕机但一直在变慢'。CoreWeave博客作者Tara Madhyastha和Nisha Nadkarni在2026年6月发表的博客中用一个假设场景说明这种困境：一个医疗问答服务连续运行三周，没有失败告警、没有错误尖峰、仪表盘全绿，但用户投诉陆续到来——回答变慢了，中途有卡顿。拉取指标后发现p99首token延迟从180毫秒升至240毫秒，峰值时段可用性从99.9%滑到99.1%，两者都没有越过告警阈值。用户已经体验了将近两周的质量劣化，而系统从未被判定为'故障'。

作者将这种静默漂移归因于三类结构性原因，它们随负载增长相互叠加。第一是基础设施层的资源争用：通用云为灵活异构负载设计，而推理是连续、延迟敏感、对资源竞争高度敏感的。小规模时请求很少争抢资源，到生产规模GPU争用变成常态，调度开销随请求量增长——在每秒50个请求时可忽略的延迟，到每秒5000个时变得显著。共享网络路径上的邻居噪声最先出现在尾部延迟，p50看起来正常，p99已经不同。

第二是模型服务配置随负载漂移。作者用一个类比解释批处理问题：静态批处理像旅游大巴，等坐满才发车，快请求被迫等最慢的那个；连续批处理像地铁，每站都有人上下，GPU保持满载。但地铁有自己的问题：一个长输入提示（prefill）会占住站台，让已经在途的所有请求（decode）等待，产生token间延迟抖动。KV缓存压力是另一条路径：上下文窗口变长、会话增多时，引擎开始驱逐或抢占在途请求来腾空间，重算开销不体现在错误率里，但体现在p99里。

第三是流量模式与扩缩容的错配。自动扩缩容系统响应已观测到的需求，有固有滞后：新pod大约90秒上线，新节点需要数分钟。突发流量到来时，扩缩容跟不上，请求排队、延迟攀升，持续足够久就开始超时。作者还指出一个更隐蔽的版本：请求形状不均等。如果基础设施按平均复杂度配置，当最重的请求集中出现时，容量饱和速度会快于扩缩容策略的预期。

针对这三类原因，文章给出三个诊断信号：p99持续攀升而p50稳定，指向基础设施变异或配置漂移而非负载问题；TTFT在负载稳定时上升，指向GPU争用或批处理配置；goodput（满足延迟SLA的请求数）与throughput（处理的总请求数）出现差距，说明系统'在运转'但部分用户实际经历了失败——一个95%吞吐量的系统可能仍在让五分之一用户超时，而监控从未记录这次失败。

作者的核心结论是：这些团队把可靠性当作架构属性而非监控问题来设计，选择显式GPU分配、流量感知扩缩容、基于实际负载验证的SLA和可预测网络。需要指出的是，CoreWeave本身销售专用推理基础设施，这一结论与它的商业定位一致；文中所有数字均为假设示例，非实测生产数据。经过良好调度的通用云环境配合拓扑感知调度和预分配策略，也能在相当程度上缓解所述问题。

加拿大人工智能公司Cohere于2026年10月22日宣布，其面向企业的模型推理服务Model Vault现已支持机密计算（Confidential Computing）并进入公开测试阶段。该功能基于微软Azure基础设施和英伟达H100 GPU的机密计算能力，旨在为金融、医疗和法律等行业的敏感工作负载提供硬件级保护。

传统加密主要保护存储中和传输中的数据，而机密计算针对的是“使用中”的数据。在Model Vault的新架构中，推理过程运行在由CPU和GPU共同构成的硬件隔离环境中。英伟达的机密计算技术确保GPU内存受到保护，且CPU与GPU之间的通信在模型执行推理时被加密。这意味着即使是云服务商或Cohere的基础设施管理员也无法访问明文数据。

除了硬件隔离，Cohere引入了远程证明（Remote Attestation）机制。客户可以在发送敏感数据前，通过软件对处理环境进行密码学验证，检查硬件、固件和软件配置是否符合安全策略。如果环境未通过验证，客户端将拒绝发送请求。这一机制将信任模式从“相信供应商的承诺”转变为“自行验证技术控制”。

此外，Model Vault还实现了应用层载荷的端到端加密。请求内容在进入机密环境前保持加密状态，仅在该受信任的环境中解密，响应返回时同样受到保护。Cohere首席技术官Phil Blunsom表示，此举让企业无需在托管AI的便捷性与对敏感信息的控制权之间做出选择。

Charter研究机构的八月调查覆盖五千余名声称在工作中使用AI的美国受访者，结果显示：约三分之一的高管表示更信任AI的判断而非自己的判断力，而普通员工中这一比例仅约为其一半。在'谁真正从AI中获益'这个问题上，55%的高管认为AI同时改善了工作和个人生活，员工中只有大约一半的人给出相同回答。

t3n.de文章指出了一个结构性矛盾：企业雇佣高管是因为他们的经验和知识，而不是为了让他们把决策交给AI。当最应该提供判断的人开始外包判断，问题就不只是个人偏好，而是组织能力的侵蚀。

文章引入了一个专门术语来描述这一现象：'Cognitive Offloading'（认知外包），指人们将思维工作转移给AI系统以减少自身认知负荷的行为。让AI摘要一篇长文而非自己通读，让AI分析简历或财务数据而非亲自审阅——这些做法确实节省时间和脑力。但节省认知负荷的代价可能是认知能力本身。

麻省理工学院媒体实验室的一项研究也显示，受试者在一个月内将事实核查工作交给AI系统完成，当AI工具不再可用时，这些受试者辨别虚假信息的能力下降。主要作者之一、博士生Anku Rani在MIT的公开文章中警告，用户经常忘记AI模型做的只是统计预测，而非真正的判断。

布鲁金斯学会下属的'普及教育中心'（Center for Universal Education）在青少年群体中观察到了类似模式：当学生将思考过程交给AI时，教育过程可能被削弱。65%的受访学生自己表达了对认知能力长期下降的担忧。一个学生的原话是：'很简单，你不需要用脑子。'

这些证据共同指向一个'去技能化'（Deskilling）机制，与计算器削弱心算能力的历史先例类似。不同的是，计算器处理的是确定性运算，而AI处理的是判断性任务——后者恰恰是高管被雇佣的理由。当统计预测被当作判断来使用，幻觉、误导性推论和偏见就进入了决策链，影响范围从单个高管扩展到整个组织。

需要明确的是，MIT实验测量的是事实核查这一特定能力，而非广义的管理判断。调查数据反映的是自报信任度，不是决策质量的直接测量。从'依赖AI核查事实一个月后辨别力下降'到'高管将数据分析委托给AI后判断力退化'，中间存在任务复杂度和时间跨度的外推。但方向一致的证据已经足够说明：认知外包不是零成本的效率工具，它可能正在以使用者最不易察觉的方式侵蚀其核心能力。

在2026年10月22日于首尔举行的“OpenAI DevDay Exchange: Seoul”活动上，OpenAI亚太区技术成功总监Albert Yip宣布了一项新机制：允许ChatGPT付费用户将其订阅包含的AI使用量共享给第三方应用程序。这一功能被称为“Sign in with ChatGPT”（使用ChatGPT登录）。

此前，开发者若在其应用中集成OpenAI模型，需自行承担每次用户调用产生的API费用。新机制下，当用户在支持该功能的应用中通过ChatGPT账户登录并同意共享用量时，其在该应用中的AI消耗将直接从现有的ChatGPT Plus或Pro订阅额度中扣除。这意味着开发者无需为试用用户支付额外的推理成本，而用户则能更充分地利用已购买的订阅服务。

OpenAI表示，首批支持此功能的合作伙伴包括AI编码工具Devin、协作平台Notion和Web开发平台Vercel等16家公司。需要注意的是，外部应用的使用量并非无限，而是与主订阅共享同一限额。此外，账号登录与用量共享是两个独立的授权步骤，以保护用户隐私和控制权。目前，该功能主要面向开源工具和个人项目，商业应用需经过申请和审核才能接入。

美国AI公司Perplexity更新了其macOS智能体应用“Perplexity Computer”，新增本地大语言模型（LLM）支持。该应用此前依赖云端模型，现允许用户在无需互联网连接的情况下，在本地设备上运行AI任务。初期支持的模型包括Qwen 3.6和PPLX Pro，后者是Perplexity基于Qwen进行后训练的专有版本。

本地运行对硬件有较高要求：仅支持Apple Silicon芯片的Mac设备，且建议至少配备36 GB内存。Perplexity推荐使用较新的机型，如搭载M5 Pro芯片并配置48 GB内存的Mac mini，起售价约为2659欧元。此外，该功能并非免费，仅限Pro、Max或Enterprise订阅用户使用。

Perplexity声称，本地模式可处理复杂的多步骤任务，如分析私人财务组合、操作本地文件和邮件，确保数据不离开设备。若本地性能不足，应用提供“混合计算”选项，可通过本地编排器调用超过15种云端前沿模型。关于本地与云端切换的实际体验及优化效果，尚待独立测试验证。