Perplexity新功能：敏感数据本地处理，混合计算保护隐私

近日, 一家有名的科技公司正式推出了名为“混合计算”的一项新功能, 该功能允许用户在任务里同时调用云端前沿模型与本地大语言模型。此功能的核心逻辑是, 敏感信息交由本地模型去处理, 以此确保数据一直保存在用户设备当中, 而不会上传至云端服务器。这一设计直接回应了企业以及个人用户对于数据隐私的那份担忧, 还为AI使用场景提供了一种新的解决方案。

敏感内容上传前自动检测

在介绍当中, Mac产品负责人Jon Staff明确作出表示, 混合计算功能在Mac应用程序里已经实现了深度集成。每当用户试着去上传文件, 亦或是发送消息的时候, 系统都会自动 scan 其中是否含有敏感内容与否, 并且提示用户来确认是不是要把相关数据分享到云端去。这样一种前置检查机制给予了用户在数据离开设备以前, 所拥有的知情权以及决定权。

为此, 这家公司特意训练了一种全新的关于隐私分类的器系统, 它具备能够进行智能识别的能力, 还能向用户建议把何种文件以及信息留存于本地电脑中。于任务正式被分配给不同模型以前, 用户是可以对系统准备去隔离的所有内容进行预览的, 在确认没有错误之后, 再由自己来决定让哪些模型去完成剩余的工作。

本地模型免费且安装简便

当下该功能可对众多本地模型施支持以运行, 这里所涵盖地有Gemma E4B, 还有两个版本的Qwen 3.6大模型。这两个Qwen 3.6的版本都拥有350亿参数规模, 其中有一个版本还经由该公司进行了专门的后训练优化。公司方面宣称未来会持续对本地模型库予以扩充, 从而为用户供给更多的选择空间。

无需用户在安装进程之中手动去操作终端命令, 完全是由Mac应用程序自行自动完成的。在运行的这个期间之内, 用户能够借助可视化界面实时去查看本地那CPU、GPU以及内存的使用状况情况, 侧栏同样也会显示出任务已经消耗掉的令牌数量数值。需要值得注意留意的是, 由本地模型生成产生的令牌是不会收取任何费用的, 在结果产出之后以后用户依旧仍然可以继续去输入指令命令, 或者是通过队列功能来安排后续的任务工作。

云端更强但价格更高

面临“混合计算得出的结果跟纯云端方案所呈现的效果之间存在什么不一样”这样的询问, Staff老老实实告知: 仅仅就初始生成物品的品质而言, 彻底依靠云端前沿模型所给出的输出, 通常几乎都是更为优胜的。当然啦, 这种更高水准的质量是跟更高水平的花销相匹配的, 能力越强大价格就越昂贵, 这可是当前普遍存在的实际状况。

然而, 他与此同时也表明并非全部用户一定会有使用最顶级且最强大的模型去完成逐日工作的势在必行性。就少量场景来讲, 数据隐私方面想要保障且成本方面需要进行操控这件事宜能够重要性是会极大概率超过对那种达到极致状态的模型能力的追求的状况的, 而出现这种情况的关键原因恰恰就是混合计算功能之所以存在的核心价值所处于的位置所在之处。

用户可自由调节隐私与能力平衡

“员工”将把混合计算形容成一条“能够调节的尺度”, 着重指出系统会依据所掌握的上下文方面的信息, 试着去推荐最为合适的方案, 然而最终的选择权一直掌控在用户手里。他觉得不同用户群体的需求是存在差别的, 有的人注重隐私安全, 有的人追求性能的上限, 理想的状况是让每一个人都能够找寻到契合自身的平衡点。

这种设计理念展现出对用户体验予以的尊重, 规避了技术提供商强行推行统一标准的行径。借助提供灵活的任务分配选项, 用户能够按照自身状况任意调节隐私保护程度与计算性能彼此间的关系，进而获取更为个性化的AI服务体验。

仅支持Mac且面向高端用户

这一功能, 当下只适用于那种搭载了Apple芯片, 并且运行着macOS 15操作系统的Mac电脑, 官方给出建议, 设备最少得配备32GB统一内存, 以此来确保能够流畅运行。这样一个硬件方面的门槛, 意味着该功能在短时间之内没办法覆盖更为广泛一些的Mac用户群体, 它主要是面向那些具备较强计算资源的高端机型用户。

在用户范围这一方面, 混合计算功能仅仅是针对Pro订阅用户以及Max订阅用户，并且以及企业客户才会开放的。这样的一种策略性限制表明了公司正在优先去服务那些对于数据隐私以及数据安全有着更高要求的付费用户群体, 而并不是面向所有的普通用户去提供这个功能。

对于AI输出的质量以及数据的隐私安全, 你究竟是更加看重前者, 还是更加看重后者？欢迎于评论区之中去分享你自身抱持的这般看法情形, 要是你觉得这一篇文章能够对于你给出助力的话, 那么可千万不要忘记去点赞这个动作, 并且还要把它转发给更多有着这般需求想要用到它的人们！