Sinds 14 september draait Perplexity’s AI-agent ook lokaal op Windows. Wat de lancering precies inhoudt, staat in ons nieuwsbericht. Hier gaat het om de vraag die daarna komt: is dit iets voor jouw bedrijf, of kijk je beter naar iets anders?
Wat het is
Portable Computer is geen chatvenster. Het is een agent die een opdracht in stappen uitvoert, en die stappen zelf bepaalt: een map openen, documenten doornemen, uitschieters markeren, een overzicht schrijven, het resultaat naar Slack of een Word-bestand sturen. Het verschil met de cloudversie is waar dat gebeurt. Hier draait het model op je eigen videokaart en blijven je bestanden op je eigen schijf.
Dat maakt het een tool met een heel specifiek koopmotief. Je koopt geen slimmere AI. Je koopt een grens om je data heen.
Voor wie dit geschikt is
Drie voorwaarden moeten tegelijk gelden.
Je verwerkt documenten die je liever binnenboord houdt. Klantdossiers, contracten, personeelsstukken, financiële administratie. Werk waarvoor je anders een verwerkersovereenkomst zou moeten regelen en je afvraagt waar de server staat.
Er staat al geschikte hardware. Een GeForce RTX of RTX PRO met minstens 24 GB videogeheugen. In de praktijk: een RTX 3090, 3090 Ti, 4090 of 5090, of een RTX PRO 4000 en hoger. Dat soort kaarten staat meestal al ergens als er wordt gerenderd, gemonteerd, getekend of ontwikkeld.
Het werk herhaalt zich. Een agent verdient zich terug op batches en op taken die elke week terugkomen. De Windows-versie kreeg daar geplande terugkerende taken voor.
Beginner-tip:videogeheugen (VRAM) is niet hetzelfde als het werkgeheugen van je pc. Een computer met 32 GB RAM kan prima een videokaart met 8 GB VRAM hebben, en dan haal je de drempel niet. Kijk in Taakbeheer onder Prestaties bij je GPU naar “toegewezen GPU-geheugen”, of zoek het model van je kaart op.
Voor wie dit niet geschikt is
Werk je op laptops, dan valt het af. De geheugendrempel sluit vrijwel alle mobiele hardware uit, met hooguit een enkele uitzondering aan de allerbovenkant.
Zit je op Apple-hardware, dan ook. Bij de lancering zei Perplexity zich volledig op NVIDIA te richten, en Apple-silicon stond niet in de plannen. Dat is opvallend, want juist daar zit een grote groep mensen die lokale modellen draait.
En stel je vooral losse vragen in plaats van hele mappen te verwerken, dan betaal je voor een laag die je niet gebruikt. Dan is de gewone cloudversie goedkoper en makkelijker.
Wat het onderscheidt van Ollama
Deze vergelijking komt het vaakst langs en berust op een misverstand. Ollama en Portable Computer zitten op verschillende lagen.
Ollama draait een model op je machine. Klaar. Portable Computer levert het model plus alles eromheen: de planning, het aanroepen van tools, de koppelingen met Word, Google Drive, Gmail, Slack en GitHub, en de afscherming waarin dat draait. Onder de motorkap gebruikt het vLLM voor de inference, met een geavanceerde modus waarin je je eigen endpoint kunt aansluiten.
Wie graag zelf sleutelt, komt met Ollama plus een open-source harnas als Pi, Hermes of OpenClaw een heel eind, en betaalt in tijd. Wie wil dat het gewoon werkt, betaalt hier voor het samenstellen. Dat is een legitieme keuze, geen zwakte van een van beide.
Wat we niet weten
De prestatiecijfers die rondgaan komen allemaal van Perplexity zelf. Op de eigen Local Knowledge Work Bench van 53 taken scoorde het systeem met Qwen 3.8 27B 82,6%, tegen 77,6% voor Pi en 74,0% voor Hermes met hetzelfde model. Met Perplexity’s nagetrainde PPLX 27B werd dat 85,4%.
Dat kan kloppen. Het is alleen een fabrikant die zijn eigen product meet tegen concurrenten, en dat is zelden de hele waarheid. Perplexity zegt de benchmark open te willen stellen. Tot dat gebeurt en iemand anders het natrekt, zijn dit indicaties.
Eén ding erkent het bedrijf zelf wel: kleine lokale modellen blijven achter op zware redeneertaken. Op een lastige codeer-benchmark haalde het lokale model 59,6%, met cloudhulp 73,0% en een frontier-model alleen 82,4%. Opschalen naar de cloud dicht het gat deels en niet helemaal.
Praktisch advies
Heb je de hardware al staan, plan dan deze week een uur in. Neem een echte klus die je vaak doet, laat de agent hem draaien en kijk wat er uitkomt. Dat zegt meer dan elke benchmark.
Heb je de hardware niet, wacht dan. NVIDIA kondigde voor oktober RTX Spark Windows-pc’s van Lenovo en Acer aan, en het aanbod op dit niveau wordt sneller breder dan de prijzen suggereren. Een GPU kopen om een tool te proberen is een investering met de verkeerde volgorde.