Perplexity「Hybrid Compute」発表 Mac向けにプライバシー重視のAIエージェント機能

Perplexity「Hybrid Compute」発表 Mac向けにプライバシー重視のAIエージェント機能

要点: Perplexityは2026年9月1日、Mac(Apple Silicon)向けデスクトップエージェント「Computer」に、タスクをクラウドのフロンティアモデルとMac上のローカルモデルに分割して処理する新機能「Hybrid Compute」を発表した。氏名・住所・認証情報などの個人識別情報(PII)をオンデバイスで検出し、クラウド送信前にユーザーへ選択肢を提示する「Privacy Gate」が中核をなす。

同時に、長時間の会話全体でPII検出の一貫性を測る13言語対応ベンチマーク「PII-TRACE」と、軽量なオープンソース検出モデル「PII-Tracer」も公開された。

LLMO/GEO実務の観点では、法律・金融・PEなど機密データを扱う専門職領域でPerplexity Computerの導入障壁が下がる可能性があり、「AIに引用されるか」だけでなく「AIエージェントが実際に情報を取得・比較・行動できる構造か」がより重要になっていくと考えられる。

最終更新日: 2026年09月02日

---

何が起きたのか

Hybrid Computeの発表

2026年9月1日、Perplexityは自社ブログ記事「Introducing Hybrid Compute on Mac」で、Mac(Apple Silicon)向けデスクトップエージェント「Computer」に新機能「Hybrid Compute」を追加したことを発表した。9to5Mac、VentureBeat、Engadget、MacStoriesといった海外テックメディアも同日〜翌日にかけて相次いでこれを報じている。

Hybrid Computeの基本的な仕組みは、1つのタスクをクラウド側のフロンティアモデルとMac上で動くローカルモデルの間で分割して処理するというものだ。具体的には、クラウド側のオーケストレーションモデルがユーザーのプロンプトを受け取り、タスクをサブタスクへと分解する。このうち、Web調査・長期的なプランニング・重い推論といった処理はクラウド側で実行される一方、プライベートファイルの参照・ローカルデータの読み書き・デバイス上での操作に触れる部分は、Mac上で動作するローカルのサブエージェントに委譲される。VentureBeatの報道によれば、クラウド側のオーケストレーションにはClaude Opus 5やGPT-5.6 Solといったフロンティアモデルが用いられる。

つまり、これまでPersonal Computer(Computer)がタスクの推論・意思決定のほぼすべてをクラウド側で完結させていた設計(本サイトで既報のPerplexity「Personal Computer」Windows対応を参照)から一歩進んで、機密性の高い処理をローカルに残せる選択肢が加わった形になる。

中核をなす「Privacy Gate」という仕組み

Hybrid Computeの中心的な仕組みが「Privacy Gate」と呼ばれるオンデバイスの分類器だ。これは、タスクの実行過程でMacからクラウドへデータが送信される前に、その内容に個人識別情報(PII)が含まれていないかをスキャンする機能である。検出対象として明示されているのは、氏名・住所・アカウント番号・認証情報・クレジットカード番号・政府発行IDといった項目だ。

Privacy Gateが機密情報を検出した場合、ユーザーには次の3つの選択肢が提示される。

1. そのタスクをMac上にとどめる(クラウドへ送信しない)
2. 該当箇所をマスクした上でクラウドへ送信する
3. マスクせずそのままクラウドへ送信する

特に機微度が高いと分類される情報――認証情報・クレジットカード番号・政府発行IDなど――については、検出されると実際の値がスタンドイン(代替値)に置き換えられた状態でクラウドへ送信され、クラウド側から回答が返ってきた段階で元の値に復元される仕組みになっている。ユーザーが気づかないうちに機密情報がそのままクラウドに渡ってしまうことを防ぐ設計だ。

ローカルモデルの選択肢とリソース可視化

Hybrid Computeでローカル処理に使われるモデルの選択肢としては、Gemma(E4Bまたは2B。表記は情報源によって若干異なる)、Qwen3.6 35B-A3B、そしてPerplexityが独自に事後学習(ポストトレーニング)を施したQwen3.6 35Bのバリアントなどが挙げられている。ユーザーはこれらのローカルモデルの中から用途に応じて選べる形になっているとみられる。

あわせて、Mac上でのCPU・GPU・メモリ使用状況をリアルタイムで可視化する画面も用意されている。ローカルモデルによるトークン生成は、クラウドクレジットを消費せず、APIキーも不要という点も特徴として挙げられている。ユーザーは処理がどの程度ローカルで完結しているか、リソースをどれだけ使っているかを目視で確認しながら使うことができる。

想定されているユースケース

Perplexityが例示するユースケースとしては、次のようなものが挙げられている。

• 弁護士が機密性の高いクライアントの案件資料と判例を突き合わせて調査する
• プライベートエクイティ(PE)企業が非公開の財務資料を扱いながらプレゼンテーション資料を更新する
• iPhoneから開始した価格調査を、ローカルに保存された非公開データと組み合わせる

いずれも、「クラウドに送りたくない機密データ」と「クラウド側の強力な推論能力によるリサーチ・分析」を組み合わせたいというニーズを想定した例だ。

エンタープライズ向けの管理機能

Enterprise向けには、組織全体の機密度ポリシーを設定できる管理者向け機能と、監査ログへのアクセスが提供される。管理者が組織単位でどの情報をクラウドに出してよいか、どのレベルの機密情報を検出対象とするかといったポリシーを一元的に設定できるようにする仕組みとみられる。

システム要件と提供範囲

Hybrid Computeの利用にはApple Silicon搭載のMac、macOS 15以上、そして統合メモリが最小24GB(推奨32GB以上)であることが必要とされている。ローカルモデルをMac上で動かす都合上、一定以上のメモリ容量が求められる形だ。

提供対象はPro・Max・Enterpriseの各サブスクライバーで、Perplexityの Mac アプリ上で2026年9月1日から利用可能になっている。

Perplexity担当者のコメント

VentureBeatなどの報道によれば、Perplexityの担当者であるJon Staff氏は、フロンティアモデルの性能は依然としてローカルモデルより優れているとしつつも、プライバシーやコストが最大性能よりも優先される場面ではユーザー自身が選択できることが重要だ、という趣旨のコメントを寄せている。すべてのタスクをクラウドの最強モデルに委ねるのではなく、状況に応じてローカル処理とクラウド処理を使い分けられる「選択肢」を提供することが、今回のHybrid Computeの狙いだと位置づけられる。

同時発表: PII-TRACEとPII-Tracer

今回の発表には、Hybrid Computeそのものに加えて、関連するベンチマークとオープンソースモデルの公開も含まれている。

1つ目は「PII-TRACE」と呼ばれるベンチマークだ。これは、単発の入力だけでなく、長時間に及ぶ会話全体を通じてPII検出がどれだけ一貫して行えるかを測定するために設計されたもので、13言語に対応し、13,148件の合成ユーザー・アシスタント会話から構成されている。単純な一問一答形式のPII検出ではなく、会話が長く続く中で以前のやり取りに含まれていたPIIをどれだけ見落とさずに扱えるかという、より実務に近い評価軸を持つベンチマークだと位置づけられる。

2つ目は「PII-Tracer」と呼ばれる軽量な検出モデルで、Qwen3をバックボーンとした0.6Bパラメータの双方向エンコーダとしてオープンソース公開された。ローカルで動作する軽量モデルであるため、Hybrid ComputeのPrivacy Gateのような、デバイス上でのリアルタイムPII検出処理と親和性が高い設計だと考えられる。

これらPII-TRACEとPII-Tracerは、いずれもPerplexity Secure Intelligence Instituteとの共同開発によるものとされている。

技術的に不明な点

なお、本稿の執筆にあたって確認した情報源には、Hybrid Compute利用時にクラウドへ送信されるネットワークリクエストの送信元IPアドレスや、Webサイト運営者側からそのアクセスがどのように識別されるか(クローラー・ボットとしての識別方法など)についての記載は見当たらなかった。これらの技術的な詳細については、現時点では公開情報がなく不明であり、今後の検証が必要な事項として扱うべきである。断定的な情報として書くことは避け、本稿でも推測は行わない。

---

背景・経緯: 検索エンジンからエージェント基盤への転換

Hybrid Computeの発表を正しく理解するには、Perplexityがここ半年余りで「Computer」を段階的に拡張してきた経緯を振り返る必要がある。本サイトが過去に報じてきた内容を時系列で並べると、次のような流れになる。

まず2026年3月、PerplexityはAIデスクトップエージェント「Personal Computer」をMac版として初回リリースした。この時点では、ローカルファイルとWeb全体を横断してタスクを代行実行するという基本コンセプトが打ち出されたものの、対応OSはMacに限定されていた。

続いて2026年7月27日、Perplexityは信頼性まわりの機能(回答内の主張を根拠と突き合わせて検証する「Check Sources」、引用元と回答を並行表示する「Source Context Panel」)とエンタープライズ向けの管理機能(カスタムロール・権限設定・API認証情報・セッション管理ツールなど)を一括でアップデートした。その翌日の7月28日には、Personal ComputerのWindows版が一般提供開始となり、対応デバイス数が一気に10億台超のWindows機に拡大した(既報:Perplexity「Personal Computer」Windows対応)。この段階でのアーキテクチャは、AIの推論・意思決定のほぼすべてをPerplexityのクラウドサーバー上で行い、オーケストレーターモデルがタスクをサブタスクに分解した上で20以上のモデルの中から最適なものを割り振るという、クラウド完結型のハイブリッド構造だった。ローカル側はあくまでタスクの説明とコンテキストをクラウドへ送信する窓口という位置づけであり、機密データそのものをローカルで処理し続けるという発想は、この時点ではまだ実装されていなかった。

さらに2026年8月には、Nvidiaが評価額300億ドル超でPerplexityへの出資を協議しているとの報道が相次いだ(既報:Nvidia、Perplexityに評価額300億ドル超で出資協議)。この報道自体はあくまで出資協議の段階に関するものだが、Perplexityが検索エンジンとしての売上規模を超えた評価を集めている背景として、Computerのようなエージェント製品によるエンタープライズ市場への浸透が期待材料の一つになっていると考えられる。

そして今回、2026年9月1日のHybrid Computeの発表は、この一連の流れの中に位置づけると、「クラウド完結型のエージェント」から「機密データはローカルに残しつつクラウドの推論力も併用するエージェント」への進化として理解できる。7月時点でのアーキテクチャが抱えていた「機密データをクラウドに送りたくない」という導入障壁に、9月になって初めて本格的に対応した形だ。検索エンジンとして出発したPerplexityが、企業の機密性の高い実務作業に食い込むための基盤整備を、半年余りかけて段階的に積み上げてきたことがうかがえる。

---

海外メディアの論調とオンデバイスAIのトレンド

Hybrid Computeの発表を報じた海外テックメディアの論調を見ると、いずれも「プライバシーを重視した設計」という点を見出しや記事の主眼に据えている。9to5MacはHybrid Computeを「プライバシーを意識した」機能として紹介し、VentureBeatは見出しで「ファイルはそのまま、機密データをクラウドから遠ざける」という表現を用いている。Engadgetも「機密性の高いタスクをクラウドとローカルAIの間で分割する」という技術的な枠組みを中心に据えて報じており、いずれの記事も「性能の最大化」よりも「プライバシーの担保」を今回の発表の核心として位置づけている点で共通している。

この論調は、AI業界全体で近年強まっているオンデバイスAI・プライバイシー重視の潮流とも軌を一にする。クラウドの大規模モデルに全面的に依存するのではなく、機密性の高い処理の一部を手元のデバイス上で完結させるという設計思想は、スマートフォンやPCメーカー各社が近年強調してきた方向性でもある。Perplexityが検索・エージェント企業としてこの潮流に本格的に乗り出したことは、AI企業各社が「性能」だけでなく「どこでどうデータを処理するか」という設計方針そのものを競争軸にし始めていることを示す一例だと捉えることができる。

なお、本稿で確認した情報源の範囲では、GartnerなどITリサーチ企業による今回のHybrid Compute発表への直接的な言及は確認できていない。業界アナリストの評価・格付けについては、今後の追加報道を待つ必要がある。

---

aiseo-llmo.com ユーザーへの影響

以下は編集部としての考察であり、断定的な事実ではなく「〜と考えられる」「〜可能性がある」という留保付きで読んでいただきたい。

「機密データをクラウドに送りたくない」という導入障壁への対応

Perplexityは、検索エンジンから「Computer」のようなエージェント型製品への転換を続けてきた。2026年3月のPersonal Computer初回ローンチ、7月のWindows版展開(既報:Perplexity「Personal Computer」Windows対応)と、対応デバイス・対応OSを段階的に広げてきた流れの延長線上に、今回のHybrid Computeは位置づけられる。

これまでのPersonal Computer/Computerは、タスクの推論・意思決定のほぼすべてをクラウド側で処理する設計だったため、「機密性の高い業務データをクラウドに送りたくない」という懸念が、法律事務所・金融機関・プライベートエクイティ企業といった機密性の高い情報を扱う業種でのエージェント導入における実務的な障壁になっていたと考えられる。Hybrid Computeは、この懸念に正面から応える機能追加だと位置づけられる。

専門職・BtoB領域でのAI検索・エージェント利用が広がる可能性

弁護士・プライベートエクイティ・金融といった、これまでAI検索最適化(LLMO/GEO)の優先度が相対的に低かったとみられる業種において、機密データを扱いながらもPerplexity Computer経由での比較検討・リサーチ行動が増えていく可能性がある。たとえば、法律事務所が判例調査の一部をComputerに任せつつ、クライアントの機密資料自体はローカルに留め置いたまま作業を進める、といった利用形態が想定しうる。

こうした業種でエージェント経由のリサーチ・比較検討行動が増えるのであれば、これまでLLMO/GEO対策にあまり力を入れてこなかった士業・金融・コンサルティングといった専門サービス業種にとっても、AIエージェントに情報を発見・参照されるための構造整備が今後の検討課題になっていく可能性がある。

Nvidia出資協議とも符合するエンタープライズ戦略

本サイトで既報の通り、2026年8月にはNvidiaがPerplexityへの出資を評価額300億ドル超で協議しているとの報道があった(既報:Nvidia、Perplexityに評価額300億ドル超で出資協議)。今回のHybrid Computeのようなプライバシー・エンタープライズ機能の強化は、こうした資本市場での評価の高まりとも符合する、エンタープライズ・専門職市場への本格参入戦略の一環として位置づけられると考えられる。企業の機密度ポリシー設定や監査ログといったEnterprise向け機能が今回同時に用意されていることも、単なる個人ユーザー向けの利便性向上ではなく、組織単位での導入を見据えた設計であることを裏付けている。

「発見される」だけでなく「実行させられる」構造の重要性がさらに高まる

Perplexity Computerのようなエージェントが実際にサイトを訪問し、情報を取得・比較・行動するという利用形態が業種を問わず広がっていくのであれば、コンテンツ制作・サイト設計の観点でも、単に「AIの回答で引用されるか」だけでなく、「AIエージェントが実際に情報を取得・比較・行動できる構造になっているか」がLLMO/GEO対策としてより重要になっていくと考えられる。具体的には、価格表・スペック比較表・FAQ・構造化データが機械可読な形で整備されているかどうかが、エージェントに正確な情報を提供できるかを左右する要素になる。

特に、機密性の高い業種(法律事務所の相談メニュー、金融機関の商品比較、PEファームの投資基準など)では、エージェント経由でのリサーチ・比較検討が増えるほど、自社の公開情報(料金体系・サービス内容・実績・専門分野)が検証可能な一次情報として整理されているかどうかが、比較検討の俎上に乗るかどうかを左右する可能性がある。

業種別の実務インパクト

• 法律事務所・士業: 判例・法令情報や専門解説記事が、構造化された形で公開されているか(条文・判例番号・出典の明記など)が、エージェント経由の調査で参照されやすさに影響しうる。クライアントの機密情報自体はローカルに留まる前提のため、事務所側が公開している専門情報の整備が重要度を増す可能性がある。
• 金融・プライベートエクイティ: 非公開の財務資料を扱いながらの利用が想定されているため、公開されている市場データ・商品情報・レポート類が、エージェントによる比較調査で参照されやすい構造(表形式のデータ、更新日の明記など)になっているかが問われる。
• コンサルティング: 業界動向・調査レポートなど専門性の高いコンテンツが、根拠となる一次情報とともに検証可能な形で提示されているかが、エージェント経由での引用・参照可能性に影響しうる。
• 一般企業のBtoBマーケティング担当者: 直接的に機密データを扱う業種でなくても、取引先の担当者が機密情報を含む社内資料とオンラインの製品比較調査を組み合わせて使うシーンが増える可能性がある。自社の料金表・仕様比較・導入事例が機械的に読み取りやすい形で公開されているかどうかを点検しておく価値がある。
• SEO/GEOツールベンダー・代理店: クライアントへの提案において、「AIに引用されるための対策」に加えて、「AIエージェントに実際に情報を取得・比較・行動させるための構造」という新しい観点をサービスメニューに組み込む余地が広がっていく可能性がある。

---

今すぐできる対応策

• 自社サイトの価格表・料金体系ページが、表形式など機械的に読み取りやすい構造になっているか確認する
• スペック比較・製品比較のページが、項目名・数値・単位を明確にした構造(表・定義リストなど)で提供されているか点検する
• FAQセクションが、想定される質問と直接的な回答のペアとして明確に構造化されているか確認する
• 構造化データ(Product、FAQPage、Organizationなど)がPerplexity Computerのようなエージェントにとって参照しやすい形で実装されているか、Search Console等で確認する
• 法律・金融・コンサルティングなど機密性の高い業種の場合、自社が公開している専門解説・実績・料金情報が、一次情報として検証可能な形(出典・根拠明示)で整理されているか見直す
• 自社が機密性の高いクライアントワークを扱う業種であれば、Hybrid ComputeのようなプライバシーAI機能がクライアントとの取引にどう影響しうるか(先方の情報システム部門・コンプライアンス部門からの問い合わせ増加など)を想定しておく
• Perplexity Computer経由のアクセス・言及状況を計測する体制がまだない場合、今回のHybrid Computeのような機能強化を機に、モニタリング体制の整備を検討する
• Perplexity公式ブログ、9to5Mac、VentureBeat等の海外テックメディアを継続的にウォッチし、Hybrid ComputeのWindows版展開や機能拡張の有無を注視する

---

今後の見通し

現時点で見えている論点を整理すると、今後の焦点は主に次の3点に集約されると考えられる。

Windows版・他プラットフォームへの展開の有無: Hybrid Computeは現時点でMac(Apple Silicon)専用の機能として発表されており、Windows版のPersonal Computer/Computerに同様の機能が展開されるかどうかは明らかになっていない。Windows版は2026年7月にすでに10億台超のデバイスへ展開されているため、もしHybrid Computeに相当する機能がWindows版にも実装されれば、対象ユーザー数は一気に拡大することになる。この点は今後の発表を注視する価値がある。

他社(ChatGPT・Gemini等)への波及の有無: オンデバイスAI・プライバシー重視という設計思想自体は業界全体で見られる傾向だが、本稿執筆時点でOpenAIやGoogleが同種の「クラウド・ローカル分割型」のエージェント機能を発表したという事実は確認できていない。今後、競合他社が追随する形で類似機能を打ち出すのか、それともPerplexity独自のポジショニングとして差別化が続くのかは、エンタープライズ市場での各社のシェア争いにも影響しうる論点だと考えられる。

エンタープライズ市場でのPerplexityの立ち位置: Nvidiaとの出資協議報道(既報参照)と今回のHybrid Computeの発表を重ねて見ると、Perplexityが単なる個人向けAI検索エンジンから、機密データを扱う専門職・エンタープライズ市場向けのプラットフォームへと軸足を移そうとしている流れが、より明確になってきていると考えられる。今後、法律・金融・PEといった業種での具体的な導入事例が公表されるかどうかが、この戦略の実効性を測る材料になっていくとみられる。

いずれの論点についても、現時点では断定できる材料は限られている。過剰に反応して自社のLLMO/GEO施策全体を作り変えるのではなく、Perplexity Computer経由のアクセス・言及状況を継続的にモニタリングしつつ、価格表・スペック比較・FAQ・構造化データといった「エージェントに実際に使われる」ための基礎的な情報設計を着実に整えていくという、地に足の着いた対応が現時点では妥当だと考えられる。

---

よくある質問

Q1. Hybrid Computeとは何ですか?

Perplexity Computerのタスクを、クラウドのフロンティアモデルとMac上のローカルモデルに分割して処理する新機能だ。機密性の高い部分はローカルで処理し、Web調査など重い推論が必要な部分はクラウドで処理する仕組みになっている。

Q2. どのMacで使えますか?

Apple Silicon搭載のMacで、macOS 15以上、統合メモリ最小24GB(推奨32GB以上)が必要とされている。これらの要件を満たさない古いMacやIntel搭載Macでは利用できないとみられる。

Q3. 料金プランはどうなっていますか?

Pro・Max・Enterpriseの各サブスクライバーが対象で、2026年9月1日からPerplexityのMacアプリ上で利用可能になっている。追加料金の有無など詳細な課金体系については、本稿で確認した情報源の範囲では明記されていない。

Q4. Privacy Gateとは何ですか?

タスクがMacからクラウドへ送信される前に、氏名・住所・アカウント番号・認証情報・クレジットカード番号・政府発行IDなどの個人識別情報(PII)をオンデバイスでスキャンする分類器だ。検出時にはタスクをMac上にとどめる、該当箇所をマスクする、そのまま送信するの3択が提示される。

Q5. PII-TRACEとは何ですか?

長時間に及ぶ会話全体を通じたPII検出の一貫性を測定するために設計された、13言語対応・13,148件の合成会話から構成されるベンチマークだ。Perplexity Secure Intelligence Instituteとの共同開発で、Hybrid Computeと同時に公開された。

Q6. ローカルモデルの性能はクラウドのフロンティアモデルより落ちるのですか?

Perplexity担当者のJon Staff氏は、フロンティアモデルの性能は依然としてローカルモデルより優れているという趣旨のコメントを寄せている。ただし、プライバシーやコストが最大性能より優先される場面では、ユーザーがローカル処理を選べること自体に価値があるという位置づけだ。

Q7. Windows版のPerplexity Computerでも同様の機能が使えますか?

現時点で確認できる情報源の範囲では、Hybrid ComputeはMac(Apple Silicon)向けの機能として発表されており、Windows版への展開時期や予定については言及がない。本稿執筆時点では不明であり、今後の発表を待つ必要がある。

Q8. LLMO/GEO対策への影響はどう考えればよいですか?

機密性の高い業種でPerplexity Computer経由のリサーチ・比較検討行動が増える可能性があり、「AIに引用されるか」だけでなく「AIエージェントが実際に情報を取得・比較・行動できる構造か」(価格表・スペック比較・FAQ・構造化データの整備)がより重要になっていくと考えられる。ただしこれは編集部としての考察であり、断定できるものではない。

Q9. ChatGPTやGeminiも同様のプライバシー重視のオンデバイス機能を導入する見込みはありますか?

本稿で確認した情報源の範囲では、ChatGPTやGeminiが同種の機能を発表したという事実は確認できていない。オンデバイスAI・プライバシー重視の流れは業界全体で見られる傾向ではあるが、他社が追随するかどうかは現時点では不明であり、憶測を避けたい。

Q10. Hybrid Compute利用時、Webサイト側からはどのようにアクセスが見えますか?

本稿執筆時点で確認できた情報源には、Hybrid Compute利用時のネットワークリクエストの送信元IPアドレスや、サイト運営者側からのクローラー識別方法についての記載は見当たらなかった。現時点では公開情報がなく不明であり、今後の検証が必要な事項である。

---

関連記事

ピラー記事

• LLMOとは？AI検索対策の5要素と30日プラン【2026年完全ガイド】 — LLMOの基本概念からPerplexityを含む各AI検索エンジンへの対応まで体系的に解説
• AI検索最適化（AIO/LLMO）完全ガイド — 各AI検索エンジンへの統合的な対策方針

クラスター記事

• Perplexity「Personal Computer」Windows対応——検索からエージェント基盤へ — Computerエージェントの前回展開(Windows版ローンチ)の詳細
• Nvidia、Perplexityに評価額300億ドル超で出資協議――AI検索エンジンへの資本集中 — Perplexityのエンタープライズ・資本戦略の文脈
• Perplexity Computerとは？マルチモデルAIエージェントの実像とLLMOへの影響 — Computerの基本的な仕組みとLLMO実務への影響の一般解説

用語集

• 用語集: Perplexity — Perplexityというプロダクト自体の基礎解説
• 用語集: LLMO（大規模言語モデル最適化） — 生成AI時代の検索対策の基礎用語
• 用語集: GEO（Generative Engine Optimization） — 生成AI検索エンジン最適化の考え方