Em meados de setembro de 2026, a Perplexity disponibilizou o Portable Computer para Windows compatível com determinadas GPUs NVIDIA. O agente executa as tarefas localmente por padrão e pode pedir autorização antes de enviar uma etapa específica para modelos na nuvem. Em 20 de setembro, Adel el Hallak, vice-presidente de produto da NVIDIA, descreveu a expansão da IA local para o uso doméstico — uma visão que combina hardware com muita memória, runtimes de IA e agentes capazes de trabalhar na rede da casa.
A mudança não transforma qualquer computador em um laboratório de IA. Ela cria uma escolha mais clara: manter determinados modelos e arquivos no ambiente local, aceitar as limitações de velocidade e compatibilidade e recorrer à nuvem quando uma tarefa exigir raciocínio avançado ou pesquisa na web.
A IA local deixa de ser apenas um projeto para desenvolvedores
A NVIDIA organiza sua proposta em torno de três peças: computadores com GPUs capazes de executar modelos, ferramentas de software como CUDA e runtimes locais e agentes que transformam essa infraestrutura em uma experiência mais acessível.
O NVIDIA DGX Spark é o exemplo mais direto. Já o NVIDIA RTX Spark leva a mesma ideia a notebooks e desktops com Windows 11. No lado do software, a NVIDIA lista ambientes como Ollama, llama.cpp, TensorRT, SGLang, vLLM, WindowsML e PyTorch com CUDA para a execução de modelos locais.
A Perplexity acrescenta uma camada voltada ao uso cotidiano. O Portable Computer para Windows exige uma GPU NVIDIA GeForce RTX ou RTX PRO com pelo menos 24 GB de VRAM e usa localmente o modelo PPLX 27B na configuração descrita pela empresa. Quando uma tarefa precisa de pesquisa na web ou de raciocínio avançado, o sistema pode solicitar autorização para encaminhar aquela etapa a modelos na nuvem; essa ação consome créditos do Computer.
O que o NVIDIA DGX Spark realmente oferece
O NVIDIA DGX Spark combina o superchip GB10 Grace Blackwell com 128 GB de memória unificada coerente, 4 TB de armazenamento NVMe e uma CPU Arm de 20 núcleos. A NVIDIA também informa largura de banda de memória de 273 GB/s e até 1 PFLOP de desempenho teórico em FP4 com esparsidade.
A empresa afirma que o equipamento pode fazer inferência com modelos de até 200 bilhões de parâmetros e ajuste fino de modelos de até 70 bilhões de parâmetros. Esses números descrevem a escala de modelos que a plataforma pretende comportar; não são uma medida única de velocidade, latência, qualidade de quantização ou experiência em cada aplicativo.
Essa distinção é importante. Memória determina se um modelo consegue caber no sistema, enquanto largura de banda e arquitetura influenciam a rapidez com que os dados circulam. Um equipamento capaz de carregar um modelo grande não necessariamente o executará com a mesma velocidade de uma GPU dedicada em um modelo menor.
O sistema usa NVIDIA DGX OS, não Windows. Ele mede 150 × 150 × 50,5 mm, pesa 1,2 kg e tem fonte de alimentação de 240 W; o GB10 aparece com TDP de 140 W nas especificações da NVIDIA.
NVIDIA DGX Spark e RTX Spark: duas formas de executar IA local
| Sistema | Memória unificada | Sistema operacional | Papel documentado |
| NVIDIA DGX Spark | 128 GB LPDDR5x | NVIDIA DGX OS | Desenvolvimento local, inferência e ajuste fino de modelos em um desktop compacto |
| NVIDIA RTX Spark | Até 128 GB LPDDR5X na configuração superior descrita | Windows 11 | IA local, agentes, jogos, criação de conteúdo e tarefas convencionais de PC |
A diferença mais útil está no formato e no ambiente de uso. O DGX Spark é uma máquina dedicada à computação de IA local, enquanto o RTX Spark foi descrito pela NVIDIA como uma plataforma para notebooks e desktops Windows 11. Nos notebooks RTX Spark, as configurações listadas têm TDP entre 45 W e 80 W; a configuração de desktop aparece com TDP de 140 W.
A NVIDIA descreve o RTX Spark com uma GPU Blackwell RTX de até 6.144 núcleos e uma CPU Grace de 20 núcleos. A memória unificada de até 128 GB pertence à configuração superior indicada pela empresa, não a todos os modelos ou variantes.
O software transforma hardware em uma ferramenta utilizável
A capacidade de executar um modelo é apenas o começo. Para uso doméstico, o usuário também precisa carregar modelos, conectá-los a agentes, administrar memória e acessar o computador de outro dispositivo.
O fluxo demonstrado no DGX Spark inclui modelos Qwen, LM Studio, Claude Code, Tailscale e Open WebUI. Ele mostra um uso prático para programação e acesso remoto, inclusive a partir de outro computador. Essa abordagem é diferente de tratar a máquina como uma estação de trabalho comum: o equipamento pode funcionar como um servidor pessoal de modelos dentro da rede doméstica.
O NVIDIA PAIR, sigla de Personal AI Router, amplia essa lógica para várias máquinas compatíveis. Ele encaminha solicitações de inferência entre computadores com Windows 11, NVIDIA DGX OS, Ubuntu ou macOS Tahoe, conforme as plataformas listadas pela NVIDIA. O software pode trabalhar com mecanismos como Ollama e LM Studio.
O ponto decisivo é que o PAIR não soma a VRAM de vários computadores. Ele distribui tarefas e requisições entre sistemas separados. Assim, uma máquina pode atender uma solicitação enquanto outra executa uma tarefa diferente, mas um modelo que não cabe em um computador não passa automaticamente a caber porque há outro computador na rede.
O que se ganha — e o que continua sendo um compromisso
Executar IA localmente pode manter prompts e arquivos dentro da rede da casa e dar ao usuário controle direto sobre o modelo instalado. Também permite trabalhar sem depender de uma conexão para cada etapa que o modelo local consegue realizar.
O custo dessa autonomia aparece em outras áreas. Modelos maiores exigem mais memória, a velocidade depende do workload e da arquitetura e a instalação de runtimes, agentes e integrações ainda pode exigir conhecimento técnico. A própria arquitetura do DGX Spark separa capacidade de memória de throughput: seus 128 GB ampliam o espaço para modelos, enquanto os 273 GB/s de largura de banda são uma característica diferente.
A nuvem continua relevante quando a tarefa depende de pesquisa atual na web, de modelos mais avançados ou de uma capacidade que o equipamento doméstico não consegue oferecer. No Portable Computer, essa transição é explícita: a execução começa localmente e uma etapa pode ser encaminhada para a nuvem mediante autorização.
O que isso significa para quem quer IA em casa
Para programação local, automação, experimentos com modelos grandes e arquivos que o usuário prefere manter na própria rede, a combinação de memória unificada, runtimes e agentes torna a proposta mais concreta. O DGX Spark atende ao perfil de uma máquina dedicada; o RTX Spark aproxima a mesma ideia do notebook ou desktop Windows; e o Portable Computer tenta esconder parte da complexidade atrás de um agente.
A NVIDIA está, portanto, montando um ecossistema de IA local — não apenas lançando um computador compacto. A escolha entre processamento doméstico e nuvem passa a depender do modelo, da memória disponível, da velocidade desejada e do tipo de tarefa executada.
