퍼플렉시티 포터블 컴퓨터, 진짜 로컬 AI 에이전트인가

Perplexity Portable Computer는 클라우드 AI를 PC로 옮긴 제품일까, 아니면 이름만 로컬인 구독 서비스일까. 민감한 코드와 문서를 다루는 Claude Code 사용자에게 이 구분은 곧 비용과 데이터 경계의 문제다. 새 제품이 실제로 어디까지 로컬에서 일하는지 따져봤다.

로컬 실행은 모델보다 넓은 범위를 가리킨다

Perplexity는 8월 25일 Portable Computer를 공개했다. Qwen 3.8 27B와 자체 후학습 모델 PPLX 27B가 NVIDIA DGX Spark에서 구동된다. 오케스트레이터, 플래너, 도구 라우터, 스케줄러, 작업 큐, 로컬 검색 인덱스도 기기 안에서 작동한다.

일반적인 로컬 챗봇과 갈리는 지점은 실행 능력이다. Portable Computer는 파일과 코드를 읽고, 문서를 합치며, 샌드박스에서 명령과 도구를 실행한다. 받아쓰기에도 NVIDIA Nemotron 3.5 ASR을 써서 음성과 파일 작업을 기기에 남긴다.

다만 ‘로컬 우선’과 ‘완전 오프라인’은 다르다.

최신 웹 정보, 브라우저 조작, Google Drive·Gmail·Slack·GitHub 연결, 고급 추론은 외부 서비스를 부른다. Perplexity 설명상 기기 밖으로 내용이 나갈 때 사용자 승인을 받는다. 로컬 모델은 실행 권한을 유지하고, 클라우드 모델은 승인된 문맥을 바탕으로 조언만 돌려준다.

DGX Spark에서 맡길 작업을 이렇게 구성한다

현재 출발점은 아무 노트북이 아니다. 공식 지원 조합은 Linux가 설치된 NVIDIA DGX Spark와 Perplexity Pro 또는 Max 구독이다. NVIDIA 문서상 DGX Spark는 20코어 Arm CPU, Blackwell GPU, 128GB 통합 메모리를 갖췄다. 미국 공식 판매가는 조사 시점 4,699달러다.

사용 순서는 비교적 짧다. Perplexity 앱에서 원클릭 설치를 실행하고 Qwen 3.8 27B나 PPLX 27B를 고른다. 작업 폴더를 연결한 뒤, 입력 자료와 원하는 산출물, 외부 연결 허용 범위를 한 요청에 적는다.

가령 비공개 저장소와 버그 보고 메일을 재료로 줄 수 있다. “밤새 들어온 오류를 GitHub 이슈와 대조하고, 우선순위와 담당 후보를 정리하라”고 맡긴다. 로컬 단계는 코드와 문서를 분석해 목록을 만들고, 승인하면 Slack 전달이나 웹 조사까지 이어간다.

설치가 쉽다는 말은 운영비가 없다는 말과 다르다. 써본 사람들 사이에서는 초기 다운로드와 메모리 점유가 크고, 긴 추론 때 열과 대기 시간이 부담이라는 반응도 있다. 반대로 별도 추론 서버를 연결해 작업별 모델을 바꾸는 유연성을 장점으로 꼽는 의견도 나왔다.

구독은 입장권이고 클라우드 작업은 별도 비용이다

방 논의에서 나온 “Pro가 필요하다”는 경험은 공식 조건과 일치한다. Portable Computer는 Pro와 Max 가입자에게 열려 있다. Education Pro도 검증된 학생과 교육자에게 할인된 Pro 기능을 제공하며 Computer 접근을 포함한다. 공개 도움말은 할인 가격을 고정 숫자로 제시하지 않아 계정 화면에서 확인해야 한다.

로컬 추론은 Computer 크레딧을 쓰지 않는다. 웹 검색이나 클라우드 추론처럼 외부 자원을 부르면 비용 구조가 달라진다. Perplexity 도움말은 100크레딧을 1달러로 안내하며, 소비자 Pro에는 매달 정기 크레딧이 없다. 신규 Pro의 일회성 보너스가 끝나면 필요한 만큼 구매한다.

Max는 월 10,000크레딧을 포함한다. 크레딧이 바닥나면 실행 중인 작업은 취소되지 않고 멈춘다. 로컬 하드웨어를 샀더라도 구독과 외부 호출 비용을 함께 계산해야 하는 이유다.

국내 사용자 커뮤니티에서는 Grok-bot보다 결과물 구성이 만족스러웠다는 의견이 나왔다. 제품 전체의 우열을 입증하는 비교 시험은 아니다. 실제 선택에서는 같은 입력 자료, 허용 도구, 종료 조건을 맞춘 뒤 산출물 정확도와 수정 횟수를 비교해야 한다.

27B 모델의 강점과 한계가 함께 드러났다

Perplexity가 공개한 53개 지식업무 평가에서 Computer와 Qwen 3.8 27B 조합은 82.6%를 기록했다. 같은 모델을 쓴 Pi는 77.6%, Hermes는 74.0%였다. PPLX 27B를 넣으면 85.4%로 올랐다.

수치는 공급자가 만든 내부 평가이며 아직 독립 재현이 없다. 평가 세트 공개도 예고 단계다. 문서 이해 ParseBench-100에서는 Computer가 65.1%로 앞섰지만, 레이아웃 항목은 16.2%에 그쳤다. PDF나 슬라이드의 시각 배치를 맡긴다면 최종 검수가 필요하다.

코딩에서도 로컬 모델의 천장이 보였다. Terminal Bench 2.1에서 로컬 Qwen 조합은 59.6%, Claude Opus 5 단독은 82.4%였다. 승인형 클라우드 조언을 더하자 73.0%까지 올랐다는 것이 Perplexity의 측정이다.

Portable Computer의 핵심은 최고 모델을 이기는 데 있지 않다. 반복적인 파일 분석과 문서 생산을 기기 안에서 처리하고, 어려운 판단만 외부 모델에 넘기는 구조다. 저장소 편집이 중심이면 기존 코딩 에이전트가 더 직접적이지만, 비공개 자료와 메일·문서·업무 앱을 한 흐름으로 묶는 소규모 팀에는 다른 선택지가 생겼다.

구매 판단은 작업량과 데이터 경계에서 갈린다

DGX Spark를 이미 가진 팀은 실험 비용이 낮다. 계약서, 고객 자료, 사내 코드처럼 반출 범위를 매번 통제해야 하고 반복 작업이 많다면 크레딧 없는 로컬 실행이 의미를 갖는다. 반면 가끔 검색하고 코드를 고치는 개인에게 4,699달러 장비와 구독은 과한 진입비다.

RTX PC와 Windows 지원은 공식적으로 예고됐지만 아직 출시 조건이 아니다. macOS 지원 일정도 발표되지 않았다. 지금 Portable Computer를 평가할 질문은 “클라우드를 없앨 수 있나”가 아니다. 우리 업무에서 어떤 자료는 기기에 남기고, 어떤 단계에만 비용을 내며 외부 지능을 부를지 설계할 수 있느냐가 구매를 가른다.