Perplexity製モデルの正体。検索屋が「手元で働くAI」まで持ち込んだ

まず初めに

IT Postでは、この動きを「検索屋が、ついにエンジンの調整まで始めた」と見る。これまでは遠くの立派なAIへ資料を運び、回答を待ち、また資料を運ぶ。便利ではある。だが、毎回タクシーで隣の部屋へ行くような仕事まで、全部クラウドへ往復させる必要があるのか。Perplexity製モデルが狙うのは、机の上で済む仕事を、机の上で片付けることだ。世界最強の王冠より、まず今日の書類。その割り切りが面白い。

※個人の感想です

「Perplexity Model」は一つの名前でまとめない

AIのモデルとは、学習によって得た大量の数値を使い、入力に応じた出力を作る仕組みです。文章を読み書きする大規模言語モデルも、その一種です。数値の集まりは「重み」と呼ばれ、ローカル実行では対応するソフトが重みファイルを読み込んで計算します。

今回のComputer向けモデルを、Perplexityの検索サービス全体や、検索APIのモデルと同一視するのは適切ではありません。また、個人情報の位置を見つける「PII-Tracer」とも役割が違います。こちらは資料を読んだり、道具を使って作業を進めたりする側です。

確認した資料は、次のように分けて読む必要があります。

確認対象	分かること	それだけでは分からないこと
PPLX 27Bの研究解説	Qwen 3.8 27Bへの追加学習と評価	公開ファイル全版との一致
Computer向け27B GGUF版	モデルファイルと実行構成の説明	すべてのアプリでの互換性
Computer向け35B-A3B MLX版	重み・設定ファイルの存在	詳細な学習条件や日本語性能
MacのHybrid Compute	アプリとしての提供条件	どの公開リビジョンを搭載するか

名前が似ているだけで全部ひと鍋にすると、仕様の闇鍋が出来上がる。

モデルだけでなく「仕事のさせ方」も調整

Perplexityの研究解説は、小型モデルと、それを動かす「ハーネス」を一緒に設計したと説明しています。ハーネスは、AIへ渡す情報、使わせる道具、作業の進め方などを管理する周辺ソフトです。必要な機能を必要な時に読み込むなど、モデルが扱う情報を整理します。

同社の53課題からなる社内評価では、Computerと元のQwen 3.8 27Bの組み合わせが82.6%、追加学習したPPLX 27Bとの組み合わせが85.4%でした。ただし、後者は処理するトークン数が増え、所要時間も長くなっています。同社の評価条件で成績が上がったという結果であり、あらゆる作業が速くなったという意味ではありません。

例えば、同じ能力の担当者でも、仕事の手順や資料の置き場所が整っているかで成果は変わります。これは仕組みを理解するための例えですが、AIでもモデル名の比較だけでは、完成したアプリの働き方まで評価できない理由になります。

公開ファイルには27Bと35B-A3B系がある

公式アカウントの27B版は、次のリポジトリで確認できます。

perplexity-ai/pplx-computer-qwen-3-8-27b-dflash2-gguf-20260826

モデルカードは、Computer向けQwen3.8 27BをGGUF形式に変換したものと説明しています。GGUFはローカルAIの実行ソフトで使われるファイル形式です。カード記載の主要モデルは約16GBで、生成を補助する追加モデルなども用意されています。このファイル容量を、そのまま必要メモリ量と読み替えることはできません。実行時には会話を保持する領域や周辺ソフトの分も必要だからです。

同じカードには、生成を先読みして補助するMTPとDFlash2の構成が書かれています。確認時点の説明ではDFlash2側に特定のllama.cpp変更が必要であり、「ダウンロードすればどの実行ソフトでも全機能が動く」とは案内されていません。

もう一つ、次のMLX版も公開されています。

perplexity-ai/pplx-computer-qwen-3-6-35b-a3b-mlx-20260709

こちらは4つに分かれた重みファイル、設定ファイル、文章をモデルの入力へ変換するためのファイルなどを確認できました。一方、モデルカード本文には詳細な学習・評価の説明がありません。リポジトリ名と設定項目だけで学習元の全履歴や性能を補って書くことは避けるべきです。

Macアプリの利用と、自分でモデルを動かすことは別

9月1日のHybrid Compute発表は、Mac内のモデルに機密ファイルなどの処理を担当させ、クラウド側に調査や高度な推論を担当させる構成を示しています。アプリの条件はApple silicon、macOS 15以降、ユニファイドメモリ24GB以上と対象の有料プランです。ローカルモデルの選択肢にはGemma 4 E4B、Qwen3.6 35B-A3B、Perplexityモデルが挙げられています。

一方、NVIDIAはPortable Computerについて、LinuxのDGX Sparkや24GB以上のVRAMを搭載するRTX GPUでの対応を案内しています。モデル、作業制御、道具を一つのアプリとしてまとめる方向は共通していますが、Mac版の条件をLinux版へ、その逆をMac版へ、そのまま当てはめることはできません。

本記事は公開資料とファイルの確認に基づく解説です。IT Postが各モデルを実行して、速度、日本語の正確さ、アプリ内モデルとの一致を検証したレビューではありません。

「重み公開」と「全部自由」は同じではない

確認した27B GGUF版と35B-A3B MLX版のモデルカードには、利用条件を十分に説明した記載を確認できませんでした。ファイルを取得できることだけで、あらゆる用途での利用や再配布が無条件に許されているとは判断できません。採用時には、その版の配布条件や関連するライセンスを個別に確認する必要があります。

Perplexityが公開する「Lily」は、さらに別の部品です。これは特定のMLX形式のモデルをApple silicon上で実行するソフトで、モデル重みそのものではありません。READMEはM5以降に相当するGPUとmacOS 26以降などを要求しています。LilyのApache-2.0表記を、別配布のモデルのライセンスへ転用することもできません。

IT Postの見方——「最強」より「仕事が終わる」を競え

IT Postでは、Perplexity製モデルの価値は、世界一の回答マシンを名乗ることより、仕事の現場へ合わせ込むことにあると考える。

AI業界の発表を眺めていると、毎週のように新しい王者が現れる。だが、こちらの机には昨日の資料が残っている。王位継承式は盛大でも、見積もりの比較表は未完成。利用者が欲しいのは、戴冠式の招待状ではない。

例えば、公開してよい資料と手元に残したい資料を分けながら、提案のたたき台を作る。小さな修正を何度も繰り返す。そうした日常の往復を、自分の機械で引き受けるモデルには居場所がある。これはIT Postが考える使いどころであり、特定の仕事の成功を保証する話ではない。

その一方で、ファイルを置けば説明まで完成したことにはならない。どの追加学習を施したのか。日本語でどこまで使えるのか。どの条件で配れるのか。採用する側が知りたいのはそこだ。エンジンを渡して「細かい話は各自で」では、整備工場が困る。

それでも、検索サービスを使うだけだった人に、モデルを手元へ置く道が広がったのは歓迎したい。IT Postでは、性能表の順位に加え、動かせること、説明されていること、毎日の作業を減らせることを評価したい。最強の称号は一晩で入れ替わる。昨日より早く仕事が片付いた、という実感の方が長く残る。