Perplexity Portable Computer llega a Windows: el agente de IA local que exige una RTX de 24 GB

Perplexity ha llevado su agente de inteligencia artificial a los PC con Windows, y lo ha hecho con una condición muy concreta: que tengas una tarjeta gráfica NVIDIA RTX con al menos 24 GB de memoria. Se llama Portable Computer, es la versión local de su agente Perplexity Computer y, desde el 14 de septiembre de 2026, funciona dentro de la aplicación de Windows sin enviar tus archivos a la nube. Por debajo trabaja Qwen 3.8 27B, un modelo abierto optimizado para las GPU de NVIDIA. En este artículo te explicamos qué hace exactamente, por qué exige 24 GB de VRAM, qué tarjetas cumplen el requisito y si merece la pena montar un equipo para usarlo.

Qué es Portable Computer y qué ha anunciado Perplexity

Perplexity empezó siendo un buscador con respuestas generadas por inteligencia artificial y en los últimos meses ha dado el salto a los agentes: programas que no solo contestan, sino que planifican y ejecutan tareas de varios pasos. Su agente se llama Perplexity Computer y trabaja en la nube. Portable Computer es su versión local: el mismo tipo de agente, pero ejecutándose en tu propio ordenador.

Según el anuncio publicado por NVIDIA en su blog oficial, esto es lo que hace y lo que necesita:

Según la información publicada por distintos medios, la función está disponible para los suscriptores de los planes Pro y Max de Perplexity dentro de la aplicación de Windows. Lo que ni Perplexity ni NVIDIA han publicado son cifras de rendimiento: no hay datos de velocidad ni comparativas con la versión en la nube.

Por qué importa que el agente funcione en local

La diferencia entre un agente en la nube y uno local no es técnica, es de confianza. Un agente que lee tu correo, tus hojas de cálculo y tus documentos para trabajar por ti tiene acceso a mucha información sensible. Si funciona en la nube, esa información viaja a servidores de terceros. Si funciona en tu ordenador, no sale de él.

Eso abre la puerta a usos que muchas empresas y profesionales no se atreven a delegar en un servicio externo: revisar contratos, cruzar datos de clientes, preparar informes con información financiera o trabajar con código propietario. El planteamiento de Perplexity es mixto: lo que se puede resolver en local se queda en local, y solo las tareas que necesitan más potencia de razonamiento o búsquedas complejas pasan a sus modelos en la nube.

Hay además un argumento económico. El trabajo local no gasta créditos, así que las tareas repetitivas, las que un agente hace cada día o cada semana, no suman coste por uso. Para quien automatiza mucho, la diferencia a lo largo de un año puede ser notable.

Si quieres profundizar en qué es exactamente un agente y en qué se diferencia de un chatbot, tenemos una guía completa de agentes de IA, y si te preocupa darle permisos a uno sobre tus archivos, conviene leer nuestro tutorial para ejecutar agentes de IA de forma segura.

Qwen 3.8 27B: el modelo que hace el trabajo

La elección del modelo dice mucho de hacia dónde va la inteligencia artificial local. Perplexity no ha usado un modelo propio ni uno de los grandes laboratorios estadounidenses, sino Qwen 3.8 27B, de la familia de modelos abiertos de Alibaba, que ya repasamos en nuestro análisis de Kimi K3, Qwen 3.8 Max y los modelos chinos abiertos.

El «27B» indica que el modelo tiene unos 27.000 millones de parámetros. Es un tamaño intermedio muy interesante: lo bastante grande como para seguir instrucciones complejas, usar herramientas y encadenar pasos, que es lo que necesita un agente, y lo bastante pequeño como para caber en una sola tarjeta gráfica de consumo con las técnicas de compresión adecuadas.

Perplexity y NVIDIA explican que el modelo ha pasado por un entrenamiento posterior y una optimización específica para las GPU RTX. No han detallado el formato de compresión ni la longitud de contexto, dos datos que determinan cuánta memoria ocupa realmente. Es el mismo modelo que muchos usuarios ya ejecutan por su cuenta con herramientas como Ollama, que explicamos en nuestra guía de Ollama para IA local.

Por qué exige 24 GB de VRAM

La cifra de 24 GB no es arbitraria. Para ejecutar un modelo de lenguaje, la tarjeta gráfica tiene que guardar en su memoria dos cosas: los pesos del modelo y el contexto de la conversación o la tarea en curso.

• Los pesos. Un modelo de 27.000 millones de parámetros comprimido a 4 bits por parámetro, una técnica habitual para uso local, ocupa del orden de 14 a 16 GB. Con compresiones menos agresivas, que conservan más calidad, la cifra crece bastante.
• El contexto. Un agente no mantiene una conversación corta: lee documentos, guarda resultados intermedios y encadena pasos. Todo eso ocupa memoria adicional, y cuanto más largo es el contexto, más memoria consume.

Sumadas las dos partes, las tarjetas de 16 GB se quedan cortas para un agente que trabaje con documentos largos sin recortar calidad. Las de 24 GB dejan el margen suficiente, y las de 32 GB, como la RTX 5090, van holgadas. Por eso tarjetas muy potentes para jugar, como la RTX 5080 o la 5070 Ti, que tienen 16 GB, quedan fuera del requisito aunque su rendimiento en juegos sea excelente.

Qué tarjetas cumplen el requisito

Estas son las GPU NVIDIA con 24 GB o más de memoria que puedes encontrar hoy, ordenadas de más a menos recomendables para este uso:

GeForce RTX 5090: la opción sin compromisos

Con 32 GB de memoria es la única GeForce actual que supera el requisito con margen, lo que permite contextos largos o compresiones de mayor calidad. Es también la tarjeta de juegos más potente del mercado. Sus pegas son conocidas: consumo muy alto, tamaño enorme y un precio y un stock que llevan todo el año tensionados, como contamos en nuestro análisis de la crisis de stock de la RTX 5090 y 5080.

• MSI GeForce RTX 5090 32G Ventus 3X OC, uno de los modelos más directos de la gama. Ver precio actual en Amazon
• NVIDIA GeForce RTX 5090 Founders Edition, el diseño de referencia de NVIDIA, más compacto que la mayoría. Ver precio actual en Amazon

GeForce RTX 4090: si encuentras una a buen precio

Sus 24 GB cumplen el requisito justo y su rendimiento sigue siendo excelente casi cuatro años después de su lanzamiento, en otoño de 2022. El problema es que ya no se fabrica y el stock que queda es escaso. Si aparece una unidad a un precio razonable, es una gran compra para IA local. Ver la ASUS TUF RTX 4090 en Amazon

GeForce RTX 3090: la puerta de entrada

La 3090 es la forma más económica de tener 24 GB en una GeForce, y por eso es la favorita de quienes montan equipos de IA local con presupuesto ajustado. Nueva ya es difícil de encontrar, y en el mercado de segunda mano conviene comprobar que no haya pasado años minando criptomonedas. Ver la ASUS TUF RTX 3090 en Amazon

RTX PRO 4000 Blackwell: la opción profesional y eficiente

Es la alternativa en la que menos gente piensa. Pertenece a la gama profesional de NVIDIA, tiene 24 GB de memoria GDDR7 con corrección de errores y consume mucho menos que las GeForce de gama alta, lo que simplifica la fuente de alimentación y la refrigeración. No es una tarjeta para jugar, pero para un equipo dedicado a IA que va a estar encendido muchas horas tiene mucho sentido. Ver la PNY RTX PRO 4000 Blackwell en Amazon

Tienes una comparativa mucho más amplia, con opciones de AMD y de Apple para otros usos de IA local, en nuestra guía de las mejores GPU para IA local.

El resto del equipo: memoria y fuente de alimentación

Una tarjeta de 24 o 32 GB no trabaja sola. Para un equipo que va a mover un agente local con soltura, hay dos componentes que conviene no escatimar.

Memoria RAM: 64 GB

El agente trabaja con tus archivos y aplicaciones abiertas mientras el modelo ocupa la GPU. Con 32 GB el sistema funciona, pero 64 GB dan margen para tener abiertos navegador, Office, varias hojas de cálculo y el propio agente sin que Windows empiece a tirar del disco.

• Corsair Vengeance DDR5 de 64 GB (2 × 32 GB) a 6000 MHz. Ver precio actual en Amazon

Fuente de alimentación: 1000 W con conector moderno

Con una RTX 5090, cuya tarjeta consume 575 W, NVIDIA recomienda una fuente de 1000 W. Con una 4090, una buena fuente de 850 W es suficiente, pero 1000 W dan margen para futuras actualizaciones. Busca una fuente ATX 3.1 con el conector de alimentación de 16 pines para la gráfica.

• Corsair RM1000e, modular y silenciosa. Ver precio actual en Amazon
• be quiet! Pure Power 13 M de 1000 W, ATX 3.1 y 80 Plus Gold. Ver precio actual en Amazon

Si vas a montar el equipo desde cero, nuestra guía de las mejores fuentes de alimentación explica cómo calcular la potencia y qué certificaciones mirar.

Casos de uso reales para un agente local

La pregunta que se hace cualquiera antes de gastar en una tarjeta de 24 GB es para qué la va a usar de verdad. Estos son los usos donde un agente local como Portable Computer tiene más sentido, según lo que Perplexity describe:

• Consolidar información dispersa. Pedirle que lea una carpeta de informes, correos y hojas de cálculo y te prepare un resumen con las cifras clave.
• Tareas recurrentes. Un informe semanal a partir de los mismos datos, la revisión periódica de una bandeja de correo o el seguimiento de un proyecto.
• Análisis de datos sensibles. Trabajar con datos de clientes, nóminas o información financiera que no debería salir de la empresa.
• Trabajo con código. La integración con GitHub permite pedirle tareas sobre repositorios sin subir el código a servicios externos.

Donde tiene menos sentido es en la búsqueda de información actual en internet o en razonamientos muy complejos. Para eso el propio agente recurre a los modelos en la nube de Perplexity, que son más capaces que cualquier modelo que quepa en una sola tarjeta.

Las preguntas que Perplexity todavía no ha respondido

El anuncio es prometedor, pero deja huecos importantes que conviene tener en cuenta antes de comprar hardware pensando en él:

• Rendimiento. No hay cifras de velocidad. No sabemos cuánto tarda el agente en completar una tarea típica en una RTX 3090 frente a una 5090.
• Formato del modelo. Sin saber el nivel de compresión ni el contexto máximo, es difícil estimar cuánto margen de memoria queda en una tarjeta de 24 GB.
• Límites de la versión local. No está claro qué tareas resuelve el modelo local y cuáles deriva a la nube, que sí consume créditos.
• Soporte fuera de NVIDIA. Por ahora es exclusivo de GPU RTX. Los usuarios de tarjetas AMD con 24 GB, como la Radeon RX 7900 XTX, se quedan fuera.

Nuestra recomendación es clara: no compres una tarjeta de 24 GB solo para usar Portable Computer hasta que haya pruebas independientes de rendimiento. Pero si ya tenías pensado montar un equipo para IA local, este anuncio es un argumento más para ir a por 24 GB o más en lugar de quedarte en 16.

Si ya tienes una tarjeta de 24 GB: cómo prepararte

Si tu PC ya cumple el requisito, antes de pagar una suscripción hay unas cuantas cosas que conviene hacer para sacarle partido al agente desde el primer día:

1. Actualiza los controladores de NVIDIA. Las optimizaciones para modelos locales llegan a través del controlador, y una versión antigua puede rendir bastante peor o no ser compatible.
2. Prueba el modelo por tu cuenta. Qwen 3.8 27B se puede ejecutar gratis con Ollama. Instalarlo y hacerle un par de preguntas te da una idea real de la velocidad de tu tarjeta con este modelo antes de gastar nada. Tienes el paso a paso en nuestra guía de Ollama.
3. Vigila la memoria libre de la tarjeta. El agente necesita la VRAM para él. Si tienes abierto un juego, un editor de vídeo o cualquier otro programa que use la GPU, el modelo puede no caber. El Administrador de tareas de Windows muestra en la pestaña de rendimiento cuánta memoria de la GPU está en uso.
4. Empieza por tareas acotadas. Un resumen de una carpeta concreta o un informe a partir de una sola hoja de cálculo te permite comprobar la calidad de los resultados antes de confiarle trabajo más importante.

Y un consejo que aplica a cualquier agente: revisa sus resultados. Un modelo de 27.000 millones de parámetros es muy capaz, pero no infalible, y un error en un informe financiero o en un correo enviado en tu nombre puede tener consecuencias.

¿Y si tengo un portátil?

La mayoría de portátiles con gráfica NVIDIA llevan versiones móviles con bastante menos memoria que las de sobremesa, y muy pocos llegan a 24 GB. Si trabajas en portátil y quieres IA local, las opciones pasan por equipos de gama muy alta o por sistemas con memoria unificada, que repasamos en nuestra guía de los mejores portátiles para IA local.

Otra vía que merece atención es la plataforma RTX Spark de NVIDIA, que llega en octubre con memoria unificada de hasta 128 GB en algunos equipos. Todavía no hay precios ni pruebas, pero por arquitectura es la candidata natural a ejecutar este tipo de agentes en formato portátil o compacto.

Qué significa para el mercado de la IA local

Portable Computer es una señal de por dónde van los tiros. Hasta ahora, ejecutar modelos en local era cosa de aficionados que instalaban Ollama y probaban modelos por su cuenta. Que una empresa del tamaño de Perplexity lance un producto comercial que depende de una GPU local, y que NVIDIA lo promocione en su blog, indica que los agentes en el propio equipo empiezan a ser un producto de consumo.

Para NVIDIA es un argumento de venta evidente para sus tarjetas con más memoria. Para los usuarios, la consecuencia práctica es que la cantidad de VRAM se convierte en la especificación que más importa a la hora de comprar una gráfica pensando en el futuro, por encima incluso de su rendimiento en juegos. Si en 2024 la pregunta era «¿cuántos FPS da?», en 2026 empieza a ser «¿cuántos gigas tiene?».

Conclusión

Perplexity Portable Computer lleva a Windows un agente de inteligencia artificial que trabaja con tus archivos sin sacarlos del ordenador, que no gasta créditos en las tareas locales y que funciona con Qwen 3.8 27B, un modelo abierto de tamaño medio. El precio de entrada no es la suscripción, sino el hardware: una GPU NVIDIA con 24 GB o más, lo que hoy significa una RTX 5090, una 4090, una 3090 o una tarjeta profesional como la RTX PRO 4000 Blackwell.

Si ya tienes una de esas tarjetas y una suscripción compatible, pruébalo. Si estás pensando en comprar, espera a las primeras pruebas de rendimiento independientes, y si decides lanzarte, prioriza la memoria de la tarjeta sobre cualquier otra cifra. En la IA local, los gigas mandan.