به‌طور خلاصه
- Minions GPUهای بیکار Macهای دارای Apple silicon را جمع میکند تا کارهای استنتاج، مثل embedding و پاسخهای LLM، را بدون خرید GPU تازه اجرا کند (Apple).
- برای یک سازمان ساخته شده است: یک سرور کارها را به زیرکارها تقسیم میکند، Macها آن‌ها را برمی‌دارند و اگر یک Mac خاموش شود، watchdog زیرکارش را دوباره پخش میکند.
- مقاله می‌گوید زمان انتظار از بیش از 10 ساعت به چند دقیقه رسید، اما نه تعداد دستگاه‌ها را میدهد و نه اندازه‌گیری سرعت.
- MLX Network پروژه‌ای دیگر و مستقل است: Mac هر کسی، پاسخ‌هایی که با Macهای دیگر سنجیده می‌شوند و پاداش به توکن MLX. با اپل وابستگی ندارد.
1Minions چیست
«Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices» مقاله‌ای سه‌صفحه‌ای از Jianhua Li، Yun Xing، Girisha De Silva، Ryan Flint، Kai Yuan و Sean Suchter از اپل است که در 9 اکتبر 2026 منتشر شد (arXiv) و در Apple Machine Learning Research آمده است (Apple).
نقطهٔ شروع آن این است: کارهای استنتاج مثل ساخت embedding و پاسخهای LLM معمولاً منتظر خوشه‌های GPU مرکزی می‌مانند که گسترششان گران است و اغلب پرترافیک‌اند، در حالی که GPUهای Macهای دارای Apple silicon در استفادهٔ روزمره بیشتر بیکارند. Minions می‌پرسد آیا میشود این GPUهای بیکار را «without additional hardware investment» در یک بستر استنتاج مشترک جمع کرد (مقاله).
2چگونه کار میکند
- Minion Server کارها را از راه رابط وب و APIها می‌گیرد، بررسی میکند و هر کدام را به زیرکارها تقسیم میکند.
- یک پایگاه دادهٔ PostgreSQL هر کار، زیرکار و heartbeat را نگه می‌دارد. Macها هرگز مستقیم به آن دسترسی ندارند.
- Minion Executor روی هر Mac اجرا میشود: زیرکارها را از راه REST برمی‌دارد، ورودی‌ها را از فضای ذخیره‌سازی اشیا (Amazon S3) و اگر مدل در حافظهٔ نهان نباشد خود مدل را دانلود میکند، آن را روی GPU همان Mac اجرا میکند و نتایج را بازمی‌نویسد.
- Minion Watchdog heartbeatهای Macهای در حال کار را (هر پنج دقیقه) دنبال میکند و اگر Mac بخوابد، شبکه را از دست بدهد، خاموش شود یا صاحبش آن را متوقف کند، زیرکار را به صف برمی‌گرداند.
زمان‌بند مرکزی وجود ندارد: Macها برای گرفتن یک زیرکار با هم رقابت میکنند و یک قید یکتایی در پایگاه داده باعث میشود دقیقاً یکی برنده شود. کارها به ترتیب رسیدن انجام می‌شوند، اما صاحب یک Mac می‌تواند آن را اول به پروژهٔ یک تیم بفرستد. embeddingها با Hugging Face transformers و پاسخهای LLM با Ollama روی GPU همان Mac اجرا می‌شوند (مقاله).
3مقاله چه گزارش میکند
به گفتهٔ مقاله، Minions «has been used to support GPU inference workloads across multiple teams». تنها جدول آن قبل و بعد را مقایسه میکند: زمان انتظار GPU از چند ساعت (گاهی بیش از 10) به چند دقیقه، درخواست GPU تازه از لازم به هیچ، هزینهٔ زیرساخت از زیاد به صفر و زحمت مقیاس‌دهی از دستی به خودبه‌خودی (مقاله).
جنبهٔ انسانی را هم می‌گوید. اعضای تیمها در Slack از همکاران می‌خواهند executor را برای یک پروژه اجرا کنند، و برخی نگران بودند داده‌هایشان روی دستگاه‌هایی بیرون از تیم خودشان پردازش شود. پاسخ Minions استقرارهایی است که به یک تیم یا سازمان محدودند و هر کدام پایگاه داده و مجموعهٔ Mac خودشان را دارند.
4چه چیزی را ادعا نمیکند
- بدون بنچمارک. نه توکن در ثانیه، نه تعداد Macها و نه مقایسه با GPUهای مراکز داده.
- بدون آموزش. آموزش توزیع‌شده به‌عنوان کار آینده آمده است.
- نه یک GPU غول‌پیکر. هر زیرکار روی یک Mac اجرا میشود؛ مقاله تقسیم یک مدل میان چند Mac را شرح نمیدهد.
- بدون بررسی نتایج. مقاله شرح نمیدهد پاسخ‌هایی که Macها برمی‌گردانند چگونه راستی‌آزمایی می‌شوند.
- نه پرداخت، نه محصول. به Macهای شرکت‌کننده پاداشی داده نمی‌شود و مقاله هیچ سرویسی از اپل اعلام نمیکند.
جمع‌بندی آن دورتر را می‌بیند: اگر بتوان Macهای بیکار را به‌طور امن میان سازمانها و شاید در سطح جامعهٔ جهانی به هم پیوند داد («across organizations—or potentially across the global community—can be securely federated»)، آن‌ها می‌توانند استخری بزرگ و مشترک از GPU بسازند. در مقاله این جهتی برای آینده است، نه چیزی که ساخته شده باشد (مقاله).
5MLX Network چه فرقی دارد
| Minions (پژوهش اپل) | MLX Network | |
|---|---|---|
| چه کسانی شرکت میکنند | Macهای درون یک تیم یا سازمان | هر کسی که Mac دارای Apple Silicon و MLX Node دارد |
| چه اجرا میشود | embedding (Hugging Face) و پاسخهای LLM (Ollama) | کارهای LLM روی چارچوب MLX اپل |
| کار چگونه می‌رسد | Macها زیرکارها را از یک سرور مرکزی برمی‌دارند | MLX Node در محدوده‌ای که تعیین می‌کنید از شبکه کار می‌خواهد |
| بررسی پاسخ‌ها | شرح داده نشده | مقایسه با پاسخهای Macهای دیگر و کارهای آزمایشی شناخته‌شده |
| پاداش | هیچ: سخت‌افزار موجود با هزینهٔ صفر | توکن MLX در هر ساعت، روی جایگاه رایگان 30 روز قفل |
| وضعیت | مقالهٔ پژوهشی؛ آموزش کار آینده است | شبکهٔ اصلی از 18 اکتبر 2026، هر بلوک روی کاوشگر عمومی |
هر دو از یک مشاهده شروع میکنند: Macهای دارای Apple silicon GPUهای توانایی دارند که بیشتر روز بیکارند. Minions این را درون یک سازمان، میان Macهایی که از قبل به آن‌ها اعتماد دارد، نگه می‌دارد. MLX Network آن را به روی همه باز میکند، و به همین دلیل پاسخ‌ها را با Macهای دیگر می‌سنجد و برای کار تأییدشده پول میدهد. MLX Network مستقل است و با اپل وابستگی ندارد؛ نامش از چارچوب MLX گرفته شده که روی آن اجرا میشود (چرا این نام).
می‌خواهید Mac شما هم شرکت کند؟ MLX Node رایگان است و فقط زمانی و به اندازه‌ای که اجازه دهید کار میکند؛ قوانین در وایت‌پیپر است و هر Mac شبکه روی MLX World دیده میشود. ارزش توکن MLX ممکن است کم شود: ریسک‌ها را بخوانید.
6پرسش‌ها
- آیا اپل ابری از GPUهای Mac راه میاندازد؟
- مقاله چنین چیزی نمیگوید. سامانهای را شرح میدهد که تیمها از قبل برای استنتاج از آن استفاده میکنند، و آموزش و پیوند Macهای بیکار میان سازمانها را جهتهای آینده میداند. هیچ محصولی اعلام نمیکند.
- آیا Minions چند Mac را به یک GPU تبدیل میکند؟
- نه. یک کار به زیرکارهای مستقل تقسیم میشود و هر کدام روی یک Mac اجرا میشود. مقاله اجرای یک مدل روی چند Mac را شرح نمیدهد.
- Minions چه مدلهایی را اجرا میکند؟
- مدلهای embedding از Hugging Face با کتابخانهٔ transformers و پاسخهای LLM با Ollama، روی GPU Macها. مقاله نام مدل مشخصی نمیآورد.
- آیا MLX Network بخشی از اپل یا Minions است؟
- نه. MLX Network شبکهای مستقل از Macهایی است که MLX Node را اجرا میکنند. با اپل وابستگی ندارد و هیچ ربطی به پروژهٔ Minions ندارد.