Ang maikling bersyon
- Pinagsasama ng Minions ang mga nakatenggang GPU ng mga Mac na may Apple silicon para magpatakbo ng mga inference job, gaya ng embeddings at sagot ng LLM, nang hindi bumibili ng bagong GPU (Apple).
- Ginawa ito para sa isang organisasyon: hinahati ng server ang mga job sa mga subtask, kinukuha ito ng mga Mac, at muling ipinamamahagi ng watchdog ang subtask kapag tumahimik ang Mac nito.
- Iniulat ng papel na bumaba ang paghihintay mula sa mahigit 10 oras tungo sa ilang minuto, pero walang bilang ng device o sukat ng bilis.
- Ibang proyekto ang MLX Network, at independiyente: Mac ng kahit sino, mga sagot na sinusuri laban sa ibang Mac, gantimpala sa MLX tokens. Wala itong kaugnayan sa Apple.
1Ano ang Minions
Ang "Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices" ay tatlong-pahinang papel nina Jianhua Li, Yun Xing, Girisha De Silva, Ryan Flint, Kai Yuan at Sean Suchter ng Apple, na inilabas noong 9 Oktubre 2026 (arXiv) at nakalista sa Apple Machine Learning Research (Apple).
Ang panimula nito: ang mga inference job gaya ng paggawa ng embeddings at sagot ng LLM ay karaniwang naghihintay sa mga sentral na GPU cluster na mahal palakihin at madalas siksikan, habang ang mga GPU sa mga Mac na may Apple silicon ay halos nakatengga sa araw-araw na gamit. Tinatanong ng Minions kung puwedeng pagsamahin ang mga nakatenggang GPU na ito sa isang shared inference platform "without additional hardware investment" (papel).
2Paano ito gumagana
- Minion Server ang tumatanggap ng mga job sa pamamagitan ng web UI at mga API, sinusuri ang mga ito at hinahati ang bawat isa sa mga subtask.
- Isang PostgreSQL database ang nagtatala ng bawat job, subtask at heartbeat. Hindi ito direktang ina-access ng mga Mac.
- Minion Executor ang tumatakbo sa bawat Mac: kumukuha ito ng mga subtask sa REST, nagda-download ng input mula sa object storage (Amazon S3) at ng model kung wala pa ito sa cache, pinapatakbo ito sa GPU ng Mac at ibinabalik ang resulta.
- Minion Watchdog ang nagbabantay sa mga heartbeat (bawat limang minuto) ng mga Mac na may ginagawa, at ibinabalik sa pila ang subtask kapag natulog, nawalan ng network, namatay o pinahinto ng may-ari ang Mac nito.
Walang sentral na scheduler: nag-uunahan ang mga Mac na kunin ang isang subtask, at isang unique constraint sa database ang nagpapapanalo sa eksaktong isa. Sinusunod ang pagkakasunod-sunod ng pagdating ng mga job, pero puwedeng unahin ng may-ari ng Mac ang proyekto ng isang team. Tumatakbo ang embeddings gamit ang Hugging Face transformers at ang sagot ng LLM gamit ang Ollama, sa GPU ng Mac (papel).
3Ano ang iniuulat ng papel
Ang Minions ay "has been used to support GPU inference workloads across multiple teams". Ang nag-iisang talahanayan nito ay naghahambing ng bago at pagkatapos: ang paghihintay sa GPU mula ilang oras (hanggang mahigit 10) tungo sa ilang minuto, ang mga bagong request ng GPU mula kailangan tungo sa wala, ang gastos sa imprastraktura mula mataas tungo sa zero, at ang hirap ng pag-scale mula manual tungo sa kusang paglago (papel).
Ikinukuwento rin nito ang panig ng tao. Humihingi ang mga miyembro ng team sa mga kasamahan sa Slack na patakbuhin ang executor para sa isang proyekto, at may ilang nag-alala na tatakbo ang data nila sa mga device sa labas ng sarili nilang team. Sinasagot ito ng Minions ng mga deployment na para lang sa isang team o organisasyon, bawat isa ay may sariling database at grupo ng mga Mac.
4Ano ang hindi nito sinasabi
- Walang benchmark. Walang token bawat segundo, walang bilang ng Mac, walang paghahambing sa mga GPU ng data center.
- Walang training. Binanggit ang distributed training bilang gawain sa hinaharap.
- Hindi isang dambuhalang GPU. Bawat subtask ay tumatakbo sa iisang Mac; hindi inilalarawan ng papel ang paghahati ng isang model sa ilang Mac.
- Walang pagsusuri ng resulta. Hindi inilalarawan ng papel kung paano bine-verify ang mga sagot na ibinabalik ng mga Mac.
- Walang bayad at walang produkto. Walang gantimpala ang mga sumasaling Mac, at walang inanunsyong serbisyo ng Apple ang papel.
Mas malayo ang tingin ng konklusyon nito: kung ang mga nakatenggang Mac "across organizations—or potentially across the global community—can be securely federated", puwede silang bumuo ng malaking shared na GPU pool. Sa papel, direksyon ito para sa hinaharap, hindi isang bagay na naitayo na (papel).
5Paano naiiba ang MLX Network
| Minions (research ng Apple) | MLX Network | |
|---|---|---|
| Sino ang sumasali | Mga Mac sa loob ng isang team o organisasyon | Kahit sino na may Mac na Apple Silicon at MLX Node |
| Ano ang tumatakbo | Embeddings (Hugging Face) at sagot ng LLM (Ollama) | Mga LLM job sa MLX framework ng Apple |
| Paano dumarating ang trabaho | Kumukuha ang mga Mac ng subtask mula sa sentral na server | Humihingi ang MLX Node ng job sa network, sa loob ng mga limitasyong itinakda mo |
| Pagsusuri ng sagot | Hindi inilarawan | Inihahambing sa sagot ng ibang Mac at sa mga kilalang test job |
| Gantimpala | Wala: kasalukuyang hardware nang walang gastos | MLX tokens bawat oras, naka-lock nang 30 araw sa libreng seat |
| Katayuan | Research paper; gawain sa hinaharap ang training | Mainnet mula 18 Oktubre 2026, bawat block ay nasa pampublikong explorer |
Pareho silang nagsisimula sa iisang obserbasyon: may mahuhusay na GPU ang mga Mac na may Apple silicon na nakatengga sa halos buong araw. Pinananatili ito ng Minions sa loob ng isang organisasyon, sa mga Mac na pinagkakatiwalaan na nito. Binubuksan naman ito ng MLX Network sa kahit sino, kaya sinusuri nito ang mga sagot laban sa ibang Mac at nagbabayad para sa beripikadong trabaho. Independiyente ang MLX Network at walang kaugnayan sa Apple; galing ang pangalan nito sa MLX framework na pinagtatakbuhan nito (bakit ganito ang pangalan).
Gusto mo bang sumali ang Mac mo? Libre ang MLX Node at gumagana lang kung kailan at kung gaano kabigat ang pinapayagan mo; nasa whitepaper ang mga patakaran, at makikita sa MLX World ang bawat Mac sa network. Puwedeng bumaba ang halaga ng MLX tokens: basahin ang mga panganib.
6Mga tanong
- Maglulunsad ba ang Apple ng GPU cloud na gawa sa mga Mac?
- Hindi iyon sinasabi ng papel. Inilalarawan nito ang isang sistemang ginagamit na ng mga team para sa inference, at binabanggit ang training at ang pagsasama-sama ng mga nakatenggang Mac sa iba't ibang organisasyon bilang mga direksyon sa hinaharap. Walang inanunsyong produkto.
- Pinagsasama ba ng Minions ang ilang Mac sa iisang GPU?
- Hindi. Hinahati ang isang job sa mga hiwalay na subtask at bawat isa ay tumatakbo sa iisang Mac. Hindi inilalarawan ng papel ang pagpapatakbo ng isang model sa ilang Mac.
- Anong mga model ang pinapatakbo ng Minions?
- Mga embedding model mula sa Hugging Face, gamit ang transformers library, at mga sagot ng LLM gamit ang Ollama, sa mga GPU ng Mac. Walang tiyak na model na binanggit ang papel.
- Bahagi ba ng Apple o ng Minions ang MLX Network?
- Hindi. Ang MLX Network ay isang independiyenteng network ng mga Mac na nagpapatakbo ng MLX Node. Wala itong kaugnayan sa Apple at walang kinalaman sa proyektong Minions.