Apple નું Minions, સરળ ભાષામાં.

ઑક્ટોબર 2026 માં Apple ના છ સંશોધકોએ Minions પ્રકાશિત કર્યું, એક એવી સિસ્ટમ જે કોઈ સંસ્થાના Mac ના ખાલી GPU ને મશીન લર્નિંગ ઇન્ફરન્સ માટેના સહિયારા ક્લાઉડમાં ફેરવે છે. પેપર શું વર્ણવે છે, શું છોડી દે છે, અને Mac ના ખુલ્લા નેટવર્ક MLX Network સાથે તેની સરખામણી કેવી છે, તે અહીં જુઓ.

અપડેટ

ટૂંકમાં

  • Minions, Apple silicon Mac ના ખાલી GPU ભેગા કરીને embedding અને LLM જવાબો જેવાં ઇન્ફરન્સ કામ નવા GPU ખરીદ્યા વિના ચલાવે છે (Apple).
  • તે એક સંસ્થા માટે બનેલું છે: સર્વર કામોને પેટા-કામોમાં વહેંચે છે, Mac તે ઉપાડે છે, અને કોઈ Mac શાંત થઈ જાય તો watchdog તેનું પેટા-કામ ફરીથી વહેંચે છે.
  • પેપર મુજબ રાહ 10 કલાકથી વધુથી ઘટીને થોડી મિનિટ થઈ, પણ તેમાં ન તો ડિવાઇસની સંખ્યા છે ન ઝડપનું માપ.
  • MLX Network એક અલગ, સ્વતંત્ર પ્રોજેક્ટ છે: કોઈનું પણ Mac, જવાબો બીજા Mac સાથે ચકાસાય છે, ઇનામ MLX ટોકનમાં. તેનો Apple સાથે કોઈ સંબંધ નથી.

1Minions શું છે

«Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices» એ Apple ના Jianhua Li, Yun Xing, Girisha De Silva, Ryan Flint, Kai Yuan અને Sean Suchter નો ત્રણ પાનાંનો પેપર છે, જે 9 ઑક્ટોબર 2026 ના રોજ પ્રકાશિત થયો (arXiv) અને Apple Machine Learning Research પર છે (Apple).

તેની શરૂઆત આમ છે: embedding બનાવવા અને LLM જવાબો જેવાં ઇન્ફરન્સ કામ સામાન્ય રીતે કેન્દ્રીય GPU ક્લસ્ટરની રાહ જુએ છે, જેને વધારવા મોંઘા છે અને જે ઘણી વાર ભરાયેલા રહે છે, જ્યારે Apple silicon Mac ના GPU રોજિંદા વપરાશમાં મોટે ભાગે ખાલી રહે છે. Minions પૂછે છે કે શું આ ખાલી GPU ને «without additional hardware investment» એક સહિયારા ઇન્ફરન્સ પ્લેટફૉર્મમાં જોડી શકાય (પેપર).

2તે કેવી રીતે કામ કરે છે

  • Minion Server વેબ ઇન્ટરફેસ અને API દ્વારા કામ સ્વીકારે છે, તેને ચકાસે છે અને દરેકને પેટા-કામોમાં વહેંચે છે.
  • એક PostgreSQL ડેટાબેઝ દરેક કામ, પેટા-કામ અને heartbeat સાચવે છે. Mac ક્યારેય તેના સુધી સીધા પહોંચતા નથી.
  • Minion Executor દરેક Mac પર ચાલે છે: REST દ્વારા પેટા-કામ ઉપાડે છે, ઑબ્જેક્ટ સ્ટોરેજ (Amazon S3) માંથી ઇનપુટ અને કૅશમાં ન હોય તો મૉડલ પણ ડાઉનલોડ કરે છે, Mac ના GPU પર ચલાવે છે અને પરિણામ પાછું લખે છે.
  • Minion Watchdog કામ કરતા Mac ના heartbeat (દર પાંચ મિનિટે) પર નજર રાખે છે, અને Mac સૂઈ જાય, નેટવર્ક ગુમાવે, બંધ થાય કે માલિક તેને રોકે તો પેટા-કામ ફરી કતારમાં મૂકે છે.

કોઈ કેન્દ્રીય શેડ્યૂલર નથી: Mac એક પેટા-કામ માટે સ્પર્ધા કરે છે, અને ડેટાબેઝની એક યુનિકનેસ શરત ફક્ત એકને જ જીતવા દે છે. કામ આવવાના ક્રમમાં ચાલે છે, પણ Mac નો માલિક તેને પહેલાં કોઈ એક ટીમના પ્રોજેક્ટ પર લગાવી શકે છે. embedding Hugging Face transformers થી અને LLM જવાબો Ollama થી, Mac ના GPU પર ચાલે છે (પેપર).

3પેપર શું જણાવે છે

પેપર મુજબ Minions «has been used to support GPU inference workloads across multiple teams». તેનું એકમાત્ર કોષ્ટક પહેલાં અને પછીની સરખામણી કરે છે: GPU ની રાહ કલાકોથી (10 થી વધુ સુધી) મિનિટો સુધી, નવા GPU ની માગણી જરૂરીથી શૂન્ય, ઇન્ફ્રાસ્ટ્રક્ચરનો ખર્ચ ઊંચાથી શૂન્ય, અને સ્કેલિંગની મહેનત હાથથી કરવાથી આપમેળે (પેપર).

તે માનવીય બાજુ પણ કહે છે. ટીમના સભ્યો Slack પર સાથીઓને કોઈ પ્રોજેક્ટ માટે executor ચલાવવા કહે છે, અને કેટલાકને ચિંતા હતી કે તેમનો ડેટા તેમની ટીમ બહારના ડિવાઇસ પર પ્રોસેસ થશે. Minions તેનો જવાબ એક ટીમ કે સંસ્થા સુધી મર્યાદિત ઇન્સ્ટૉલેશનથી આપે છે, દરેકનો પોતાનો ડેટાબેઝ અને પોતાનો Mac સમૂહ.

4તે શેનો દાવો નથી કરતું

  • કોઈ બેન્ચમાર્ક નહીં. ન પ્રતિ સેકન્ડ ટોકન, ન Mac ની સંખ્યા, ન ડેટા સેન્ટર GPU સાથે સરખામણી.
  • કોઈ ટ્રેનિંગ નહીં. વિતરિત ટ્રેનિંગને ભવિષ્યનું કામ કહ્યું છે.
  • એક મોટું GPU નહીં. દરેક પેટા-કામ એક Mac પર ચાલે છે; એક મૉડલને અનેક Mac માં વહેંચવાનું વર્ણન પેપરમાં નથી.
  • પરિણામની ચકાસણી નહીં. Mac જે જવાબ પાછા મોકલે છે તેની ખાતરી કેવી રીતે થાય છે તે પેપર જણાવતો નથી.
  • ન ચુકવણી, ન પ્રોડક્ટ. ભાગ લેનારા Mac ને કોઈ ઇનામ મળતું નથી, અને પેપર Apple ની કોઈ સેવાની જાહેરાત કરતો નથી.

તેનો નિષ્કર્ષ આગળ જુએ છે: જો ખાલી Mac ને સંસ્થાઓ વચ્ચે, અને કદાચ આખા વિશ્વમાં, સુરક્ષિત રીતે જોડી શકાય («across organizations—or potentially across the global community—can be securely federated»), તો તે GPU નો મોટો સહિયારો ભંડાર બની શકે. પેપરમાં આ ભવિષ્યની એક દિશા છે, બનેલી વસ્તુ નહીં (પેપર).

5MLX Network કેવી રીતે જુદું છે

Minions (Apple નું સંશોધન)MLX Network
કોણ જોડાય છેએક ટીમ કે સંસ્થાની અંદરના MacApple Silicon Mac અને MLX Node ધરાવનાર કોઈ પણ
શું ચાલે છેembedding (Hugging Face) અને LLM જવાબો (Ollama)Apple ના MLX ફ્રેમવર્ક પર LLM કામ
કામ કેવી રીતે આવે છેMac કેન્દ્રીય સર્વરમાંથી પેટા-કામ ઉપાડે છેMLX Node તમે નક્કી કરેલી મર્યાદામાં નેટવર્ક પાસે કામ માગે છે
જવાબોની ચકાસણીવર્ણન નથીબીજા Mac ના જવાબો અને જાણીતાં ટેસ્ટ કામો સાથે સરખામણી
ઇનામકંઈ નહીં: હાલનું હાર્ડવેર, શૂન્ય ખર્ચદર કલાકે MLX ટોકન, મફત સીટ પર 30 દિવસ લૉક
સ્થિતિસંશોધન પેપર; ટ્રેનિંગ ભવિષ્યનું કામ18 ઑક્ટોબર 2026 થી મેઇનનેટ, દરેક બ્લૉક જાહેર એક્સપ્લોરર પર
સ્રોત: Minions પેપર અને MLX Network વ્હાઇટપેપર.

બંને એક જ અવલોકનથી શરૂ થાય છે: Apple silicon Mac માં સક્ષમ GPU છે જે દિવસનો મોટો ભાગ ખાલી રહે છે. Minions તેને એક સંસ્થાની અંદર, જેના પર પહેલેથી વિશ્વાસ છે તેવા Mac વચ્ચે રાખે છે. MLX Network તેને બધા માટે ખોલે છે, તેથી જવાબો બીજા Mac સાથે ચકાસે છે અને ચકાસાયેલા કામની ચુકવણી કરે છે. MLX Network સ્વતંત્ર છે અને Apple સાથે સંકળાયેલું નથી; તેનું નામ તે જે MLX ફ્રેમવર્ક પર ચાલે છે તેના પરથી આવ્યું છે (આ નામ કેમ).

તમારું Mac પણ જોડાય એવું ઇચ્છો છો? MLX Node મફત છે અને તમે મંજૂરી આપો ત્યારે અને તેટલું જ કામ કરે છે; નિયમો વ્હાઇટપેપર માં છે, અને નેટવર્કનું દરેક Mac MLX World પર દેખાય છે. MLX ટોકનનું મૂલ્ય ઘટી શકે છે: જોખમો વાંચો.

6પ્રશ્નો

શું Apple, Mac માંથી બનેલું GPU ક્લાઉડ શરૂ કરી રહ્યું છે?
પેપર એવું કહેતો નથી. તે ટીમો પહેલેથી ઇન્ફરન્સ માટે વાપરે છે તેવી સિસ્ટમનું વર્ણન કરે છે, અને ટ્રેનિંગ તથા સંસ્થાઓ વચ્ચે ખાલી Mac જોડવાને ભવિષ્યની દિશાઓ કહે છે. કોઈ પ્રોડક્ટની જાહેરાત નથી.
શું Minions અનેક Mac ને એક GPU બનાવે છે?
ના. એક કામ સ્વતંત્ર પેટા-કામોમાં વહેંચાય છે અને દરેક એક જ Mac પર ચાલે છે. એક મૉડલને અનેક Mac પર ચલાવવાનું વર્ણન પેપરમાં નથી.
Minions કયાં મૉડલ ચલાવે છે?
transformers લાઇબ્રેરી દ્વારા Hugging Face નાં embedding મૉડલ, અને Ollama દ્વારા LLM જવાબો, Mac ના GPU પર. પેપર કોઈ ચોક્કસ મૉડલનું નામ આપતો નથી.
શું MLX Network, Apple કે Minions નો ભાગ છે?
ના. MLX Network એ MLX Node ચલાવતા Mac નું સ્વતંત્ર નેટવર્ક છે. તેનો Apple સાથે કોઈ સંબંધ નથી અને Minions પ્રોજેક્ટ સાથે પણ કોઈ લેવાદેવા નથી.

સ્રોત

  1. Applemachinelearning.apple.com
  2. arXivarxiv.org
  3. પેપરarxiv.org

આગળ વાંચો

Apple નું Minions: ખાલી પડેલા Mac માંથી બનેલું GPU ક્લાઉડ, સરળ ભાષામાં