핵심 요약
- Minions는 Apple 실리콘 Mac의 놀고 있는 GPU를 모아 임베딩, LLM 응답 같은 추론 작업을 새 GPU 구매 없이 실행합니다(Apple).
- 하나의 조직을 위한 설계입니다. 서버가 작업을 하위 작업으로 나누고, Mac이 이를 가져가며, Mac이 응답하지 않으면 워치독이 하위 작업을 다시 배분합니다.
- 논문은 최대 10시간 넘던 대기 시간이 몇 분으로 줄었다고 보고하지만, 기기 수나 속도 측정값은 제시하지 않습니다.
- MLX Network는 별개의 독립 프로젝트입니다. 누구의 Mac이든 참여하고, 답은 다른 Mac과 대조되며, 보상은 MLX 토큰입니다. Apple과 관계가 없습니다.
1Minions란
"Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices"는 Apple의 Jianhua Li, Yun Xing, Girisha De Silva, Ryan Flint, Kai Yuan, Sean Suchter가 쓴 3쪽 분량의 논문으로, 2026년 10월 9일 공개되었고(arXiv) Apple Machine Learning Research에도 올라 있습니다(Apple).
출발점은 이렇습니다. 임베딩 생성이나 LLM 응답 같은 추론 작업은 대개 확장 비용이 비싸고 자주 붐비는 중앙 GPU 클러스터를 기다리는데, Apple 실리콘 Mac의 GPU는 평소 거의 놀고 있습니다. Minions는 이렇게 놀고 있는 GPU를 "without additional hardware investment" 공유 추론 플랫폼으로 묶을 수 있는지 묻습니다(논문).
2작동 방식
- Minion Server는 웹 UI와 API로 작업을 받아 검증하고, 각각을 하위 작업으로 나눕니다.
- PostgreSQL 데이터베이스가 모든 작업, 하위 작업, 하트비트를 기록합니다. Mac은 데이터베이스에 직접 접근하지 않습니다.
- Minion Executor는 각 Mac에서 돌아갑니다. REST로 하위 작업을 가져오고, 객체 스토리지(Amazon S3)에서 입력을, 캐시에 없으면 모델도 내려받아 Mac의 GPU에서 실행한 뒤 결과를 돌려씁니다.
- Minion Watchdog는 작업 중인 Mac의 하트비트(5분마다)를 지켜보다가, Mac이 잠들거나 네트워크가 끊기거나 꺼지거나 주인이 멈추면 하위 작업을 대기열에 되돌립니다.
중앙 스케줄러는 없습니다. Mac들이 하위 작업을 두고 경쟁하고, 데이터베이스의 고유 제약 조건 덕분에 정확히 한 대만 이깁니다. 작업은 들어온 순서대로 처리되지만, Mac 주인은 특정 팀의 프로젝트를 먼저 처리하도록 지정할 수 있습니다. 임베딩은 Hugging Face transformers로, LLM 응답은 Ollama로 Mac의 GPU에서 실행합니다(논문).
3논문이 보고하는 것
Minions는 "has been used to support GPU inference workloads across multiple teams". 유일한 표는 도입 전후를 비교합니다. GPU 대기 시간은 몇 시간(최대 10시간 이상)에서 몇 분으로, 새 GPU 요청은 필요에서 없음으로, 인프라 비용은 높음에서 0으로, 확장 노력은 수동에서 자연스러운 증가로 바뀌었습니다(논문).
사람 쪽 이야기도 있습니다. 팀원들은 Slack으로 동료에게 특정 프로젝트를 위해 executor를 실행해 달라고 부탁하고, 자기 데이터가 팀 밖의 기기에서 처리되는 것을 걱정하는 사람도 있었습니다. Minions는 팀이나 조직 단위로 나눈 배포로 이에 답합니다. 배포마다 전용 데이터베이스와 전용 Mac 풀이 있습니다.
4논문이 주장하지 않는 것
- 벤치마크 없음. 초당 토큰 수도, Mac 대수도, 데이터센터 GPU와의 비교도 없습니다.
- 학습 없음. 분산 학습은 향후 과제로 남아 있습니다.
- 하나의 거대한 GPU가 아님. 하위 작업은 각각 Mac 한 대에서 돌아갑니다. 하나의 모델을 여러 Mac에 나눠 실행하는 방법은 나오지 않습니다.
- 결과 검증 없음. Mac이 돌려준 답을 어떻게 확인하는지는 설명하지 않습니다.
- 보상도 제품도 없음. 참여한 Mac에는 보상이 없고, Apple 서비스 발표도 없습니다.
결론은 더 멀리 봅니다. 놀고 있는 Mac을 "across organizations—or potentially across the global community—can be securely federated"할 수 있다면 거대한 공유 GPU 풀이 될 수 있다는 것입니다. 논문에서 이는 앞으로의 방향일 뿐, 만든 것이 아닙니다(논문).
5MLX Network와의 차이
| Minions(Apple 연구) | MLX Network | |
|---|---|---|
| 참여자 | 한 팀이나 조직 안의 Mac | Apple Silicon Mac과 MLX Node만 있으면 누구나 |
| 실행하는 것 | 임베딩(Hugging Face)과 LLM 응답(Ollama) | Apple MLX 프레임워크 위의 LLM 작업 |
| 작업을 받는 방식 | Mac이 중앙 서버에서 하위 작업을 가져옴 | 정해 둔 한도 안에서 MLX Node가 네트워크에 작업을 요청 |
| 답 확인 | 설명 없음 | 다른 Mac의 답, 이미 아는 테스트 작업과 대조 |
| 보상 | 없음: 기존 하드웨어를 비용 없이 | 매시간 MLX 토큰, 무료 좌석이면 30일 잠금 |
| 현황 | 연구 논문, 학습은 향후 과제 | 2026년 10월 18일부터 메인넷, 모든 블록을 공개 익스플로러에서 확인 |
둘 다 같은 관찰에서 출발합니다. Apple 실리콘 Mac에는 쓸 만한 GPU가 있는데 하루 대부분 놀고 있다는 것이죠. Minions는 이를 한 조직 안, 이미 신뢰하는 Mac들 사이에 둡니다. MLX Network는 누구에게나 열려 있고, 그래서 답을 다른 Mac과 대조하고 검증된 작업에 대가를 지급합니다. MLX Network는 독립 프로젝트로 Apple과 관계가 없으며, 이름은 기반이 되는 MLX 프레임워크에서 따왔습니다(이름의 이유).
내 Mac도 참여하고 싶나요? MLX Node는 무료이며, 허락한 때에 허락한 만큼만 일합니다. 규칙은 백서에 있고, 네트워크의 모든 Mac은 MLX World에 표시됩니다. MLX 토큰은 가치가 떨어질 수 있으니 위험 고지를 읽어 보세요.
6자주 묻는 질문
- Apple이 Mac으로 된 GPU 클라우드를 출시하나요?
- 논문에는 그런 내용이 없습니다. 팀들이 이미 추론에 쓰는 시스템을 설명하고, 학습과 조직 간 Mac 연합을 향후 방향으로 언급할 뿐 제품 발표는 없습니다.
- Minions는 여러 Mac을 하나의 GPU로 묶나요?
- 아니요. 작업은 독립된 하위 작업으로 나뉘고 각각 Mac 한 대에서 돌아갑니다. 하나의 모델을 여러 Mac에서 실행하는 방법은 나오지 않습니다.
- Minions는 어떤 모델을 실행하나요?
- transformers 라이브러리로 Hugging Face 임베딩 모델을, Ollama로 LLM 응답을 Mac의 GPU에서 실행합니다. 구체적인 모델 이름은 나오지 않습니다.
- MLX Network는 Apple이나 Minions의 일부인가요?
- 아니요. MLX Network는 MLX Node를 실행하는 Mac들의 독립 네트워크입니다. Apple과 관계가 없고 Minions 프로젝트와도 무관합니다.