Minions od Apple, wyjaśnienie.

1Czym jest Minions

„Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices” to trzystronicowa publikacja badaczy Apple (autorzy: Jianhua Li, Yun Xing, Girisha De Silva, Ryan Flint, Kai Yuan i Sean Suchter), opublikowana 9 października 2026 roku (arXiv) i zamieszczona w Apple Machine Learning Research (Apple).

Punkt wyjścia: zadania inferencji, jak generowanie embeddingów i odpowiedzi LLM, zwykle czekają na centralne klastry GPU, których rozbudowa jest droga i które często są przeciążone, a GPU w Macach z Apple silicon na co dzień w większości stoją bezczynnie. Minions pyta, czy te bezczynne GPU da się połączyć we wspólną platformę inferencji „without additional hardware investment” (publikacja).

2Jak to działa

• Minion Server przyjmuje zadania przez interfejs WWW i API, sprawdza je i dzieli każde na podzadania.
• Baza danych PostgreSQL przechowuje każde zadanie, podzadanie i heartbeat. Maki nigdy nie łączą się z nią bezpośrednio.
• Minion Executor działa na każdym Macu: pobiera podzadania przez REST, ściąga dane wejściowe z magazynu obiektów (Amazon S3) i model, jeśli nie ma go w pamięci podręcznej, uruchamia go na GPU Maca i zapisuje wyniki z powrotem.
• Minion Watchdog śledzi heartbeaty (co pięć minut) Maców, które pracują, i odsyła podzadanie do kolejki, gdy jego Mac zaśnie, straci sieć, wyłączy się albo zostanie zatrzymany przez właściciela.

Nie ma centralnego harmonogramu: Maki ścigają się o podzadanie, a ograniczenie unikalności w bazie danych pozwala wygrać dokładnie jednemu. Zadania idą w kolejności zgłoszeń, ale właściciel Maca może najpierw skierować go na projekt jednego zespołu. Embeddingi działają z Hugging Face transformers, a odpowiedzi LLM z Ollamą, na GPU Maca (publikacja).

3Co podaje publikacja

Minions „has been used to support GPU inference workloads across multiple teams”. Jedyna tabela porównuje stan przed i po: czas oczekiwania na GPU z godzin (do ponad 10) na minuty, nowe zamówienia GPU z „potrzebne” na „brak”, koszt infrastruktury z wysokiego na zero, a wysiłek przy skalowaniu z ręcznego na organiczny (publikacja).

Opisuje też ludzką stronę. Członkowie zespołów proszą kolegów na Slacku o uruchomienie executora dla projektu, a niektórzy obawiali się, że ich dane będą przetwarzane na urządzeniach spoza ich zespołu. Minions odpowiada na to wdrożeniami ograniczonymi do jednego zespołu lub organizacji, każde z własną bazą danych i własną pulą Maców.

4Czego nie twierdzi

• Brak benchmarków. Ani tokenów na sekundę, ani liczby Maców, ani porównania z GPU z centrów danych.
• Brak trenowania. Rozproszone trenowanie wymieniono jako przyszłą pracę.
• Brak jednego wielkiego GPU. Każde podzadanie działa na jednym Macu; publikacja nie opisuje dzielenia jednego modelu między kilka Maców.
• Brak sprawdzania wyników. Publikacja nie opisuje, jak weryfikuje się odpowiedzi odsyłane przez Maki.
• Ani zapłaty, ani produktu. Uczestniczące Maki nie dostają nagród, a publikacja nie zapowiada żadnej usługi Apple.

Wnioski sięgają dalej: jeśli bezczynne Maki „across organizations—or potentially across the global community—can be securely federated”, mogłyby utworzyć ogromną wspólną pulę GPU. W publikacji to kierunek na przyszłość, a nie coś, co zbudowano (publikacja).

5Czym różni się MLX Network

Oba projekty wychodzą od tej samej obserwacji: Maki z Apple silicon mają wydajne GPU, które przez większość dnia stoją bezczynnie. Minions zatrzymuje to wewnątrz jednej organizacji, wśród Maców, którym już ufa. MLX Network otwiera to dla każdego, dlatego sprawdza odpowiedzi z innymi Makami i płaci za zweryfikowaną pracę. MLX Network jest niezależny i niepowiązany z Apple; nazwa pochodzi od frameworka MLX, na którym działa (skąd ta nazwa).

Chcesz, żeby twój Mac wziął udział? MLX Node jest darmowy i pracuje tylko wtedy i tak intensywnie, jak pozwolisz; zasady są w whitepaperze, a każdy Mac w sieci jest widoczny na MLX World. Tokeny MLX mogą stracić na wartości: przeczytaj o ryzyku.

6Pytania

Czy Apple uruchamia chmurę GPU z Maców?

Publikacja tego nie mówi. Opisuje system, którego zespoły już używają do inferencji, i wymienia trenowanie oraz łączenie bezczynnych Maców różnych organizacji jako przyszłe kierunki. Nie zapowiada żadnego produktu.

Czy Minions łączy kilka Maców w jedno GPU?

Nie. Zadanie dzieli się na niezależne podzadania, a każde działa na jednym Macu. Publikacja nie opisuje uruchamiania jednego modelu na kilku Macach.

Jakie modele uruchamia Minions?

Modele embeddingów z Hugging Face przez bibliotekę transformers i odpowiedzi LLM przez Ollamę, na GPU Maców. Publikacja nie wymienia konkretnych modeli.

Czy MLX Network jest częścią Apple albo Minions?

Nie. MLX Network to niezależna sieć Maców z MLX Node. Nie jest powiązana z Apple i nie ma nic wspólnego z projektem Minions.