Minions da Apple, explicado.

1O que é o Minions

"Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices" é um paper de três páginas de Jianhua Li, Yun Xing, Girisha De Silva, Ryan Flint, Kai Yuan e Sean Suchter, da Apple, publicado em 9 de outubro de 2026 (arXiv) e listado no Apple Machine Learning Research (Apple).

O ponto de partida: tarefas de inferência, como gerar embeddings e respostas de LLM, costumam esperar por clusters centrais de GPU que são caros de ampliar e vivem sobrecarregados, enquanto as GPUs dos Macs com Apple silicon ficam quase sempre paradas no uso diário. O Minions pergunta se essas GPUs ociosas podem ser reunidas em uma plataforma de inferência compartilhada "without additional hardware investment" (paper).

2Como funciona

• Minion Server recebe tarefas por uma interface web e APIs, valida e divide cada uma em subtarefas.
• Um banco PostgreSQL guarda cada tarefa, subtarefa e heartbeat. Os Macs nunca acessam o banco diretamente.
• Minion Executor roda em cada Mac: busca subtarefas por REST, baixa as entradas de um armazenamento de objetos (Amazon S3) e o modelo, se não estiver em cache, roda na GPU do Mac e devolve os resultados.
• Minion Watchdog acompanha os heartbeats, a cada cinco minutos, dos Macs que estão trabalhando e devolve uma subtarefa à fila quando o Mac dela dorme, perde a rede, desliga ou é parado pelo dono.

Não há um agendador central: os Macs disputam uma subtarefa e uma restrição de unicidade no banco deixa exatamente um vencer. As tarefas seguem a ordem de chegada, mas o dono de um Mac pode apontá-lo primeiro para o projeto de uma equipe. Os embeddings rodam com Hugging Face transformers e as respostas de LLM com Ollama, na GPU do Mac (paper).

3O que o paper relata

O Minions "has been used to support GPU inference workloads across multiple teams". Sua única tabela compara antes e depois: espera por GPU de horas (até mais de 10) para minutos, novos pedidos de GPU de necessários para nenhum, custo de infraestrutura de alto para zero e esforço para escalar de manual para orgânico (paper).

Ele também relata o lado humano. Membros das equipes pedem aos colegas pelo Slack que rodem o executor para um projeto, e algumas pessoas se preocupavam com seus dados rodando em aparelhos de fora da própria equipe. O Minions responde com instalações restritas a uma equipe ou organização, cada uma com seu próprio banco e seu próprio grupo de Macs.

4O que ele não afirma

• Nenhum benchmark. Nada de tokens por segundo, número de Macs ou comparação com GPUs de data center.
• Nenhum treino. O treino distribuído aparece como trabalho futuro.
• Nenhuma GPU gigante única. Cada subtarefa roda em um Mac; o paper não descreve dividir um modelo entre vários Macs.
• Nenhuma conferência de resultados. O paper não descreve como as respostas que os Macs devolvem são verificadas.
• Nem pagamento nem produto. Os Macs participantes não recebem recompensa, e o paper não anuncia nenhum serviço da Apple.

A conclusão olha mais longe: se Macs ociosos "across organizations—or potentially across the global community—can be securely federated", eles poderiam formar um grande grupo compartilhado de GPUs. No paper isso é uma direção para o futuro, não algo que foi construído (paper).

5Como a MLX Network é diferente

Os dois partem da mesma observação: Macs com Apple silicon têm GPUs capazes que ficam paradas a maior parte do dia. O Minions mantém isso dentro de uma organização, entre Macs em que ela já confia. A MLX Network abre isso para qualquer pessoa, e por isso confere as respostas com outros Macs e paga pelo trabalho verificado. A MLX Network é independente e não tem afiliação com a Apple; o nome vem do framework MLX em que ela roda (por que o nome).

Quer que o seu Mac participe? O MLX Node é gratuito e só trabalha quando e o quanto você permitir; as regras estão no whitepaper, e cada Mac da rede aparece no MLX World. Tokens MLX podem perder valor: leia os riscos.

6Perguntas

A Apple vai lançar uma nuvem de GPU feita de Macs?

O paper não diz isso. Ele descreve um sistema que equipes já usam para inferência e cita o treino e a federação de Macs ociosos entre organizações como direções futuras. Não anuncia nenhum produto.

O Minions junta vários Macs em uma única GPU?

Não. Uma tarefa é dividida em subtarefas independentes e cada uma roda em um único Mac. O paper não descreve rodar um modelo dividido entre vários Macs.

Quais modelos o Minions roda?

Modelos de embeddings do Hugging Face, pela biblioteca transformers, e respostas de LLM pelo Ollama, nas GPUs dos Macs. O paper não cita modelos específicos.

A MLX Network faz parte da Apple ou do Minions?

Não. A MLX Network é uma rede independente de Macs que rodam o MLX Node. Ela não tem afiliação com a Apple e não tem nada a ver com o projeto Minions.