重點整理
- Minions 匯聚 Apple 晶片 Mac 的閒置 GPU，執行嵌入生成和大型語言模型回答等推論工作，無需採購新 GPU（Apple）。
- 它為單一機構設計：伺服器把工作拆成子任務，Mac 主動領取，某台 Mac 失聯時由看門狗重新分派它的子任務。
- 論文稱排隊時間從最長 10 小時以上降到幾分鐘，但沒有提供裝置數量或速度測試。
- MLX Network 是另一個獨立專案：任何人的 Mac 都能加入，答案與其他 Mac 交叉核對，獎勵為 MLX 代幣。它與蘋果沒有關聯。
1Minions 是什麼
《Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices》是蘋果的 Jianhua Li、Yun Xing、Girisha De Silva、Ryan Flint、Kai Yuan 和 Sean Suchter 撰寫的三頁論文，於 2026 年 10 月 9 日發布（arXiv），並收錄在 Apple Machine Learning Research（Apple）。
它的出發點是：產生嵌入、大型語言模型回答這類推論工作通常要排隊等待中央 GPU 叢集，而這些叢集擴充昂貴、經常超載；同時，Apple 晶片 Mac 裡的 GPU 在日常使用中大多閒置。Minions 要回答的問題是，能否把這些閒置 GPU「without additional hardware investment」地匯聚成共享推論平台（論文）。
2它如何運作
- Minion Server 透過網頁介面和 API 接收工作，驗證後把每項工作拆成子任務。
- 一個 PostgreSQL 資料庫 記錄每項任務、子任務和心跳。Mac 從不直接存取資料庫。
- Minion Executor 在每台 Mac 上執行：透過 REST 領取子任務，從物件儲存（Amazon S3）下載輸入，若模型未快取也會下載，在 Mac 的 GPU 上執行後寫回結果。
- Minion Watchdog 追蹤正在工作的 Mac 的心跳（每五分鐘一次），當某台 Mac 睡眠、斷網、關機或被主人停止時，把它的子任務放回佇列。
這裡沒有中央排程器：Mac 爭搶子任務，資料庫裡的唯一性約束保證恰好一台勝出。工作依先到先處理的順序執行，但 Mac 的主人可以讓它優先處理某個團隊的專案。嵌入用 Hugging Face transformers 執行，大型語言模型回答用 Ollama，都在 Mac 的 GPU 上（論文）。
3論文報告了什麼
Minions「has been used to support GPU inference workloads across multiple teams」。論文唯一的表格比較了前後：GPU 排隊時間從數小時（最長 10 小時以上）降到幾分鐘，新的 GPU 申請從必要變為不需要，基礎設施成本從高變為零，擴充工作從手動變為自然成長（論文）。
論文也講了人的一面。團隊成員會在 Slack 上請同事為某個專案執行 executor；也有人擔心自己的資料在團隊以外的裝置上執行。Minions 的做法是依團隊或機構劃分部署，每個部署都有自己的資料庫和自己的 Mac 群組。
4它沒有聲稱什麼
- 沒有基準測試。 沒有每秒 token 數，沒有 Mac 數量，也沒有與資料中心 GPU 的比較。
- 沒有訓練。 分散式訓練被列為未來工作。
- 不是一塊巨型 GPU。 每個子任務只在一台 Mac 上執行；論文沒有描述把一個模型拆到多台 Mac 上。
- 沒有結果驗證。 論文沒有描述如何核驗 Mac 傳回的答案。
- 沒有報酬，也沒有產品。 參與的 Mac 不獲得獎勵，論文也沒有宣布任何蘋果服務。
結論看得更遠：如果閒置的 Mac「across organizations—or potentially across the global community—can be securely federated」，它們就可能組成一個巨大的共享 GPU 池。在論文裡這是未來的方向，而不是已經建成的東西（論文）。
5MLX Network 有何不同
| Minions（蘋果研究） | MLX Network | |
|---|---|---|
| 誰參與 | 一個團隊或機構內部的 Mac | 任何擁有 Apple Silicon Mac 並安裝 MLX Node 的人 |
| 執行什麼 | 嵌入（Hugging Face）和大型語言模型回答（Ollama） | 基於 Apple MLX 框架的大型語言模型工作 |
| 如何取得工作 | Mac 從中央伺服器領取子任務 | MLX Node 在你設定的限制內向網路請求工作 |
| 答案核對 | 未描述 | 與其他 Mac 的答案及已知測試工作比對 |
| 獎勵 | 無：零成本使用現有硬體 | 每小時發放 MLX 代幣，免費席位鎖定 30 天 |
| 現況 | 研究論文；訓練屬於未來工作 | 自 2026 年 10 月 18 日起為主網，每個區塊都在公開的 瀏覽器 上 |
兩者都源於同一個觀察：Apple 晶片 Mac 擁有強大的 GPU，卻一天中大部分時間閒置。Minions 把這件事留在一個機構內部，在它已經信任的 Mac 之間進行。MLX Network 則向所有人開放，因此要把答案與其他 Mac 核對，並為經過驗證的工作付費。MLX Network 是獨立專案，與蘋果沒有關聯；名字來自它所執行的 MLX 框架（名字的由來）。
想讓你的 Mac 也參與？MLX Node 免費，只在你允許的時間、以你允許的強度工作；規則寫在 白皮書 裡，網路上的每台 Mac 都顯示在 MLX World 上。MLX 代幣可能貶值，請閱讀 風險說明。
6常見問題
- 蘋果要推出由 Mac 組成的 GPU 雲嗎？
- 論文沒有這麼說。它描述的是團隊已經在用的推論系統，並把訓練和跨機構聯合閒置 Mac 列為未來方向，沒有宣布任何產品。
- Minions 會把多台 Mac 合成一塊 GPU 嗎？
- 不會。一項工作被拆成彼此獨立的子任務，每個子任務在一台 Mac 上執行。論文沒有描述把一個模型分到多台 Mac 上執行。
- Minions 執行哪些模型？
- 透過 transformers 函式庫執行 Hugging Face 的嵌入模型，透過 Ollama 產生大型語言模型回答，都在 Mac 的 GPU 上。論文沒有點名具體模型。
- MLX Network 屬於蘋果或 Minions 嗎？
- 不屬於。MLX Network 是由執行 MLX Node 的 Mac 組成的獨立網路，與蘋果沒有關聯，也與 Minions 專案無關。