要点速览
- Minions 汇聚 Apple 芯片 Mac 的闲置 GPU，运行嵌入生成和大模型回答等推理任务，无需采购新 GPU（Apple）。
- 它为单个机构设计：服务器把任务拆成子任务，Mac 主动领取，某台 Mac 失联时由看门狗重新分发它的子任务。
- 论文称排队时间从最长 10 小时以上降到几分钟，但没有给出设备数量或速度测试。
- MLX Network 是另一个独立项目：任何人的 Mac 都能加入，答案与其他 Mac 交叉核对，奖励为 MLX 代币。它与苹果没有关联。
1Minions 是什么
《Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices》是苹果的 Jianhua Li、Yun Xing、Girisha De Silva、Ryan Flint、Kai Yuan 和 Sean Suchter 撰写的三页论文，于 2026 年 10 月 9 日发布（arXiv），并收录在 Apple Machine Learning Research（Apple）。
它的出发点是：生成嵌入、大模型回答这类推理任务通常要排队等待中央 GPU 集群，而这些集群扩容昂贵、经常超负荷；与此同时，Apple 芯片 Mac 里的 GPU 在日常使用中大多闲置。Minions 要回答的问题是，能否把这些闲置 GPU “without additional hardware investment” 地汇聚成共享推理平台（论文）。
2它如何工作
- Minion Server 通过网页界面和 API 接收任务，校验后把每个任务拆成子任务。
- 一个 PostgreSQL 数据库 记录每个任务、子任务和心跳。Mac 从不直接访问数据库。
- Minion Executor 运行在每台 Mac 上：通过 REST 领取子任务，从对象存储（Amazon S3）下载输入，若模型未缓存也会下载，在 Mac 的 GPU 上运行后写回结果。
- Minion Watchdog 跟踪正在工作的 Mac 的心跳（每五分钟一次），当某台 Mac 休眠、断网、关机或被主人停止时，把它的子任务放回队列。
这里没有中央调度器：Mac 争抢子任务，数据库里的唯一性约束保证恰好一台胜出。任务按先到先得的顺序执行，但 Mac 的主人可以让它优先处理某个团队的项目。嵌入用 Hugging Face transformers 运行，大模型回答用 Ollama，都在 Mac 的 GPU 上（论文）。
3论文报告了什么
Minions “has been used to support GPU inference workloads across multiple teams”。论文唯一的表格对比了前后：GPU 排队时间从数小时（最长 10 小时以上）降到几分钟，新的 GPU 申请从必需变为无需，基础设施成本从高变为零，扩容工作从手动变为自然增长（论文）。
论文也讲了人的一面。团队成员会在 Slack 上请同事为某个项目运行 executor；也有人担心自己的数据在团队以外的设备上运行。Minions 的办法是按团队或机构划分部署，每个部署都有自己的数据库和自己的 Mac 池。
4它没有声称什么
- 没有基准测试。 没有每秒 token 数，没有 Mac 数量，也没有与数据中心 GPU 的对比。
- 没有训练。 分布式训练被列为未来工作。
- 不是一块巨型 GPU。 每个子任务只在一台 Mac 上运行；论文没有描述把一个模型拆到多台 Mac 上。
- 没有结果校验。 论文没有描述如何核验 Mac 返回的答案。
- 没有报酬，也没有产品。 参与的 Mac 不获得奖励，论文也没有宣布任何苹果服务。
结论看得更远：如果闲置的 Mac “across organizations—or potentially across the global community—can be securely federated”，它们就可能组成一个巨大的共享 GPU 池。在论文里这是未来的方向，而不是已经建成的东西（论文）。
5MLX Network 有何不同
| Minions（苹果研究） | MLX Network | |
|---|---|---|
| 谁参与 | 一个团队或机构内部的 Mac | 任何拥有 Apple Silicon Mac 并安装 MLX Node 的人 |
| 运行什么 | 嵌入（Hugging Face）和大模型回答（Ollama） | 基于 Apple MLX 框架的大模型任务 |
| 如何获得工作 | Mac 从中央服务器领取子任务 | MLX Node 在你设定的限制内向网络请求任务 |
| 答案核对 | 未描述 | 与其他 Mac 的答案及已知测试任务比对 |
| 奖励 | 无：零成本使用现有硬件 | 每小时发放 MLX 代币，免费席位锁定 30 天 |
| 现状 | 研究论文；训练属于未来工作 | 自 2026 年 10 月 18 日起为主网，每个区块都在公开的 浏览器 上 |
两者都源于同一个观察：Apple 芯片 Mac 拥有强大的 GPU，却一天中大部分时间闲置。Minions 把这件事留在一个机构内部，在它已经信任的 Mac 之间进行。MLX Network 则向所有人开放，因此要把答案与其他 Mac 核对，并为经过验证的工作付费。MLX Network 是独立项目，与苹果没有关联；名字来自它所运行的 MLX 框架（名字的由来）。
想让你的 Mac 也参与？MLX Node 免费，只在你允许的时间、以你允许的强度工作；规则写在 白皮书 里，网络上的每台 Mac 都显示在 MLX World 上。MLX 代币可能贬值，请阅读 风险说明。
6常见问题
- 苹果要推出由 Mac 组成的 GPU 云吗？
- 论文没有这么说。它描述的是团队已经在用的推理系统，并把训练和跨机构联合闲置 Mac 列为未来方向，没有宣布任何产品。
- Minions 会把多台 Mac 合成一块 GPU 吗？
- 不会。一个任务被拆成相互独立的子任务，每个子任务在一台 Mac 上运行。论文没有描述把一个模型分到多台 Mac 上运行。
- Minions 运行哪些模型？
- 通过 transformers 库运行 Hugging Face 的嵌入模型，通过 Ollama 生成大模型回答，都在 Mac 的 GPU 上。论文没有点名具体模型。
- MLX Network 属于苹果或 Minions 吗？
- 不属于。MLX Network 是由运行 MLX Node 的 Mac 组成的独立网络，与苹果没有关联，也与 Minions 项目无关。