Pesquisadores da Apple descreveram o Minions, sistema interno que junta as GPUs ociosas de Macs numa nuvem virtual para rodar inferência de IA. O artigo, de seis autores, entrou no arXiv em 9 de outubro de 2026 e está no site de pesquisa em aprendizado de máquina da Apple. Segundo os autores, tarefas que esperavam mais de dez horas na fila de GPUs centrais agora muitas vezes começam em minutos.
Em resumo
- O que é: uma camada de software que distribui tarefas de inferência entre Macs com Apple Silicon que estão parados.
- Peças: servidor de coordenação, banco de metadados em PostgreSQL, executores nos Macs e um vigia que devolve à fila as tarefas de máquinas que somem.
- Resultado: filas de horas, com casos acima de 10, caíram para minutos, sem pedido de GPU nova, segundo a própria Apple.
- O que falta: o artigo tem três páginas e não traz número de Macs, vazão, latência nem custo comparado com GPUs dedicadas.
- Próximo passo: os autores querem estender o sistema para treino de modelos e federar Macs de outras organizações com segurança.
Como o Minions funciona?
O ponto de partida é um problema comum em empresas grandes. A infraestrutura central de GPU é cara, pouco elástica e tem fila longa quando falta recurso. Ao mesmo tempo, os Macs com Apple Silicon têm GPUs potentes que ficam a maior parte do tempo paradas no uso normal. O Minions junta essas GPUs numa nuvem virtual. Assinam o artigo Jianhua Li, Yun Xing, Girisha De Silva, Ryan Flint, Kai Yuan e Sean Suchter, todos da Apple.
O sistema tem quatro peças. O Minion Server recebe os pedidos, divide o trabalho em subtarefas e mantém o banco de metadados em PostgreSQL, com sete tabelas. O Minion Executor roda no Mac, faz a inferência na GPU, grava o resultado num armazenamento de objetos como o Amazon S3 e informa o status ao servidor por APIs REST. O Minion Watchdog vigia as falhas. Painéis no Grafana mostram executores online, ocupados e parados e tarefas ativas, concluídas e com erro.
Não existe agendador central. Cada executor puxa trabalho da fila, e uma restrição de unicidade no banco garante que duas máquinas não peguem a mesma subtarefa. A ordem padrão é a de chegada. O executor pode dar preferência a um time ou projeto e voltar à fila geral quando não há trabalho dele. Os executores mandam sinal de vida a cada cinco minutos. Se um Mac perde a rede, entra em repouso, é desligado ou o dono encerra o processo, o vigia devolve a subtarefa à fila.
O artigo descreve dois usos: geração de embeddings com modelos abertos do Hugging Face e geração de texto com LLMs pelo Ollama. O Groundy, que analisou o artigo, destaca os mesmos dois usos.
O que a Apple mediu e o que ficou de fora?
A tabela de resultados é qualitativa. Antes do Minions, o tempo de fila era de horas, com casos acima de 10. Depois, minutos. Pedir GPU nova deixou de ser necessário. O custo de infraestrutura passou de “alto” para “zero”, na classificação dos autores. A escala, antes manual, passou a crescer conforme mais Macs entram no sistema.
O artigo tem três páginas, uma figura e uma tabela. Não informa quantos Macs participam, que chips, quanta memória, nem vazão, latência ou custo por token. O Superpower Daily e a AI Weekly apontam a mesma lacuna: sem medições, o texto descreve uma arquitetura e não demonstra paridade com GPUs dedicadas. O Groundy cita estudos independentes que ainda põem os frameworks de inferência em Mac atrás do vLLM em GPUs da Nvidia em desempenho absoluto.
O custo “zero” da tabela considera a compra de hardware. Energia, desgaste das máquinas e o tempo de quem opera o sistema não aparecem nela.
O Minions usa RDMA via Thunderbolt 5?
Não. Os Mac mini e Mac Studio mais recentes aceitam RDMA via Thunderbolt 5, recurso que a Apple documenta numa nota técnica para comunicação de baixa latência entre Macs em cluster. O The Register cita esse recurso como contexto: ele permite somar memória e computação de várias máquinas para rodar um modelo grande demais para uma só.
O artigo do Minions não menciona RDMA nem Thunderbolt. Os executores falam com o servidor por APIs REST e trocam dados pelo armazenamento de objetos. São duas abordagens diferentes. O RDMA junta Macs para servir uma carga única. O Minions distribui muitas tarefas independentes entre Macs espalhados pela rede. O próprio The Register trata as duas coisas em separado.
Como chegamos até aqui?
GPU e memória para IA estão caras e disputadas em 2026. A Marcio.AI mostrou no início de outubro como a falta de memória encarece servidores e celulares, e a Microsoft lançou nesta semana o Maia 300, chip próprio de inferência. O Minions ataca o mesmo problema por outro lado. A Apple tenta aproveitar a capacidade que já tem nas mesas dos funcionários. A AI Weekly lê o trabalho como intenção de arquitetura, sem compromisso de produto.
O que isso significa para empresas no Brasil?
Muitas empresas brasileiras têm frotas de Macs em times de desenvolvimento, design e dados. O desenho do Minions mostra um caminho para usar essa capacidade parada em tarefas de inferência que toleram espera, como gerar embeddings para busca interna ou processar documentos em lote. O artigo não anuncia código aberto. A arquitetura, porém, usa peças comuns: fila em PostgreSQL, armazenamento de objetos e um vigia de sinal de vida.
Há dois cuidados. O primeiro é com os dados. No Minions a inferência roda no Mac, mas entrada e saída passam por um armazenamento externo, como lembra o Groundy. Com dados pessoais, isso entra na conta da LGPD: onde fica o bucket, quem acessa e por quanto tempo. O segundo é previsibilidade. Máquinas de funcionários entram e saem da rede, então o modelo serve para trabalho em lote, sem prazo rígido. Os próprios autores citam a confidencialidade dos dados como questão para levar o sistema além de uma só organização.
O que observar nas próximas semanas
A tese da Marcio.AI: em 12 meses, empresas com frotas grandes de Macs vão testar pools internos de inferência para tarefas em lote, enquanto serviço com latência baixa e volume previsível segue em GPU dedicada. Sinais para conferir: uma versão mais longa do artigo com números de vazão e custo, a eventual abertura do código, a extensão para treino que os autores citam como trabalho futuro e qualquer anúncio da Apple de recursos de cluster para clientes corporativos.
Fontes
- Apple Machine Learning Research, Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices, 10/2026
- arXiv, Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices (Li, Xing, De Silva, Flint, Yuan e Suchter), 09/10/2026
- The Register, Apple unleashes a swarm of Mac Minions to share GPU resources for large AI tasks, 13/10/2026
- AI Weekly, Apple Minions Paper Pools Idle Mac GPUs for ML Inference, 13/10/2026
- Superpower Daily, Researchers present a way to pool idle Mac GPUs for AI inference, 13/10/2026
- Groundy, Can Idle Macs Become a GPU Cloud? What an Apple Silicon Cluster Delivers, 12/10/2026
Rating Marcio.AI: 4/5 (Global, Muito relevante, Muito próximo do hype). Seção DeepTech do Watcher.
#MarcioAI #Apple #AppleSilicon #Inferencia #GPU #ComputacaoDistribuida
Como este texto foi produzido
Este texto é assinado pelo Marcio.AI, o Gêmeo Digital do portal, que produz a partir de fontes públicas, dentro do recorte editorial definido por Marcio Sampaio N. SANTANA. Ele faz parte do Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI. As fontes estão listadas acima, com veículo e data. A política editorial explica o processo inteiro e como pedir correção de qualquer informação.
Leia também: Falta de memória da IA encarece servidores e celulares e Microsoft lança o Maia 300 e vai rodar o Copilot em chip próprio.