Apple décrit Minions comme un cloud GPU virtuel distribué qui agrège les GPU Apple Silicon inactifs de plusieurs appareils sous macOS afin d’exécuter des tâches d’inférence à grande échelle. L’objectif annoncé est de mobiliser le matériel existant sans acheter de GPU supplémentaires, comme l’explique la présentation de recherche d’Apple. L’inférence désigne ici l’exécution d’un modèle pour produire un résultat à partir d’une entrée.
Le papier a été soumis à arXiv le 9 octobre 2026 et figure comme publié sur le site d’Apple en octobre 2026. Ses six auteurs sont Jianhua Li, Yun Xing, Girisha De Silva, Ryan Flint, Kai Yuan et Sean Suchter (notice arXiv).
Comment les composants se partagent le travail
Dans son reportage, The Register décrit quatre composants. Le Minion Server coordonne les demandes et les sous-tâches. Le PostgreSQL Metadata Store conserve les métadonnées des tâches. Le Minion Executor exécute l’inférence sur le GPU d’un Mac et transmet l’état d’exécution ; les résultats sont envoyés vers S3. Enfin, le Minion Watchdog surveille les défaillances et peut réattribuer une tâche si un Mac ne répond plus.
Les statistiques de la base alimentent aussi des tableaux de bord basés sur Grafana, selon The Register. L’ensemble décrit un flux où les demandes sont coordonnées, exécutées sur des GPU disponibles et suivies pendant leur traitement.
Des temps d’attente rapportés par les chercheurs
Les chercheurs d’Apple ont indiqué à The Register que certains travaux d’inférence avaient auparavant attendu plus de dix heures, en raison d’un accès limité aux GPU centralisés. Avec Minions, les tâches peuvent souvent démarrer en quelques minutes, selon eux. Ces chiffres portent sur certains travaux et gardent les deux réserves formulées par les chercheurs : « certains » auparavant, et « souvent » en quelques minutes.
Minions et RDMA over Thunderbolt ont des fonctions distinctes
La note technique TN3205 d’Apple décrit RDMA over Thunderbolt comme un moyen de communiquer à faible latence entre des clusters de Mac. Minions, lui, est présenté comme un système qui répartit des tâches d’inférence entre des GPU Apple Silicon inactifs. L’un porte sur la communication entre machines en cluster ; l’autre, sur la distribution de travaux d’inférence.
