Potrzebujesz superkomputera? Apple: kup sobie kilka Maców Mini
Apple wraz z aktualizacją MacOS Tahoe otwiera drogę do tanich klastrów obliczeniowych dla AI. Wystarczy zebrać komputery Mac od znajomych i rodziny, podłączyć kablem Thunderbolt i voila - mały superkomputer gotowy.

Zaledwie wczoraj świat obiegła informacja o macoszym traktowaniu Maców Pro przez Apple'a, a już dziś z Cuperitno przyszedł mały prezent na otarcie łez - a przynajmniej dla tych, którzy chcą lokalnie uruchamiać generatywną AI i inne modele sztucznej inteligencji. Bowiem koncern oficjalnie potwierdził, że w nadchodzącym macOS Tahoe 26.2 będzie można łączyć kilka Maców w jeden wspólny "superkomputer" - bez ogromnej szafy pełnej czipów, pamięci masowych, kabli i przełączników. Wystarczą zwykłe kable Thunderbolt 5 i kompatybilne komputery.
Thunderbolt 5 zamienia kilka Maców w jeden komputer. Apple pokazuje, jak uruchomić ogromne modele AI bez serwerowni
Nowe rozwiązanie pozwala tworzyć klastry z wielu Maców mini, MacBooków Pro oraz Maców Studio. W praktyce oznacza to, że kilka osobnych komputerów może pracować jak jeden system, dzieląc się pamięcią i mocą obliczeniową. Dzięki temu ogromne modele, które normalnie nie byłyby w stanie działać na zasobach pojedynczej maszyny, można rozłożyć na kilka urządzeń i uruchamiać je lokalnie - bez konieczności wypożyczania drogich serwerów GPU lub korzystania z chmury.
Apple cytowane przez serwis Engadget wyjaśnia, że całość działa w oparciu o połączenie Thunderbolt 5, które oferuje przepustowość do 80 Gb/s i minimalne opóźnienia. Do tej pory podobne eksperymenty były możliwe, lecz wąskim gardłem stawały się wolniejsze porty lub konieczność używania hubów, potrafiących ograniczać transfer do poziomu szybszego Ethernetu. Teraz ograniczenie znika, a komputery mogą przekazywać sobie dane niemal natychmiastowo - co jest kluczowe przy przetwarzaniu danych w ramach działania dużych modeli AI.
Na pokazie dla mediów cztery Maki Studio połączone kablami Thunderbolt 5 uruchomiły 1-bilionowy model Kimi-K2-Thinking, zajmujący do tej pory zbyt dużo pamięci, by zmieścić się w jednym urządzeniu. Tak skonstruowany klaster pobierał niecałe 500 watów prądu - czyli mniej niż pojedyncza karta RTX 5090.
Klaster z Maców nie potrzebuje nawet najnowszych komputerów - ale ma chrapkę na dużo RAMu
Z nowej funkcji skorzystają też Mac mini z M4 Pro, które stają się najtańszą bramą do świata klastrów AI. I choć warto zauważyć, że najefektywniejsze będą klastry kilku maszyn z dużą ilością pamięci - na przykład konfiguracje 512 GB RAM w Macu Studio - Apple zaznacza, że klaster można zbudować nawet z urządzeń o różnej wydajności. System sam ma decydować, jak podzielić zadanie między szybsze i wolniejsze jednostki.
W tle Apple rozwija także MLX - własny, otwartoźródłowy framework do uczenia maszynowego na Apple Silicon. W macOS Tahoe 26.2 MLX zyska pełny dostęp do nowych akceleratorów neuronalnych w GPU M5, co ma dać nawet czterokrotny wzrost szybkości w pierwszej odpowiedzi dużego modelu. Ironią pozostaje fakt, że jedyny dostępny dziś Mac z M5 ma jeszcze porty Thunderbolt 4, a więc nie wykorzysta nowych możliwości klastrów. To ma się jednak zmienić wraz z premierą Maców M5 Pro i M5 Max, planowaną - według dotychczasowych informacji - na początek 2026 roku.
Możliwość tworzenia klastrów nie zabawką dla przeciętnego użytkownika - to opcja skierowana dla laboratoriów, startupów i twórców modeli, którzy potrzebują czegoś pomiędzy zwykłym komputerem a drogimi serwerami GPU. Ale jednocześnie to ciekawy sygnał. Jeśli Apple nie chce wracać do kategorii Maców "workstation", to przynajmniej daje społeczności alternatywę: zamiast jednego komputera-potwora, można skleić własną wieżę z Maków mini - i nikt nie powie, że to prowizorka.
Dla osób rozwijających modele lokalne to być może największa zmiana od czasu debiutu Apple Silicon. A dla Apple’a - dowód, że przyszłość AI na Macu nie musi polegać na powrocie Maców Pro, tylko na sprytniejszym wykorzystaniu sprzętu, który firma już ma w ofercie.
Więcej na temat komputerów Mac:







































