Майнинг вернулся на Mac: Darkbloom платит за AI-inference — реальны ли $120–200 в месяц

Майнинг вернулся — но Mac продаёт не hash rate, а inference

После перехода Ethereum на proof-of-stake идея “оставить компьютер включённым и получать деньги за вычисления” казалась пережитком криптоэпохи. В 2026 году она возвращается в другой форме. Darkbloom строит distributed inference network из Apple Silicon: владельцы Mac отдают свободные CPU/GPU/Unified Memory для запуска open models, а клиенты платят за tokens.

Оператор Eigen Labs в комментариях, которые цитирует The Register, говорил о $120–200 в месяц в среднем на машину. Это звучит как новый “майнинг на Mac mini”, но важное слово здесь — reported estimate. Darkbloom находится в public alpha, а official terms прямо предупреждают: earnings могут меняться, прерываться или быть уменьшены, uptime не гарантируется.

Поэтому RankPoint смотрит на Darkbloom не как на “пассивный доход”, а как на ранний инфраструктурный рынок: может ли парк уже проданных Apple Silicon машин стать дешёвым distributed cloud для AI inference — и имеет ли смысл владельцу Mac подключаться.

Live network уже выглядит как заметный distributed cluster

На live statistics page Darkbloom на момент проверки отображалось около 128 млрд served tokens, 31,15 млн requests, 230 nodes online и 191 hardware-attested node. Совокупно сеть показывала 20 838 GB unified RAM, 7 927 GPU cores, 3 593 CPU cores и примерно 35,1 kW network power под нагрузкой.

Интересна не только абсолютная цифра, но и скорость роста. The Register несколькими днями ранее описывал около 4,5 млрд served tokens и примерно 250 machines. Более поздний live dashboard показывал уже в десятки раз больше tokens. Это означает, что alpha реально нагружают — но не означает, что каждый отдельный Mac получает 100% utilization или стабильный payout.

Почему именно Apple Silicon

Mac имеет сильное свойство для inference: unified memory. CPU и GPU работают с общим memory pool, поэтому модель не ограничена отдельной VRAM так, как на типичной discrete GPU. Mac с 48, 64, 128 GB и больше может держать квантованную модель, которая не поместилась бы в дешёвую видеокарту.

Второе преимущество — energy efficiency. Apple Silicon создавался для ноутбуков и компактных workstation, поэтому performance per watt может быть привлекательным для inference. Третье — огромная installed base. Darkbloom позиционирует именно idle capacity уже купленных машин как свою supply-side преимущество.

Как Darkbloom продаёт inference

Официальный сайт public alpha показывает тарифы за миллион tokens для open models и сравнивает их с типичными API ценами. Во время alpha providers, по заявлению проекта, оставляют себе 100% inference revenue.

Экономическая логика проста: customer получает более дешёвый API, Darkbloom агрегирует неиспользуемые Macs, владелец hardware монетизирует sunk cost. Но модель работает только при наличии customer demand. В криптомайнинге protocol создавал постоянный глобальный спрос на hash; здесь запрос на compute формируют реальные пользователи.

$120–200 в месяц: проверяем грубую математику

Live dashboard показывал 35,1 kW network power при 230 online nodes. Если очень грубо разделить мощность равномерно, получается около 153 W на node под load. Это не измерение конкретного Mac и не гарантия — в сети разные machines и workloads — но полезный sanity check.

При 24/7 работе 153 W дают примерно 110 kWh за 30 дней. При $0,10/kWh это около $11, при $0,20 — $22, при $0,30 — $33. Если gross revenue действительно $120–200, electricity alone не съедает всю сумму.

Но это ещё не profit. Есть Internet, hardware wear, cooling, downtime, taxes, будущая platform economics после alpha и главное — utilization. Earnings estimator самого проекта предупреждает о высокой вариативности. Поэтому покупать новый Mac только под рекламную цифру $120–200 — совсем другой risk profile, чем монетизировать уже имеющуюся машину.

Технический minimum и коммерческий minimum — разные вещи

GitHub provider documentation описывает техническую поддержку M1+ и даже 8 GB как minimum для запуска, а 16 GB — как более практичный уровень для небольших quantized models. Одновременно current earning experience в public alpha ориентируется на значительно большие memory configurations, включая 48 GB+.

Это не обязательно противоречие. “Может поднять provider” и “сейчас есть paid workloads для этой конфигурации” — разные вопросы. Владельцу базового M1 не стоит автоматически переносить $120–200 на свою машину.

Приватность сложнее фразы «владелец Mac не видит prompt»

Darkbloom много говорит об encrypted requests, hardware attestation и hardened runtime. GitHub documentation даёт более точную картину. Provider получает hardware-bound identity через Apple Secure Enclave; coordinator и provider используют криптографические ключи; inference выполняется локально через MLX; prompt logging отключён.

Но фундаментальный нюанс: чтобы модель выполнила inference, plaintext в определённый момент существует в memory final process. Privacy architecture пытается не дать владельцу Mac прочитать его, а coordinator работает в hardware-encrypted CVM. Это сильный security design, но не магическая схема, где plaintext никогда и нигде не существует.

Для sensitive workloads нужно читать реальный trust model, а не marketing headline. Public alpha — не то же самое, что certified enterprise environment.

Зачем hardware attestation

В provider architecture Apple Secure Enclave используется для identity, а node keys привязываются к конкретному hardware. Идея — дать coordinator способ проверить, что workload принимает ожидаемый runtime, а не произвольный process, который владелец подменил.

Для distributed marketplace это критично. Если customer отправляет inference на случайный Mac в чужой квартире, system должна уметь проверить provider и защитить input/output от банального tampering.

Можно ли купить Mac mini и сделать “ферму”

Технически — да, несколько Apple Silicon nodes можно подключить. Экономически — рано называть это инвестиционной моделью. Public alpha не имеет длинной истории utilization, payouts, pricing после promotional period и residual hardware value.

Рациональный сценарий сегодня — монетизировать уже имеющийся idle Mac. Если машина куплена для development, монтажа или local AI, marginal risk невелик: измерить watts, temperature, actual paid hours и net revenue в течение 30–60 дней.

Сценарий “купить 20 Mac mini в кредит” уже требует business case: duty cycle, electricity, networking, racks, cooling, failures, resale и alternative cost of capital.

Почему Darkbloom важен даже без гарантии большого бизнеса

Первый этап generative AI концентрировался в гигантских NVIDIA data centers. Следующий может быть гибридным: frontier training остаётся централизованным, а часть inference распределяется по дешёвым, энергоэффективным и географически разнесённым devices.

Это не заменит hyperscalers для всех workloads. Но batch tasks, non-sensitive inference, open models, embeddings, background jobs и edge workloads могут выиграть от “компьютеров, которые уже существуют”. Darkbloom — один из самых интересных тестов этой экономики.

Вывод RankPoint

Darkbloom действительно напоминает майнинг: установил provider, машина работает, за compute приходит оплата. Но economics принципиально другая. Здесь demand создают клиенты, а не protocol.

Поэтому $120–200 в месяц стоит воспринимать как раннюю operator-reported оценку, а не yield. Для Mac, который уже есть, эксперимент выглядит интересным. Для покупки нового hardware “под пассивный доход” данных пока недостаточно. Самое важное здесь даже не деньги: Apple Silicon пытаются превратить в массовый distributed AI cloud, и live network уже достаточно велика, чтобы за ней стоило следить.

Что на самом деле делает provider: это не “запустил майнер и забыл”

Provider documentation показывает более операционную картину. Node проходит setup, hardware checks и attestation, после чего scheduler выдаёт workloads. В public alpha есть scheduling windows — владелец может разрешить работу, например, ночью, а не держать Mac доступным 24/7.

Это важное отличие от классического mining daemon. Доходность зависит не только от мощности hardware, но от routing, model demand, момента, когда ваш node online, cold starts и того, подходит ли memory configuration под конкретный workload.

Официальные terms прямо говорят: стабильный доход не обещают

Public Alpha Terms формулируют риск намного жёстче маркетингового калькулятора. Provider earnings зависят от consumer demand, platform availability, routing и других factors; сервис не даёт SLA и не позиционирует payout как стабильный income.

Во время alpha platform fee заявлена как 0%, то есть providers оставляют 100% token revenue. Но promotional economics нельзя переносить на будущую mature network: fee structure, routing incentives и model mix могут измениться.

Privacy: provider является final decryption endpoint — это нужно понимать буквально

В privacy documentation есть важное уточнение: между consumer и provider нет магического end-to-end encryption, позволяющего выполнять обычный LLM inference над данными, никогда их не расшифровывая. Provider runtime является final decryption endpoint; plaintext prompt и response существуют внутри inference process.

Security model строится вокруг того, чтобы оператор node не имел нормальной observation surface: hardened process, encrypted transport, Secure Enclave identity, attestation и отсутствие prompt logging. Но это trust architecture, а не математическая гарантия confidential computing для любого threat model.

Для обычных non-sensitive workloads этого может быть достаточно. Для медицинских, юридических, credential-rich или trade-secret prompts нужна отдельная оценка — особенно пока network в public alpha.

Hardware attestation — борьба не только с прослушиванием, но и с фальшивым compute

Marketplace имеет две проблемы: защитить consumer data и убедиться, что provider действительно выполняет ожидаемый runtime. Secure Enclave identity и регулярные attestation challenges помогают coordinator проверять node state и привязывать identity к hardware.

Без этого злоумышленный provider мог бы подменить runtime, возвращать выдуманные outputs, пытаться логировать inputs или выдавать более дешёвую model за дорогую. Поэтому attestation — основа economics marketplace, а не декоративная privacy feature.

Электричество при разном duty cycle

Наш грубый 153 W/node — только average из network snapshot под load. Если использовать его как upper-bound sanity model, 100% duty cycle даёт около 110 kWh/мес, 50% — 55 kWh, 25% — 27,5 kWh. При $0,20/kWh это примерно $22, $11 и $5,5 соответственно.

Это не прогноз Darkbloom revenue. Таблица показывает, почему главная неизвестная — demand. Electricity у modern Apple Silicon может быть небольшой частью gross revenue при хорошем utilization. Но при низком paid utilization даже дешёвая электроэнергия не создаёт бизнес.

Лучший способ проверить $120–200 — вести собственный mini-P&L

За 30–60 дней достаточно пяти колонок: paid tokens/revenue, active workload hours, wall energy from socket, downtime/restarts, temperatures/throttling. Добавьте Internet и tax/payment friction — и получите фактический net.

После этого можно сравнить три сценария: Mac простаивает; Mac работает provider; ту же сумму вложили в другой compute или оставили в cash. Именно opportunity cost, а не красивый monthly revenue screenshot, решает, имеет ли смысл масштабироваться.

↗