¿Mac inactivas pueden generar dinero? Un análisis de Darkbloom, la red de inferencia de IA descentralizada lanzada por Eigen Labs

marsbitPublished on 2026-06-22Last updated on 2026-06-22

Abstract

El proyecto Darkbloom, lanzado por Eigen Labs, es una red descentralizada de inferencia de IA que permite a los usuarios aprovechar la potencia de sus Mac con chips Apple Silicon en estado de reposo para realizar tareas de procesamiento de inteligencia artificial. La arquitectura se compone de tres elementos: usuarios que envían solicitudes, un coordinador que las dirige y proveedores (dueños de los Mac) que ejecutan los modelos sin poder ver el contenido de las peticiones, garantizando privacidad mediante verificación hardware. El sistema prioriza la privacidad y la seguridad, utilizando la arquitectura de seguridad de Apple para autenticación y aislamiento. Economicamente, se diferencia al no emitir tokens; los proveedores reciben el 100% de los ingresos por inferencia, con precios aproximadamente un 50% más bajos que los de los agregadores de API tradicionales. Sin embargo, en su fase alfa actual, las ganancias son modestas (el mejor proveedor obtiene menos de 6 dólares diarios), aunque se espera que aumenten con la adopción de modelos más grandes y mayor uso. Para participar, se necesita un Mac con Apple Silicon, macOS 14 o superior, instalar el software Darkbloom y mantener el equipo conectado a internet. El proyecto ya está disponible en OpenRouter con modelos como Gemma 4 de Google y GPT-OSS de OpenAI.

Organizado por: Felix, PANews

La inferencia de IA se está convirtiendo gradualmente en una de las capas clave de la infraestructura de Internet. Sin embargo, la mayoría de la inferencia aún depende de una arquitectura centralizada, la cual es costosa, tiene capacidad limitada y presenta múltiples capas con ciertos riesgos de seguridad. Al mismo tiempo, existen millones de computadoras de alto rendimiento en todo el mundo que permanecen inactivas durante la mayor parte del día.

Eigen Labs recientemente lanzó la red de inferencia de IA Darkbloom, que explora la inferencia de IA distribuida en computadoras Mac inactivas. Al combinar nodos verificados, protección de privacidad a nivel de hardware y mejores beneficios económicos, convierte los chips Apple Silicon inactivos en una red de computación más eficiente y centrada en la privacidad.

El proyecto se lanzó en abril aproximadamente en forma de vista previa de investigación, se actualizó a una versión alfa pública en mayo y actualmente está disponible en la plataforma OpenRouter. En la versión alfa, los modelos disponibles son Gemma 4 de Google y GPT-OSS de OpenAI.

Arquitectura central y privacidad verificable

La red de Darkbloom consta de tres partes: usuarios, coordinadores y proveedores.

  • Los usuarios pueden enviar solicitudes de inferencia a través de una interfaz de chat o una API compatible con OpenAI.
  • El coordinador (operado por Eigen Labs) enruta estas solicitudes a las Mac elegibles en la red.
  • Los proveedores (usuarios que poseen estas Mac elegibles) ejecutan los modelos y devuelven los resultados de salida, pero no pueden ver el contenido de la solicitud.

Darkbloom se basa en un modelo de inferencia distribuida con prioridad en la privacidad. Los procesos del proveedor están reforzados para resistir rutas de inspección locales comunes, incluyendo la conexión de depuradores y la inspección de memoria externa. La integridad del archivo binario en ejecución también forma parte del modelo de confianza, lo que ayuda a garantizar que el software que atiende las solicitudes cumpla con lo esperado por la red.

El sistema también utiliza autenticación basada en hardware, aprovechando la arquitectura de seguridad de Apple. Se utilizan claves de enclave seguro, señales de autenticación y comprobaciones periódicas de desafío-respuesta para verificar que los nodos participantes se ejecuten con las medidas de protección y el estado del software esperados, logrando así una privacidad verdaderamente verificable.

Modelo económico y ganancias diarias

El modelo de negocio de Darkbloom es fundamentalmente diferente al de la gran mayoría de los proyectos. En la pila tecnológica tradicional, los costos incluyen hardware, instalaciones, refrigeración, red, gastos operativos y múltiples capas de ganancias. En el modelo de Darkbloom, el hardware ya existe, y el costo marginal está impulsado principalmente por la electricidad. Los precios de referencia de Darkbloom son aproximadamente un 50% más bajos que los de los principales agregadores de API actuales. Los proveedores (anfitriones de Mac) pueden conservar el 100% de los ingresos por inferencia. Además, Darkbloom no ha adoptado la ruta de emitir tokens para subsidiar a los primeros participantes; las ganancias de los nodos provienen completamente de la demanda real de inferencia de IA.

Vale la pena mencionar que, dado que el proyecto se encuentra en una etapa temprana de desarrollo, las ganancias son bastante modestas. Factores como la memoria y configuración del hardware, el tiempo de actividad, la demanda de modelos, el estado de salud del nodo y la demanda de la red, pueden afectar en cierta medida la situación de los ingresos.

Actualmente, los datos del ranking muestran que el proveedor en el primer puesto gana menos de 6 dólares al día, y el proveedor en el quinto puesto incluso menos de 2 dólares. Sin embargo, esta situación podría mejorar a medida que la red abra acceso a modelos de lenguaje grandes con altos requisitos de memoria y aumente el uso por parte de usuarios reales.

Pasos para configurar una Mac inactiva:

  • Obtener una Mac con chip Apple Silicon.
  • Asegurarse de que ejecute macOS 14 o superior.
  • Instalar el proveedor de Darkbloom.
  • Mantener la Mac en línea y conectada a una Internet estable.
  • Permitir que la red enrute las tareas de IA compatibles.

Lectura relacionada: Resumen de activos bursátiles y criptoactivos recientes a tener en cuenta: IA, RWA y acciones espaciales...

Trending Cryptos

Related Questions

Q¿Qué es Darkbloom y quién lo desarrolló?

ADarkbloom es una red de inferencia de IA distribuida, lanzada por Eigen Labs, que permite utilizar computadoras Mac con chips Apple Silicon en estado de reposo para realizar tareas de inferencia de IA.

Q¿Cómo está compuesta la arquitectura principal de la red Darkbloom?

ALa red Darkbloom se compone de tres partes: los usuarios (envían solicitudes), el coordinador (enrutado por Eigen Labs) y los proveedores (dueños de las Mac que ejecutan los modelos sin ver el contenido de las solicitudes).

Q¿Cómo garantiza Darkbloom la privacidad en las computadoras de los proveedores?

ADarkbloom garantiza privacidad mediante procesos reforzados en los proveedores, que resisten inspecciones locales como depuradores. Además, utiliza la arquitectura de seguridad de Apple (Secure Enclave) para autenticación y verificaciones periódicas de desafío-respuesta, logrando una privacidad verificable a nivel de hardware.

Q¿En qué se diferencia el modelo económico de Darkbloom del de la mayoría de los proyectos?

AA diferencia de la mayoría de los proyectos, Darkbloom no tiene costos iniciales de hardware, ya que este ya existe. Sus costos marginales se basan principalmente en electricidad, ofreciendo precios un 50% más bajos que los agregadores de API tradicionales. Los proveedores se quedan con el 100% de los ingresos y no se utiliza un token para subsidiar a los participantes tempranos.

Q¿Cuáles son los requisitos para configurar una Mac como proveedor en Darkbloom y cuál es el rendimiento típico actual?

APara configurar una Mac como proveedor, se necesita una con chip Apple Silicon, ejecutando macOS 14 o superior, instalando el proveedor Darkbloom y manteniéndola en línea con internet estable. Actualmente, los rendimientos son modestos: el proveedor principal gana menos de 6 dólares diarios, y el quinto menos de 2 dólares. Se espera que esto mejore con la apertura a modelos de lenguaje más grandes y un mayor uso real.

Related Reads

Founder of Baixing.com: The Notion That Large Language Models Will Devour Everything, I Believe Half of It

Founder of Baixing.com: I Only Half-Believe the Saying “Large Language Models Will Devour Everything” Author: Wang Jianshuo, Founder of Baixing.com Many proclaim that large models are everything, but the author is skeptical. He argues that such sweeping claims often stem from a limited understanding of the future. Drawing parallels to past technologies like electricity and the internet—which were predicted to “devour everything” but didn’t—he suggests that large language models (LLMs) are better seen as a foundational base. Like electricity, this base is essential for modern development, but its real value emerges only when applied to specific scenarios through various “machines” or “tools” (e.g., Claude Code for programming, Claude Design for design). The author acknowledges that LLMs may indeed replace many existing software systems built on rigid rules, workflows, and forms (e.g., CRMs, SaaS tools), as these are precisely what LLMs excel at processing. However, he emphasizes that beyond software, elements like customer data, execution capabilities (e.g., booking a flight), trust, and physical-world interactions will not be “devoured.” Instead, he foresees that after streamlining existing software, LLMs will open up a larger space for innovative, next-generation applications. These new tools will likely feature fluid interfaces and rely less on fixed rules, unleashing greater creativity. The author cautions against short-sightedness, recalling how in 2004 many believed internet giants like Sina, Sohu, and NetEase would monopolize the market—only to be proven wrong by subsequent disruptions. In conclusion, while LLMs are a crucial foundation and a current focal point, the true mainstream of this wave lies in the diverse applications built atop them to solve concrete problems. The phrase “devour everything” is imprecise; the real opportunity lies in identifying and leveraging the areas where LLMs do bring transformative change.

marsbit1h ago

Founder of Baixing.com: The Notion That Large Language Models Will Devour Everything, I Believe Half of It

marsbit1h ago

Founder of Baixing.com: I Only Half Believe in the Notion that Large Language Models Devour Everything

The founder of Baixing Wang states that while large language models (LLMs) are an extremely important foundational technology—akin to electricity or the internet—he only "half believes" the notion that they will "consume everything." He argues that LLMs provide a base layer of intelligence, but real-world value and transformation come from integrating this intelligence into specific applications and devices designed for particular scenarios—like how electricity powers various appliances from washing machines to TVs. He agrees LLMs will likely consume or replace a significant portion of existing rule-based, workflow-driven software (e.g., many SaaS systems, CRMs), as these are precisely what LLMs excel at handling. However, numerous other elements—such as customer data, execution capabilities (e.g., booking a flight), trust, and physical-world interactions—will not be consumed. Wang emphasizes that after LLMs absorb certain software layers, they will open up a much larger space for innovation: new types of "streaming" software with less rigid interfaces, where fixed rules are managed by AI. This next wave of applications built on top of the stable LLM foundation is where the true mainstream opportunity lies. He cautions against the short-sightedness of declaring any technology as all-consuming, drawing parallels to past premature predictions about internet giants monopolizing the web. The key is to find opportunities within the areas LLMs do transform.

链捕手1h ago

Founder of Baixing.com: I Only Half Believe in the Notion that Large Language Models Devour Everything

链捕手1h ago

Trading

Spot

Hot Articles

Discussions

Welcome to the HTX Community. Here, you can stay informed about the latest platform developments and gain access to professional market insights. Users' opinions on the price of AI (AI) are presented below.

活动图片