コンテンツへスキップ
MIYA·AI·LAB / 生成AI 実機検証ログ LLM · Claude Code · MLX · Ollama
AI MiyaAILab_
  • // Lab
  • // 全記事
JA / EN
← Miya-Gadget
PC 生成AI

【検証】Darkbloomは本当に稼げる?Macを1日放置した収益を大公開!

2026年6月23日 · Shichinomiya
【検証】Darkbloomは本当に稼げる?Macを1日放置した収益を大公開!

こんにちは、七宮さん(@shichinomiya_s)です。

前回まではローカルLLMを「自分で使う」検証ばかりしていましたが、今回は逆方向の記事です。

自分のMacを他人のAI推論に貸し出してお金をもらうという、最近話題(?)のDarkbloom(ダークブルーム)というサービスを試します。

Eigen Labsのプロジェクトで、いまはパブリックアルファ。「Apple SiliconのMacをそのままAI推論ノードにして、ネットワークから報酬を受け取れる」と謳っています。

というわけで、実際にプロバイダ登録して丸1日動かし、GPU使用率を1秒おきにロギングし、電気代まで含めて損益を出してみましたのでレポしてみます。

 

Table of Contents

Toggle
  • 概要 — Darkbloomとは何か
  • 仕組み — コーディネーター(TEE)とSecure Enclaveの二段封緘
  • 試算結果 — M1 Max 64GBで月75ドルと出た
  • インストール方法 — コマンド3つでプロバイダーになれる
  • MDMについて — 「ハードウェア認証」のために何を許可するのか
  • 1日動かしてみた結果 — 収益・GPU使用率・ネットワーク利用率
    • 収益の実測
    • GPU使用率のログ
  • 電気代を含んだ損益結果 — 1日プラス85円
    • 1日あたり(実測ベース)
    • 1か月あたり
  • まとめ
  • 検証ノート(再現情報)
  • あわせて読みたい

概要 — Darkbloomとは何か

Darkbloomは「分散型のプライベート推論ネットワーク」です。ざっくり言うと、

  • 使う側(consumer) … プロンプトを投げると、ネットワーク上のApple Siliconマシンが推論して返す。エンドツーエンド暗号化&ハードウェア検証済みなのでプライバシーが高い、というのが売り。
  • 貸す側(provider) … 自分のMacを推論ノードとして提供し、処理したトークン量に応じた従量報酬+オンラインでいるだけの基本報酬(base reward)を受け取る。

今回試したのは後者の「貸す側」です。対応モデルはいま GPT-OSS 20B と Gemma 4 26B の2つのみでした。

MacのユニファイドメモリにそのままモデルをロードしてMLXで推論する「ローカルLLM」ってやつですね。

ネットワーク統計(執筆時点)を見ると、なかなかの規模です。

指標値
累計トークン3,871.5M(入力3,093.8M / 出力777.8M)
累計リクエスト1.2M
オンラインノード307台(うち273台がハードウェア認証済み)
ネットワーク利用率7%(ピーク9%)
合計GPUコア10,597 / ユニファイドRAM 27,700GB
稼働モデル5

最後の「利用率9%」が今回の話の伏線です。

供給(貸したいMac)に対して需要(使いたい人)がまだ全然追いついていない、つまりノードは余っている状態になります。

察しの良い人なら、ここで嫌な予感がすると思いますが、その通りです(笑)

 

仕組み — コーディネーター(TEE)とSecure Enclaveの二段封緘

プロバイダの話に入る前に、「なぜわざわざMacでAI推論を分散させるのか」という設計を押さえておきます。Darkbloomの肝は、リクエストが2回封緘されるところです。設定画面の説明を要約すると、

  1. ブラウザ側で、プロンプトをコーディネーター(中継サーバー)の長期X25519公開鍵に対して封緘(NaCl Box)。
  2. コーディネーターは自身のTEE(Trusted Execution Environment)内で復号し、ルーティング先のプロバイダを選定。
  3. そのプロバイダのSecure Enclave鍵に対して再封緘して転送。

この結果、コーディネーターの手前にいるCDNやプロキシ、通信傍受者にはTLSの先も暗号文しか見えません。

プロバイダ側も、Secure Enclave・SIP(System Integrity Protection)・Hardened Runtimeで保護された環境でだけ復号する、という建て付けです。

 

そして貸す側にとって重要なのが報酬が2階建てだということ。

  • 従量報酬(usage) … 実際に処理したトークン量 × 単価。需要があるほど伸びる「青天井」部分。
  • 基本報酬(base reward) … 認証済みマシンがオンラインでいるだけで、5分ごとに按分で積み上がる「下限(floor)」部分。メモリ容量でランクが決まります。
ユニファイドメモリ基本報酬/月目安
512GB$40Netflixスタンダード
128GB$26〃
64GB$18Netflixスタンダード
48GB$16Netflix(広告付き)
32GB$12〃
24GB未満従量のみ—

七宮さんの全財産を叩いて買ったM1 Max 64GBは基本報酬$18/月でした。

「ネットワークが静かな間はこの下限が支えて、混んできたら従量が上に乗る」というのが公式の言い分です。

なお基本報酬は「認証済み・90%以上オンライン・月次予算の範囲内」が条件で保証ではないと明記されています。

 

試算結果 — M1 Max 64GBで月75ドルと出た

まず公式の「Provider Earnings Calculator」に正直にスペックを入れます。MacBook Pro / M1 Max / 64GBを選ぶと、帯域400GB/s・消費電力15W(アイドル)→40W(推論時)と認識されました。電気料金だけは日本向けに$0.20/kWh(≒31円)へ変更しています(デフォルトは米国平均$0.15)。

自動で「最も稼げるモデル」として GPT-OSS 20B(重み20GB)が選ばれ、結果はこうなりました。

項目値
月間ネット収益$75.21(≒12,034円 / 年$903)
従量収益(電気代差引後)$57.21
基本報酬+$18.00
デコード速度192.0 tok/s
月間電気代−$2.16
電気代が収益に占める割合3.6%

計算式も開示されていて、こうです。

single_stream = (400 GB/s ÷ 4 GB) × 0.6 = 60.0 tok/s
decode_tok/s  = 60.0 × 4(バッチ) × 0.8(稼働率) = 192.0 tok/s
monthly_usage = ($0.0835 − $0.0030) × 24h × 30 = $57.93
base_reward   = 64GBティア × 稼働100% = $18.00/月
合計          = usage + base = 約$75/月

ポイントは「80%稼働(utilization)で、4並列のバッチ推論がフル回転していれば」という前提になります。

ツール自身も小さく「実際のネットワークはこれをかなり下回って動いている」と注意書きを添えています。

先ほどの利用率9%を思い出すと、この$57の従量部分がどうなるかは……まあ、予想がつきますね。

試算は試算として、実測に行きましょう。

 

インストール方法 — コマンド3つでプロバイダーになれる

セットアップは拍子抜けするほど簡単でした。要件は以下。

  • Apple Silicon Mac(M1〜M4系、ティア不問)
  • macOS 14.0(Sonoma)以降 ※Secure Enclave認証に必要
  • 16GB以上のRAM(4bit量子化モデルの推奨最低値。32GB以上で大きいモデル)
  • 安定した低遅延の回線

手順はCLIを入れて3コマンド。

# 1. プロバイダCLIをインストール
curl -fsSL https://api.darkbloom.dev/install.sh | bash

# 2. アカウントとマシンを紐付け(Web側にコードを入力して所有確認)
darkbloom login

# 3. プロバイダ起動(対話式でモデルを選ぶ→自動DL→配信開始)
darkbloom start

# 4. 状態確認(Secure Enclaveによる認証は自動)
darkbloom status

darkbloom start を叩くと、ハードウェアに収まるモデルの一覧が対話式で出てきて、選ぶと自動でダウンロードして配信を始めます。

私はGPT-OSS 20BとGemma 4 26B(8bit)の2つをカタログに載せました。

 

ちなみにMacBookは「フタを閉じるとpmset設定に関係なくスリープ」します。

Mac mini/Studioのヘッドレス運用なら pmset -c sleep 0 disksleep 0 でスリープを切ってバックグラウンド常駐、というのが公式FAQの案内。MacBookで24時間回すなら開いたまま放置か、クラムシェルで外部電源+外部ディスプレイ構成が必要です。

私は今回フタを開けて画面だけオフ(後述の電気代はこの状態の実測)にしました。

なおアイドルが1時間続くと推論バックエンド(vllm-mlx)が自動停止してGPUメモリを解放し、次のリクエストで遅延ロード(コールドスタート10〜30秒)します。常時フル稼働ではなく「来たら起きる」省エネ設計です。

 

MDMについて — 「ハードウェア認証」のために何を許可するのか

MDM認証と聞くと、ちょっと知っている人はすぐに避けたくなるものだと思います。

私自身も一瞬避けたものですが、プロファイルの中身などを確認し、実際に登録して人柱になって確認したので、その内容を記載します。

 

Darkbloomが「信頼できるノードだけに課金トラフィックを流す」ために、プロバイダのMacはハードウェア認証(attestation)を受けます。ダッシュボードの説明によると、各マシンは

Secure Enclave鍵 / OSのセキュリティ状態 / MDM登録 / Apple Device Attestation

の4点で身元を証明し、コーディネーターは認証済み端末にしか有料リクエストを回しません。さらに設定画面には、

プロバイダの信頼性は、MDM(モバイルデバイス管理)とコーディネーターの突き合わせによって独立に検証される

とあります。つまり自分のMacがDarkbloom側のMDM(端末管理)に登録され、その状態が常にサーバーと照合されるわけです。

 

実際、私のノードもダッシュボード上で「HARDWARE(ハードウェア認証済み)」「1 of 1 machine hardware-attested」と表示され、評価スコア(reputation)0.89・優先ルーティング対象になっていました。認証されると信頼スコアが上がり、より優先的にトラフィックが回ってくる仕組みです。

 

正直に書くと、MDM登録は「会社が支給PCを管理する」のと同じ枠組みで、構成プロファイルの導入=端末のセキュリティ状態(SIPやSecure Bootなど)を第三者が継続的に確認できる状態を意味します。Darkbloomの用途は「悪意あるノードを排除してプライバシーを担保する」ためのもので、いまのところ攻撃的な制御をしている様子はありません。とはいえ、

  • 自分の常用メインMacにMDMプロファイルを入れることに抵抗がある人は要注意
  • 会社支給・大学支給などですでに別のMDM配下にあるMacは素直に入らない可能性がある
  • アルファ版なので、将来この管理範囲がどう変わるかは未知数

このあたりは「稼げる額」と天秤にかけて判断すべきポイントだと思います。

個人的には、サブのMacや常時起動マシンを充てるのが現実的で、メイン機をいきなり差し出すのは様子見が無難という感想です。

まあ、七宮さんは全財産を叩いて買ったMacBook Pro 16″で登録してみましたけどね()

 

1日動かしてみた結果 — 収益・GPU使用率・ネットワーク利用率

さて、本日のメインディッシュのお時間です。

プロバイダを起動して約38時間(うちダッシュボード表示は連続稼働15時間24分)放置し、GPU使用率を1秒おきにロギングしました。

収益の実測

プロバイダダッシュボードの数字がこちら。

指標値
直近24時間の収益$0.60(564ジョブ)
累計収益$1.445568(886ジョブ)
1ジョブあたり平均$0.001632
出金可能額$1.45(Stripe経由)
評価スコア(reputation)0.89(89/89 成功)
平均TTFT(初トークンまで)711ms
処理トークン2.7K(89リクエスト)

という結果でした。

24時間動かしても「$0.6」しか稼げないんかー!!!!というのが本音ですが、もう少し深掘りしてみましょう。

 

明細(Recent Activity)を眺めると、延々とこれが並びます。

base_reward   +$0.002083   0 (0 out)    2026/6/23 22:10:58
base_reward   +$0.002083   0 (0 out)    2026/6/23 22:05:58
gpt-oss-20b   +$0.000001   71 (1 out)   2026/6/23 21:15:48
gpt-oss-20b   +$0.000003   272 (1 out)  2026/6/23 21:15:40
base_reward   +$0.002083   0 (0 out)    2026/6/23 21:10:59
...

base_reward +$0.002083 が5分ごとに自動で入ります。$0.002083 × 12回/時 × 24時間 = $0.60/日。…

そう、24時間の収益$0.60はほぼ全額が基本報酬で、実際の推論ジョブ(gpt-oss-20b)で入ったのは1件 +$0.000001〜0.000024ドル。

71トークン処理して0.0001セント、みたいな世界です。240トークン出力した一番大きいジョブでも$0.000024。何百ジョブ積んでも合計1円に届きません。

 

要するに、試算ツールが約束した「従量$57」はネットワークが空いているため現状ほぼゼロで、稼ぎは下限の基本報酬$18/月ペースに張り付いている、ということ。ネットワーク利用率9%という数字が、そのまま財布に出てきた格好です。

 

GPU使用率のログ

「じゃあMacは1日中ヒマしてたの?」を確かめるため、GPU使用率を129,059サンプル(約1秒間隔・合計38.7時間)記録しました。

Darkbloom稼働中のGPU使用率の推移(M1 Max 64GB)
Darkbloom稼働中のGPU使用率の推移。青い面が1時間平均、オレンジ破線が1時間ピーク。
統計値
平均GPU使用率23.9%
中央値18.9%
最大100.0%
10〜30%帯のサンプル63.1%
90〜100%帯のサンプル3.6%
GPU使用率の分布
GPU使用率の分布(合計129,059サンプル)。大半が10〜30%帯に集中している。

平均23.9%・中央値18.9%で、大半の時間は10〜30%のうっすら稼働。

たまにリクエストが来た瞬間だけ90〜100%へ跳ねる(全体の3.6%)、という典型的な「待機が長く、瞬間最大風速だけ高い」パターンでした。

(通りでローカルLLM動かしてる時みたいにファンが全開で動かなかったわけだ…)

 

グラフでオレンジの破線(1時間ピーク)が時々100%に刺さっているのが、実際に推論ジョブが流れてきた瞬間です。

青い面(1時間平均)が常時20%前後をうろついているのは、モデルをウォームに保つオーバーヘッドと細かいジョブの積み重ねによるものと思われます。

 

電気代を含んだ損益結果 — 1日プラス85円

最後に、いちばん知りたい損益です。電力はワットチェッカーで実測しました。

  • 画面オフ状態で 0.36 kWh/日(=平均消費電力15W)

これ、地味にすごい数字で、試算ツールが言っていた「アイドル15W」とぴったり一致します。

つまり私のMacは1日のほとんどを実質アイドルで過ごしていた=有料の仕事がほぼ来ていなかった、ということが電力面からも裏取りできました。

Apple Siliconの省電力性のおかげで、放置運用の電気代は驚くほど安いです。

換算条件は 1ドル=160円 / 電気料金31円/kWh とします。

1日あたり(実測ベース)

項目金額
収入($0.60)+96円
電気代(0.36kWh × 31円)−11円
純利益+85円/日

1か月あたり

実測ペース(基本報酬中心)と、試算ツールの楽観値(80%稼働)を並べます。

収入電気代純利益
実測ペース約2,880円($18)−335円+約2,545円/月
試算(80%稼働)約12,034円($75.21)−335円※+約11,699円/月

※実測ベースの電力(0.36kWh/日=10.8kWh/月)で計算。実際に80%稼働すれば消費電力も上がるため、楽観シナリオの電気代はもう少し増えます。

 

ポイントは2つ。

  1. 黒字ではある。 電気代11円に対して収入96円と、約9倍は稼いでいます。Apple Siliconの低消費電力のおかげで「電気代で赤字」には絶対にならない構造。
  2. でも額は小さい。 実測ペースだと月2,500円ちょい=広告なしNetflix1本ぶん。試算の月1万円超は「ネットワークが80%埋まったら」の話で、利用率9%の現状ではまだ遠い。

 

将来ネットワークの需要が増えて従量部分が伸びれば、この数字は青天井に化ける可能性はあります。

しかし、少しLLM分野を齧っている人なら思うと思います。

「Gemma 4 26B / GPT-OSS 20Bに金を払って使う人っているのだろうか」

Qwen3.6でも動かしてるならまだわかりますが、大人しくクラウドモデル(Claude, CodeX) を使ったほうがいいのではと思ってしまいます。

青天井に化けるのはかなりの少ない確率かなと思っています。(小声)

 

まとめ

「Macを置いておくだけで稼げる」は本当でしたが、“稼げる額”は現状ほぼ基本報酬(月$18ペース)で、試算の月$75は需要が追いついてからの話、という条件付きの結論でした。

うーん、ローンでMacを買って使ってない時はDarkbloom に貸し出してローン分を捻出するとかいう浅はかな夢は消えました…

  • M1 Max 64GBの公式試算: 月$75.21(従量$57+基本$18、192 tok/s想定)
  • 実測の24時間収益: $0.60(564ジョブ)/ 累計$1.45。中身は5分ごとのbase_reward +$0.002083がほぼ全部
  • 実推論ジョブは1件$0.000001〜0.000024。ネットワーク利用率は9%で従量がほぼ立たない
  • 電力は実測0.36kWh/日(平均15W=アイドル相当)。電気代は1日約11円
  • 損益: 1日+85円 / 月+約2,545円。黒字だが額は小さい(電気代の約9倍は稼ぐ)
  • インストールはコマンド3つで簡単。ただしMDM登録+ハードウェア認証が前提

向いている人

  • 24時間つけっぱなしのサブMac・常時起動マシンが余っている人(メイン機は様子見推奨)
  • 「電気代で損しないなら、需要が育つ前に基本報酬を拾っておきたい」という長期目線の人
  • 分散推論やSecure Enclave認証といった仕組み自体に興味がある人

注意点

  • 現状の実収入は月2,500円前後。「副業」というより「寝てるMacのお小遣い」規模
  • Darkbloom側のMDMに端末登録する必要がある。会社/学校支給のMacや、メイン機への導入は慎重に
  • MacBookはフタを閉じるとスリープ。24時間運用は構成に工夫がいる
  • パブリックアルファで「本番利用は非推奨」。報酬体系も基本報酬の保証も今後変わりうる

個人的な結論としては、「電気代がほぼかからないので、余ってるMacなら回しておいて損はない。ただし過度な期待は禁物」。需要が伸びたタイミングで化けるかどうかを、サブ機で様子見しながら追いかけるのが賢い付き合い方だと思います。

 

検証ノート(再現情報)

本記事の数値はすべて筆者環境での実測です。

項目内容
マシンMacBook Pro / Apple M1 Max / 64GB(MacBookPro18,2・32コアGPU)
プロバイダDarkbloom v0.6.20(パブリックアルファ)
配信モデルgpt-oss-20b(active)/ gemma-4-26b-8bit
計測期間2026-06-21 18:37 〜 06-23 09:17(JST、約38.7時間)
GPUログ129,059サンプル / 平均サンプル間隔1.08秒
電力計測画面オフ・実測 0.36 kWh/日(平均15W)
換算条件1ドル=160円 / 電気料金31円/kWh
収益(24h / 累計)$0.60(564ジョブ) / $1.445568(886ジョブ)
評価・TTFTreputation 0.89(89/89)/ 平均TTFT 711ms
ネットワーク利用率7%(ピーク9%・執筆時点)
# GPU使用率の集計(抜粋)
rows: 129,059  duration: 38.7h
avg 23.9%  median 18.9%  min 0.0  max 100.0
分布: 0-10%=17.6 / 10-30%=63.1 / 30-50%=5.3 / 50-70%=9.1 / 70-90%=1.4 / 90-100%=3.6 (%)
電力クロスチェック: 0.36 kWh/日 ÷ 24h = 平均15.0W(試算のアイドル15Wと一致)

数値はダッシュボード・収益明細・統計ページの表示、およびGPUログ(gpu_usage_log.csv)と突き合わせ済みです。

 

あわせて読みたい

生成AI関連の検証ログはこちらもどうぞ。

  • 【検証】Qwen 3.6 をMacローカルで実測 — M1 Max 64GBでMoE 35Bは”27Bの3.7倍速”だった
  • Claude Code Windows版で消せない「nul」ファイルを削除する方法
  • 【検証】M1 Pro / M1 MaxでローカルLLMベンチマーク!MLX vs Ollama、Qwen 2.5〜3.5を徹底比較
  • Claude Codeでタスク管理を楽にする!シンプルな家計簿アプリを作ってみた
前の記事 【検証】「LLM API費を50〜80%削減」のTokenTamerを実測 — Pythonは本当に80%減、でも効くのは「再読み込み」だけ
次の記事 【検証】Tesla V100 32GBでローカルLLMはどこまで動く?Qwen 3.6実測ベンチマーク — 中古13万円でMoE 98.8 tok/s

Related Posts

Claude Codeでタスク管理を楽にする!シンプルな家計簿アプリを作ってみた

Claude Codeでタスク管理を楽にする!シンプルな家計簿アプリを作ってみた

Claude CodeでPDFレポート自動生成!データから綺麗な資料を作成

Claude CodeでPDFレポート自動生成!データから綺麗な資料を作成

【検証】AIのAPI代は本当に減らせる?コンテキスト圧縮ツール「Headroom」を導入して実測してみた

【検証】AIのAPI代は本当に減らせる?コンテキスト圧縮ツール「Headroom」を導入して実測してみた

Claude Codeでファイル整理を自動化!散らかったフォルダを一瞬で整頓

Claude Codeでファイル整理を自動化!散らかったフォルダを一瞬で整頓

コメントを残す コメントをキャンセル

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

七宮さん

七宮さん

PC・ガジェット好きのブロガー。日々の発見を共有しています。

@shichinomiya_s

人気の記事

  • 【検証】Tesla V100 32GBでローカルLLMはどこまで動く?Qwen 3.6実測ベンチマーク — 中古13万円でMoE 98.8 tok/s
  • Claude Codeでタスク管理を楽にする!シンプルなTodoリストアプリを作ってみた
  • 【検証】M1 Pro / M1 MaxでローカルLLMベンチマーク!MLX vs Ollama、Qwen 2.5〜3.5を徹底比較
  • Claude Codeでタスク管理を楽にする!シンプルな家計簿アプリを作ってみた
  • 【検証】AIのAPI代は本当に減らせる?コンテキスト圧縮ツール「Headroom」を導入して実測してみた

カテゴリー

  • PC
  • おしらせ
  • おでかけ
  • ガジェット
  • レンタルサーバー・VPS
  • 回線
  • 家電
  • 旅行
  • 海外通販
  • 生成AI
  • 自転車
  • 車

MiyaAILab

話題の生成AIを実際に手元で検証する研究ログ。モデル・ツール・サービスを、ベンチマークから実用性まで自分で確かめて発信しています。

Lab

  • AI Lab トップ
  • 生成AI 全記事
  • ← Miya-Gadget 本体

Latest

  • 【検証】Tesla V100 32GBでQwen3.8-27Bは動くか?128kコンテキストが1枚に載った実測ベンチマーク
  • 【検証】Tesla V100 32GBでローカルLLMはどこまで動く?Qwen 3.6実測ベンチマーク — 中古13万円でMoE 98.8 tok/s
  • 【検証】Darkbloomは本当に稼げる?Macを1日放置した収益を大公開!
  • 【検証】「LLM API費を50〜80%削減」のTokenTamerを実測 — Pythonは本当に80%減、でも効くのは「再読み込み」だけ
© 2026 Miya AI Lab — a section of Miya-Gadget. miyagadget.page