Tiny Corp Rilis Driver Open Source GPU Nvidia untuk macOS

Tiny Corp meluncurkan TinyGPU, driver open-source yang memungkinkan GPU Nvidia RTX 5090 berjalan di macOS melalui koneksi Thunderbolt.

Perusahaan akselerator kecerdasan buatan (AI) Tiny Corp resmi merilis TinyGPU, sebuah driver kartu grafis Nvidia untuk sistem operasi macOS pada Jumat (17/4/2026). Inovasi ini mengakhiri absennya dukungan resmi GPU Nvidia di perangkat Mac yang telah berlangsung sejak tahun 2018.

Dilansir dari Detik iNET, driver tersebut dikembangkan dalam bentuk ekstensi kernel sumber terbuka yang telah mendapatkan izin resmi dari Apple. Pengguna kini dapat menghubungkan GPU eksternal secara langsung menggunakan kabel Thunderbolt atau USB4 tanpa perlu memodifikasi sistem keamanan internal.

Uji coba penggunaan kartu grafis RTX 5090 berbasis arsitektur Blackwell dilakukan oleh YouTuber Alex Ziskind pada perangkat Mac Mini M4 Pro. Pengujian tersebut membuktikan bahwa kartu grafis dengan VRAM 32GB itu dapat beroperasi berdampingan dengan cip Apple Silicon melalui koneksi fisik sederhana.

Berdasarkan data teknis, performa awal driver ini menunjukkan hasil yang bervariasi dalam pemrosesan kecerdasan buatan. Pada pengujian inferensi model AI Llama 3.1 8B, RTX 5090 mencatatkan kecepatan sekitar 7,48 token per detik yang dinilai masih belum maksimal bagi pengguna profesional.

Ziskind mencatat keunggulan pada respon interaksi teks di mana waktu tunggu munculnya kata pertama tiga hingga empat kali lebih cepat dibandingkan sistem Metal asli Apple. Namun, secara keseluruhan, menjalankan AI lokal lewat sistem Metal masih sepuluh kali lipat lebih cepat daripada driver baru ini.

Hambatan utama kecepatan tersebut dilaporkan berasal dari efisiensi kernel sistem, bukan keterbatasan perangkat keras kabel penghubung. Memori RTX 5090 yang memiliki potensi kecepatan 1,8TB per detik baru mampu menembus angka 33GB per detik saat berjalan di bawah kendali driver TinyGPU.

Pihak pengembang menyatakan bahwa fokus perilisan versi awal ini adalah membangun fondasi manajemen memori yang stabil. Optimalisasi performa dijadwalkan menjadi tahap pengembangan selanjutnya guna memperkecil celah kecepatan pada masa mendatang.

Recommended