Meta libera Muse Glimmer: agentes locais em 30B

Modelo Apache 2.0 da Meta Superintelligence Labs, ~17 GB quantizado, forte em MCP Atlas e DeepSearch. Pesos abertos no Hugging Face.

A Meta Superintelligence Labs liberou o Muse Glimmer: modelo aberto de 30 bilhões de parâmetros, licença Apache 2.0, pensado para agentes locais que rodam no seu Mac ou PC com uma GPU de consumo.

Os pesos estão no Hugging Face. O foco é tool use, tarefas longas, recuperação de erro e percepção multimodal (texto + imagem), sem depender de API hospedada da Meta.

Por que importa

A maior parte dos agentes ainda vive na nuvem. O Glimmer foi destilado a partir do Muse Spark para caber em hardware local: com quantização ~4-bit o footprint fica na casa dos 17 GB, dentro de envelopes de 24 GB ou 32 GB, com espaço para KV cache, encoder de percepção e drafter de speculative decoding.

  • 30B densos, multimodais (texto e imagem na entrada)
  • Contexto longo (na faixa de 128K+)
  • Treino em mais de 100 idiomas
  • Apache 2.0: uso comercial, modificação e redistribuição sem o teto de usuários da licença Llama

Alexandr Wang, da Meta Superintelligence Labs, também sinalizou pesos abertos do Muse Spark 1.2 em breve.

Desempenho na faixa ~30B

No lançamento a Meta publicou comparações com Gemma4-31B e Qwen3.6-27B (thinking / high reasoning). No eixo agentic o Glimmer lidera a classe de tamanho.

Em coding o quadro é mais equilibrado: o Glimmer fica na frente em SWE-Bench Pro e perto do Qwen em SWE-Bench Verified, enquanto o Qwen puxa OSWorld e Terminal-Bench.

O que o modelo faz bem

  • Conclusão de tarefas agentic de ponta a ponta (MCP Atlas, DeepSearch QA, SWE-Bench)
  • Function calling com schemas estáveis em fluxos longos
  • Raciocínio multi-step com esforço configurável
  • Recuperação quando a tool falha (diagnóstico e retry)
  • Leitura de screenshots, charts e documentos via encoder de percepção

Como rodar

Pesos no Hugging Face. Suporte previsto ou já em rollout em Ollama, LM Studio, Unsloth, llama.cpp, MLX, ExecuTorch, vLLM, SGLang, além de hospedagem em Together AI, Fireworks AI e OpenRouter. Fine-tune via TorchTitan.

# Exemplo (Hugging Face)
huggingface-cli download meta-models/Muse-Glimmer-30B

# Docs oficiais
# https://ai.developer.meta.com/docs/muse-glimmer
# https://research.meta.ai/blog/introducing-muse-glimmer-open-agentic-model

Na s6xpay

Se você já opera agentes com MCP no painel, modelos locais abertos nessa faixa mudam o custo e a privacidade do stack: o mesmo tipo de tool calling que usamos no servidor MCP passa a ser viável on-device, com pesos redistribuíveis sob Apache 2.0.

Leia o anúncio completo no blog da Meta Research e a model card no Hugging Face.