Meta lança Muse Glimmer: modelo aberto de 30B para agentes locais

A Meta Superintelligence Labs apresentou o Muse Glimmer, um modelo de 30 bilhões de parâmetros desenhado para fluxos de trabalho de agentes locais. Os pesos foram abertos sob licença Apache 2.0, reforçando a tradição da empresa em compartilhar pesquisa fundamental.

Segundo research.meta.ai, o modelo é pequeno o suficiente para rodar em um Mac ou PC com uma única GPU de consumo. Isso viabiliza casos de uso como agentes locais, chamada de funções, codificação local e avaliação de LLM como juiz.

O Muse Glimmer entrega desempenho forte em benchmarks de uso agêntico quando comparado a outros modelos líderes de sua categoria de tamanho.

Por que local?

Modelos de fundação alcançaram capacidades notáveis em raciocínio, geração de código e uso de ferramentas, mas a maioria das implantações ainda depende de infraestrutura em nuvem e acesso à rede. Rodar modelos localmente permite usar IA em qualquer lugar, a qualquer hora, com ou sem internet.

A comunidade open source mostrou que modelos menores, quando treinados de forma eficaz, podem se aproximar do desempenho de fronteira em tarefas específicas. O Muse Glimmer é otimizado exatamente para esses casos de uso locais.

Como foi treinado

Um agente que gerencia sua agenda, rascunha mensagens, organiza arquivos e aprende como você trabalha precisa de acesso profundo ao contexto pessoal. Também exige várias capacidades em conjunto: execução de longo horizonte, chamada precisa de ferramentas, compreensão multimodal, memória de contexto longo e seguimento de instruções.

O Muse Glimmer foi projetado para equilibrar capacidade com as restrições de memória e computação de hardware local. Isso exigiu uma arquitetura compacta, uma nova receita de destilação que transfere raciocínio agêntico de um modelo professor muito maior e otimizações de inferência, incluindo quantização.

O treinamento ocorreu em três fases. Na pré-treinamento, o modelo foi treinado nas saídas do Muse Spark usando destilação logit, com mix de dados semelhante ao do professor. No meio do treinamento, foram usados dados de contexto mais longo e mais focados em agentes, com traços de raciocínio mais ricos. No pós-treinamento, combinou-se fine-tuning supervisionado com uma mistura de destilação on-policy e aprendizado por reforço em domínios gerais, de raciocínio, codificação e agênticos.

O Muse Glimmer foi avaliado sob os padrões do Meta Advanced AI Scaling Framework e analisado para liberação de pesos abertos em todas as categorias relevantes.

Capacidades para agentes

O modelo foi treinado e avaliado em várias frentes. Ele alcança fortes taxas de sucesso em benchmarks de tarefas completas, incluindo DeepSearch QA, MCP-Atlas, τ-Bench e SWE-Bench, que medem a capacidade de trabalhar em scaffolds, escrever e depurar código e resolver solicitações multi-turno do início ao fim.

O Muse Glimmer lida com uma ampla gama de chamadas de função, invocando ferramentas com esquemas precisos ao longo de fluxos de trabalho estendidos. Ele também encadeia raciocínio por longos horizontes, mantendo planos coerentes em fluxos complexos.

Quando uma chamada de ferramenta falha ou retorna um resultado inesperado, o modelo é treinado para diagnosticar o erro e tentar novamente, em vez de parar. Por meio de um encoder de percepção dedicado, o modelo aceita texto e imagens intercalados, permitindo que agentes interpretem capturas de tela, gráficos e documentos junto com a conversa.

O Muse Glimmer funciona com OpenClaw e outros padrões de orquestração agêntica. Ele suporta diferentes intensidades de raciocínio para escolher o equilíbrio certo entre qualidade e velocidade. Além disso, foi treinado com dados de mais de 100 idiomas.

Desempenho e otimizações

A Meta avaliou o Muse Glimmer em uma ampla gama de benchmarks. Comparado com Gemma4-31B e Qwen3.6-27B, o modelo se sai bem para sua classe de tamanho em vários benchmarks de LLM amplamente usados.

Para rodar em hardware de consumo, a Meta aplicou duas otimizações principais. Em precisão total, um modelo de 30 bilhões de parâmetros exigiria mais de 55 GB de memória, algo inviável para GPUs de consumo. Usando quantização para aproximadamente 4 bits, o modelo de linguagem encolhe para menos de 20 GB, deixando espaço para a memória de trabalho, o encoder de percepção e o drafter de decodificação especulativa rodarem simultaneamente em um envelope de 24 GB ou 32 GB.

A segunda otimização é a decodificação especulativa. O Muse Glimmer vem com um modelo ‘drafter’ leve baseado em DFlash, que propõe blocos inteiros de tokens de uma vez. O modelo principal verifica essas propostas em paralelo, aceitando tokens corretos e corrigindo os errados. Isso gera texto significativamente mais rápido do que a geração token a token, com qualidade idêntica.

A Meta mediu a velocidade do modelo K-Quant-17GB com o drafter quantizado em MacBook M4-Max, M5-Max e em uma RTX-5090. O resultado é rápido o suficiente para conversa fluida e interação de agente em tempo real, tudo rodando no dispositivo.

Disponibilidade e próximos passos

Os pesos do Muse Glimmer já estão disponíveis no Hugging Face. Nos próximos dias, o modelo poderá ser executado localmente por meio de parceiros como Ollama, LM Studio e Unsloth, ou implantado com frameworks de borda como llama.cpp, ExecuTorch e MLX. Também pode ser servido em escala com vLLM e SGLang, ou acessado rapidamente por parceiros como Together AI, Fireworks AI e OpenRouter.

Desenvolvedores podem personalizar o modelo usando o recurso de treinamento TorchTitan do PyTorch. A Meta também está trabalhando com parceiros como AMD, Arm, Dell, Intel e NVIDIA para otimizar o desempenho em diferentes dispositivos.

A empresa liberou documentação para desenvolvedores, incluindo orientação sobre como configurar scaffolds personalizados. O lançamento reforça o compromisso da Meta com pesquisa aberta, agora estendida ao campo de IA agêntica, dando aos desenvolvedores acesso a capacidades agênticas locais.