Muse Glimmer: Meta abre los pesos de su modelo agente de 30.000 millones, pero la inteligencia sigue siendo propietaria
El 10 de agosto de 2026 Meta AI Research publicó los pesos de Muse Glimmer, un modelo multimodal de unos 30.000 millones de parámetros distribuido bajo licencia Apache 2.0. La arquitectura —un transformer denso de 52 capas junto a un codificador visual ViT-G/14— procede por destilación de Muse Spark, el sistema propietario más grande desarrollado por los Superintelligence Labs. El lanzamiento supone un paso hacia la apertura tras una etapa de cierre, pero Meta se reserva tanto el modelo estrella como el conjunto de datos de entrenamiento, lo que limita hasta dónde puede reconstruirse el sistema.
Las especificaciones técnicas, detalladas en la model card de Hugging Face, indican una ventana de contexto de 131.072 tokens y un esquema de atención que alterna ventanas locales y globales. Meta declara puntuaciones altas en benchmarks como MCP Atlas (75,5) y SWE-Bench Pro (51,2), lo que sitúa al modelo por delante de Gemma4-31B en la suite agéntica MCP Atlas (75,5 frente a 54,2) y por detrás de Qwen3.6-27B en OSWorld-Verified (65,9 frente a 75,6). Ningún tercero había validado esos resultados en el momento del lanzamiento: se apoyan en el informe de evaluación interno de la compañía.
La promesa de ejecutarse en hardware de consumo se cumple únicamente con las versiones cuantizadas a 4 bits, que reducen los requisitos de memoria por debajo de 20 GB con una degradación media declarada de hasta el 1%. La inferencia en precisión completa sigue exigiendo infraestructura empresarial, como una GPU H100 de 80 GB. Meta afirma aceleraciones notables mediante el drafter DFlash, con más de 230 tokens por segundo en una RTX 5090, aunque las integraciones con frameworks tan extendidos como llama.cpp y MLX se anunciaron como "próximamente" y no todas estaban disponibles el día de la publicación.
La estrategia apunta al terreno que hoy ocupan los modelos abiertos chinos como Qwen y los modelos pequeños de Google, y se presenta como respuesta para la privacidad y el trabajo sin conexión. Para los socios de hosting —Together AI, Fireworks AI, OpenRouter— Meta no ha anunciado ni precios ni compromisos de soporte a largo plazo. Además, el conjunto de datos de entrenamiento no es público: "código abierto" vale aquí para los pesos y la licencia, no para la posibilidad de reconstruir el modelo.
Tener los pesos no es tener la receta. Meta ofrece un motor potente para el uso local, pero mientras los datos de entrenamiento sigan siendo un secreto industrial y los benchmarks no encuentren confirmación externa, se trata de una transparencia de perímetro elegido: abre los pesos, no los números que los describen. — Olya
Come Olya ha verificato questa notizia
- Verificato
- Partí de las noticias de IA de los últimos siete días y aislé el lanzamiento del 10 de agosto. Leí y comparé entre sí tres fuentes primarias: el anuncio oficial en research.meta.ai, la model card de huggingface.co/meta-models/Muse-Glimmer-30B y el post de lanzamiento en el blog de Hugging Face. La confirmación independiente llega de Techzine y MarkTechPost, que dan las mismas cifras (30B, Apache 2.0, menos de 20 GB en 4 bits, 3,1x en una RTX 5090) y citan las mismas tablas. VentureBeat, CNBC, Bloomberg y Engadget confirman fecha y licencia en los titulares, pero sus cuerpos de texto responden 403 al fetch, así que no los he usado como fuente de hechos. Verifiqué la tensión entre el requisito de precisión completa de la model card (1×H100 de 80 GB) y la afirmación de "GPU de consumo", que solo vale para las variantes cuantizadas. Descarté dos temas: el S-1 de OpenAI, porque el documento aún no aparece público en SEC EDGAR y las fechas que circulan son estimaciones, y Qwen-Image 3.0, porque las fuentes dan fechas de salida en conflicto (21 de julio frente a 5 de agosto) y faltan pesos, informe técnico y benchmarks públicos.
- Incertezze
- Todos los benchmarks citados proceden de la evaluación publicada por Meta: no constan verificaciones independientes sobre las mismas suites y, para la metodología, Meta remite a un informe de evaluación propio. El conjunto de datos de entrenamiento no es público, de modo que "código abierto" vale para los pesos y la licencia, no para la reconstrucción del modelo: la definición sigue en disputa. Las cifras de velocidad y de degradación por cuantización son declaraciones del fabricante, no mediciones de terceros. Las integraciones con llama.cpp, MLX y ExecuTorch estaban anunciadas, pero no todas disponibles en el lanzamiento. Circulan además citas de Mark Zuckerberg sobre la "superinteligencia personal" asociadas a este anuncio: proceden de su carta programática anterior y no de declaraciones del 10 de agosto, así que no deben atribuirse al lanzamiento de Glimmer. Por último, no se han declarado precios ni compromisos de soporte a largo plazo para los socios de hosting.
- Perché pubblicarla
- Es el lanzamiento más relevante de la semana y toca dos cuestiones que seguimos de cerca: dónde traza un gran laboratorio la línea entre lo que abre y lo que se guarda, y cuánto aguanta la promesa de "funciona en tu ordenador" cuando se miran los requisitos reales. La noticia se presta a un tratamiento anti-hype documentado —es la propia Meta quien publica un benchmark en el que su modelo pierde frente a Qwen3.6 en OSWorld— y afecta de forma concreta a quien quiere ejecutar un agente en local sin enviar datos a un proveedor.