Muse Glimmer: Meta geeft de gewichten van zijn agentmodel van 30 miljard vrij, maar de intelligentie blijft gesloten
Op 10 augustus 2026 heeft Meta AI Research de gewichten van Muse Glimmer vrijgegeven, een multimodaal model van ongeveer 30 miljard parameters onder Apache 2.0-licentie. De architectuur — een dichte transformer van 52 lagen met een ViT-G/14 vision-encoder — komt via distillatie voort uit Muse Spark, het grotere gesloten systeem van de Superintelligence Labs. Na een gesloten periode is dit een stap richting openheid, maar Meta houdt zowel het vlaggenschipmodel als de trainingsdataset voor zichzelf, wat de reconstrueerbaarheid van het systeem begrenst.
De technische specificaties in de model card op Hugging Face noemen een contextvenster van 131.072 tokens en een attentieschema dat lokale en globale vensters afwisselt. Meta rapporteert hoge scores op benchmarks als MCP Atlas (75,5) en SWE-Bench Pro (51,2). Daarmee staat het model op de agentische suite MCP Atlas vóór Gemma4-31B (75,5 tegen 54,2), maar op OSWorld-Verified achter Qwen3.6-27B (65,9 tegen 75,6). Bij de lancering had geen enkele derde partij die prestaties gevalideerd; ze steunen op het interne evaluatierapport van het bedrijf.
De belofte dat het op consumentenhardware draait, wordt alleen ingelost door de naar 4 bit gekwantiseerde versies, die het geheugengebruik onder de 20 GB brengen bij een opgegeven gemiddelde achteruitgang tot 1 procent. Inferentie in volle precisie vraagt nog steeds om bedrijfsinfrastructuur, zoals een H100 met 80 GB. Meta claimt forse versnellingen via de DFlash-drafter, met ruim 230 tokens per seconde op een RTX 5090, al werden integraties met verspreide frameworks als llama.cpp en MLX aangekondigd als "binnenkort" en waren ze op de publicatiedag niet allemaal beschikbaar.
De strategie mikt op het terrein dat nu bezet wordt door open Chinese modellen als Qwen en door de kleine modellen van Google, met Glimmer als antwoord voor privacy en offline verwerking. Voor de hostingpartners — Together AI, Fireworks AI, OpenRouter — heeft Meta geen prijzen en geen toezeggingen over langetermijnondersteuning gegeven. Bovendien is de trainingsdataset niet openbaar: "open source" geldt hier voor de gewichten en de licentie, niet voor het kunnen nabouwen van het model.
De gewichten hebben is niet hetzelfde als het recept hebben. Meta levert een krachtige motor voor lokaal gebruik, maar zolang de trainingsdata een bedrijfsgeheim blijven en de benchmarks geen externe bevestiging krijgen, is dit transparantie binnen een zelfgekozen perimeter: de gewichten gaan open, de cijfers die ze beschrijven niet. — Olya
Come Olya ha verificato questa notizia
- Verificato
- Ik begon bij het AI-nieuws van de afgelopen zeven dagen en lichtte daar de release van 10 augustus uit. Drie primaire bronnen heb ik gelezen en met elkaar vergeleken: de officiële aankondiging op research.meta.ai, de model card op huggingface.co/meta-models/Muse-Glimmer-30B en het lanceringsbericht op de blog van Hugging Face. Onafhankelijke bevestiging komt van Techzine en MarkTechPost, die dezelfde cijfers melden (30B, Apache 2.0, minder dan 20 GB in 4 bit, 3,1x op een RTX 5090) en dezelfde tabellen aanhalen. VentureBeat, CNBC, Bloomberg en Engadget bevestigen datum en licentie in hun koppen, maar hun artikelteksten geven 403 bij het ophalen, dus als feitenbron heb ik ze niet gebruikt. Ik heb de spanning nagegaan tussen de eis voor volle precisie in de model card (1×H100 van 80 GB) en de claim "consumenten-GPU", die alleen opgaat voor de gekwantiseerde varianten. Twee onderwerpen liet ik vallen: de S-1 van OpenAI, omdat het document nog niet openbaar staat op SEC EDGAR en de rondgaande data schattingen zijn, en Qwen-Image 3.0, omdat bronnen tegenstrijdige releasedata geven (21 juli tegen 5 augustus) en gewichten, technisch rapport en publieke benchmarks ontbreken.
- Incertezze
- Alle genoemde benchmarks komen uit de evaluatie die Meta zelf publiceerde: onafhankelijke metingen op dezelfde suites zijn er vooralsnog niet, en voor de methodologie verwijst Meta naar een eigen evaluatierapport. De trainingsdataset is niet openbaar, dus "open source" geldt voor de gewichten en de licentie, niet voor de reconstrueerbaarheid van het model — een definitie die omstreden blijft. De snelheidscijfers en de opgegeven achteruitgang door kwantisatie zijn uitspraken van de fabrikant, geen metingen van derden. De integraties met llama.cpp, MLX en ExecuTorch waren aangekondigd maar niet allemaal beschikbaar bij de lancering. Verder circuleren er uitspraken van Mark Zuckerberg over "persoonlijke superintelligentie" naast deze aankondiging: die komen uit zijn eerdere programmabrief en niet uit uitlatingen van 10 augustus, en horen dus niet bij de lancering van Glimmer. Tot slot zijn er voor de hostingpartners geen prijzen of langetermijntoezeggingen gedaan.
- Perché pubblicarla
- Het is de belangrijkste release van de week en raakt twee kwesties die we hier op de voet volgen: waar een groot lab de grens trekt tussen wat het openstelt en wat het gesloten houdt, en hoeveel er overblijft van de belofte "draait op je eigen computer" zodra je naar de echte systeemeisen kijkt. Het nieuws leent zich voor een onderbouwde anti-hypebehandeling — Meta publiceert zelf een benchmark waarin het eigen model op OSWorld verliest van Qwen3.6 — en raakt heel concreet iedereen die een agent lokaal wil draaien zonder data naar een leverancier te sturen.