Meta lança Muse Glimmer, modelo de IA com 30 bilhões de parâmetros que roda em hardware de consumo
A Meta disponibilizou o Muse Glimmer, um modelo multimodal de 30 bilhões de parâmetros destilado a partir do Muse Spark. O modelo foi ajustado para fluxos de agentes locais executados de forma contínua, ou seja, sempre ativos no dispositivo, e é distribuído sob a licença aberta Apache 2.0. A proposta da Meta é permitir que desenvolvedores e empresas executem agentes de inteligência artificial diretamente em uma única GPU de consumo ou em um computador Mac, sem a necessidade de chamadas de rede para servidores externos.
Um modelo de 30 bilhões de parâmetros normalmente exigiria mais de 55 GB de memória em precisão total. Para viabilizar a execução local, a Meta aplicou técnicas de compressão que reduzem os pesos para aproximadamente 4 bits, fazendo com que a parte de linguagem do modelo caiba em menos de 20 GB. Isso deixa espaço disponível dentro do limite de 24 GB ou 32 GB para o chamado cache de memória auxiliar usado durante o processamento, para o codificador visual e para o módulo de decodificação especulativa.
A velocidade de resposta é garantida por um mecanismo chamado DFlash, um sistema de decodificação especulativa baseado em difusão por blocos que prevê 16 tokens de uma só vez em uma única passagem de processamento. O modelo principal verifica o bloco gerado em paralelo. Nos testes divulgados pela Meta, a versão compactada K-Quant-17GB, operando com decodificação gulosa em lotes unitários, alcançou um salto de 74,9 para 233,4 tokens por segundo em uma GPU RTX 5090, o que representa uma aceleração de aproximadamente 3,1 vezes. Em Macs equipados com chip M5 Max, a taxa passou de 26,6 para 50,2 tokens por segundo, enquanto no M4 Max subiu de 23,7 para 37,8 tokens por segundo.
O Muse Glimmer é um transformador causal denso, ou seja, um tipo de arquitetura de rede neural em que cada token é processado em sequência, acompanhado de um codificador de percepção dedicado para imagens. O total de parâmetros gira em torno de 30 bilhões, incluindo a torre de visão. A atenção, mecanismo que permite ao modelo relacionar diferentes partes do texto, usa 32 cabeças de consulta e 2 cabeças para a chave-valor, repetindo um padrão alternado entre atenção local e global com janela deslizante de 2.048 tokens. O codificador visual é um ViT-G/14 com cerca de 1,8 bilhão de parâmetros que aceita até 4.096 tokens visuais por imagem. O contexto máximo é de 131.072 tokens, o vocabulário alcança 202.048 tokens e o limite de conhecimento está fixado em 4 de janeiro de 2026. A entrada aceita texto e imagem, enquanto a saída é exclusivamente textual. Áudio não é suportado e vídeos são processados como quadros individuais.
O treinamento ocorreu em três etapas principais. Na pré-treinamento, foi aplicada destilação de logits, técnica em que o modelo aprende a imitar as saídas do Muse Spark. No meio do treinamento, foram incorporados dados de contextos longos e voltados a agentes, com trajetórias de raciocínio mais detalhadas. No pós-treinamento, o modelo passou por ajuste fino supervisionado, destilação on-policy e aprendizado por reforço, cobrindo áreas como raciocínio geral, programação e tarefas agentivas.
Dois builds quantizados foram disponibilizados. O K-Quant-Dynamic é voltado para 32 GB de VRAM, com degradação média de 0,2%, enquanto o K-Quant-17GB tem como alvo 24 GB de VRAM, com degradação média de 1,0% em relação ao modelo original. A degradação foi calculada com base em métricas de acurácia em 15 benchmarks amplamente utilizados.
Nos benchmarks comparativos divulgados pela Meta, o Muse Glimmer foi confrontado com o Gemma4-31B e o Qwen3.6-27B no modo de raciocínio. O modelo da Meta lidera em benchmarks agentivos como MCP Atlas, com 75,5 pontos contra 54,2 e 62,5 dos concorrentes, além de DeepSearch QA, com 74,6, Gaia2, com 43,3, e SWE-Bench Pro, com 51,2. Em raciocínio, atingiu 94,7 no AIME 2026, 77,0 no IFBench e 80,0 no AA-LCR. Já o Qwen3.6-27B se mantém à frente em tarefas voltadas ao uso de computador, como OSWorld-Verified, com 75,6 contra 65,9, além de TerminalBench 2.1, com 60,7, e SWE-Bench Verified, com 77,2. O padrão observado indica que o Muse Glimmer se destaca em orquestração agentiva e raciocínio, mas fica atrás em tarefas de uso de terminal e interface de computador.
No quesito segurança, a taxa de sucesso de ataques do Siren AgentDojo ficou em 28,4, com utilidade preservada em 94,2. A Meta afirma que o modelo não se enquadra na definição de IA de fronteira estabelecida em seu framework Advanced AI Scaling, classificando os riscos químicos, biológicos, cibernéticos e de perda de controle como moderados ou inferiores. A empresa recomenda que os desenvolvedores adicionem camadas de proteção em nível de sistema, em vez de disponibilizar o modelo como um endpoint sem salvaguardas adicionais.
Os pesos do Muse Glimmer estão disponíveis no Hugging Face em formato BF16, além de versões GGUF k-quants, builds ExecuTorch e o módulo DFlash. A expectativa é que desenvolvedores independentes e startups rodem o modelo em uma GPU de 24 GB ou em Macs M4/M5 Max, enquanto empresas de médio porte obtenham inferência local sem custos por token e organizações reguladas, como as das áreas de saúde, direito, serviços financeiros, defesa, setor público, manufatura e atendimento em campo, tenham acesso a um agente que pode operar totalmente desconectado da internet, atendendo a exigências de residência de dados, operação offline e baixa latência.
