Modelos / SEÑAL VERIFICADA
Meta abre Muse Glimmer, un modelo de 30B para correr agentes en local
Meta Superintelligence Labs estrena división con su primer modelo: Muse Glimmer, 30 mil millones de parámetros abiertos bajo Apache 2.0, hecho para correr agentes en tu propio hardware sin nube. Recupera de fallos solo, lee imagen y texto, y ya corre con Claude Code, OpenCode, OpenClaw y Hermes.
La nueva división de IA de Meta arrancó con un modelo abierto y una apuesta particular: que los agentes puedan correr en tu propia máquina, sin tocar la nube. Se llama Muse Glimmer y es el primer modelo que publica Meta Superintelligence Labs. Tiene 30 mil millones de parámetros, licencia Apache 2.0, ventana de contexto de 128K tokens y corre en una sola GPU.
El modelo está destilado de Muse Spark y se ofrece como un modelo causal con un codificador de percepción dedicado, que le permite aceptar texto e imagen entrelazados en la misma pasada. La presentación oficial lo describe como un modelo construido para tareas agénticas autónomas en hardware de consumo.
Las capacidades que Meta entrenó y evaluó en el modelo:
- Razonamiento multi-paso: encadena planes a lo largo de flujos de trabajo largos y mantiene el hilo entre tareas complejas.
- Uso de herramientas fiable: invoca funciones con esquemas precisos durante flujos extendidos.
- Recuperación de fallos: si una llamada a herramienta falla o devuelve algo inesperado, diagnostica el error y reintenta, en vez de detenerse.
- Multimodal: por el codificador de percepción, acepta texto e imágenes intercaladas, así puede leer capturas de pantalla, gráficos y documentos junto con la conversación.
- Compatibilidad con scaffolds: funciona con OpenClaw, Hermes Agent y otros patrones de orquestación agéntica.
- Esfuerzo controlable: permite elegir entre distintos niveles de razonamiento para balancear calidad y velocidad.
- Multilingüe: entrenado con datos de más de 100 lenguas.
Para Meta, los benchmarks comparan a Muse Glimmer-30B (modo High Reasoning) contra Gemma4-31B y Qwen3.6-27B en modo Thinking:
| Benchmark | Muse Glimmer-30B | Gemma4-31B | Qwen3.6-27B |
|---|---|---|---|
| MCP-Atlas | 75.5 | 54.2 | 62.5 |
| DeepSearch QA | 74.6 | 61.7 | 71.1 |
| τ3-Banking | 23.5 | 15.1 | 16.7 |
| WildClawBench | 47.6 | 37.6 | 43.2 |
| Gaia2 | 43.3 | 36.4 | 40.0 |
| SWE-Bench Pro | 51.2 | 36.9 | 50.2 |
| SWE-Bench Verified | 76.0 | 66.6 | 77.2 |
| TerminalBench 2.1 | 51.7 | 43.4 | 60.7 |
| SciCode | 43.6 | 43.4 | 39.8 |
En la tabla, Muse Glimmer sale fuerte para su talla en tareas generales agénticas y de código (lidera MCP-Atlas, DeepSearch y SWE-Bench Pro), aunque Qwen3.6-27B lo supera claramente en OSWorld-Verified (75.6 vs 65.9) y en TerminalBench (60.7 vs 51.7).
La vía de uso hoy es Ollama 0.32.7, publicado el mismo día, con su motor MLX en Apple Silicon. NVIDIA publicó el mismo día su guía de despliegue: el modelo corre en RTX 5090, DGX Spark, DGX Station y Jetson, vía contenedores NIM, vLLM y SGLang, y supera los 20 mil tokens por segundo en Blackwell Ultra. Los comandos para correrlo en cada harness:
ollama run muse-glimmer:30b-mlxpara usarlo por CLI.ollama launch claude --model muse-glimmer:30b-mlxpara Claude Code.ollama launch opencode --model muse-glimmer:30b-mlxpara OpenCode.ollama launch openclaw --model muse-glimmer:30b-mlxpara OpenClaw.ollama launch hermes --model muse-glimmer:30b-mlxpara Hermes.
Los parámetros abiertos (open weights, los valores que el modelo aprendió al entrenarse, publicados para que cualquiera los descargue y adapte) ya están en Hugging Face bajo meta-models/Muse-Glimmer-30B, con variantes GGUF, ExecuTorch y un modelo assistant. La licencia confirmada en la tarjeta del modelo es Apache 2.0.
Resta pendiente la evaluación independiente fuera de los números que publica el propio Meta, así como el desempeño real en hardware AMD y otras plataformas cuando llegue su soporte.
Para más detalles: