Você poderá executar o modelo Meta AI mais recente localmente em seu computador.

Na segunda-feira, a Meta anunciou seu mais recente protótipo de IA : Muse Glimmer. Mas a empresa não o está necessariamente promovendo como seu maior e melhor produto até o momento. Embora a Meta fale bastante sobre o potencial de desempenho do Muse Glimmer, há dois pontos-chave de marketing da perspectiva da empresa: sua natureza de código aberto e seu design para rodar nativamente em Macs e PCs de consumo — embora possa não funcionar no seu dispositivo específico.

O que é Muse Glimmer?

Segundo a Meta, o Muse Glimmer é um modelo de IA com 30 bilhões de parâmetros, otimizado para fluxos de trabalho de agentes locais sempre ativos. Isso significa que o Glimmer foi projetado para funcionar de forma autônoma e diretamente no seu dispositivo, em vez de depender do processamento em nuvem. A IA local é muito mais segura do que a IA em nuvem, porque seus dados permanecem dentro do seu sistema. Ao usar servidores em nuvem, você fica à mercê da empresa proprietária da rede, o que pode comprometer seus dados.

Embora existam muitos casos de uso para um modelo como o Muse Glimmer, a Meta se concentra no uso de IA agética. Agentes de IA podem executar tarefas em seu nome e sua popularidade está crescendo, já que usuários e desenvolvedores podem solicitar que seus agentes executem diversas funções. Executar agentes localmente também é muito popular, como evidenciado pelo infame ano do OpenClaw, mas os modelos mais exigentes também requerem hardware potente. Se você estiver trabalhando com um laptop, pode não ter a potência necessária para executar agentes de IA.

Esta é parte da apresentação da Meta. A empresa afirma que o Muse Glimmer foi treinado para equilibrar desempenho com recursos de hardware limitados. A Meta declara que submeteu o Muse Glimmer a três fases de treinamento para alcançar esse objetivo: pré-treinamento, que treinou o Muse Glimmer com a saída do Muse Spark; treinamento intermediário, que treinou o modelo com dados mais focados em agentes; e pós-treinamento, que ajustou o modelo em diversos parâmetros. A Meta afirma que o Muse Glimmer consegue lidar com a conclusão de agentes de ponta a ponta, inferência em várias etapas, recuperação em caso de falha na chamada da ferramenta, entradas e inferência de múltiplos modelos, entre outras funções. Ele também foi treinado com dados de mais de 100 idiomas. A empresa acrescenta que o modelo oferece um desempenho robusto para sua classe de tamanho em comparação com muitos benchmarks padrão de Modelos de Linguagem Grandes (LLM).

Fonte: Meta

Embora o Muse Glimmer não seja tão exigente quanto outros modelos, provavelmente não funcionará de forma eficiente em um laptop comum. A Meta afirma que um modelo com 30 bilhões de parâmetros normalmente exigiria mais de 55 GB de memória, mas, graças às técnicas de quantização, o Muse Glimmer pode usar menos de 20 GB. Levando em consideração a memória de trabalho, o Muse Glimmer provavelmente usará 24 GB ou 32 GB. Se você tiver um MacBook Pro ou um PC profissional, isso pode ser perfeitamente adequado. Mas, se você for como eu, seu laptop tem 16 GB ou menos de RAM — não exatamente o que o Muse Glimmer exige. Ainda assim, é um passo à frente para o uso de IA nativa. (Para esclarecer, a Meta afirma que testou o Muse Glimmer nos modelos MacBook M4 Max e M5 Max, com uma GPU RTX 5090.)

A Meta afirma que o Muse Glimmer é "aberto", o que significa que a Meta liberou os pesos de treinamento do modelo. Portanto, qualquer pessoa pode não apenas usar o modelo, mas também modificá-lo. Se você tiver necessidades específicas para o seu modelo de IA, poderá modificar o Muse Glimmer para melhor atender às suas necessidades.

Como o Muse Glimmer se compara a outros modelos de IA?

Atualmente, muitos modelos de IA estão disponíveis no mercado , mas a Meta os compara diretamente apenas com dois: Gemma4-31b, do Google, e Qwen3.6-27B, do Alibaba . De acordo com os benchmarks da Meta, o Muse Glimmer supera ambos os modelos nos seguintes 12 testes: MCP Atlas, DeepSearch QA, v³-banking, WildClawBench, GAIA2, SWE-Bench Pro, Sci Code, Charxiv Reasoning, IFBench, AIME 2026, AA-LCR e Beam 128K. O Gemma4-31b ainda lidera em quatro desses benchmarks, enquanto o Qwen3.6-27B se destaca em oito.

A Meta não ofereceu comparações semelhantes com modelos de líderes do setor como OpenAI, DeepSeek, Z.ai ou Moonshot AI. No entanto, a Artificial Analysis fornece um ranking de todos os modelos openweight atualmente disponíveis no mercado . Até o momento desta publicação, o Muse Glimmer (versão de alto desempenho) está classificado em 18º lugar. O Kimi K3 (versão máxima) da Moonshot AI lidera a lista, seguido pelo GLM-5.2 (versão máxima) da Z.ai em segundo lugar, o V4 Flash (versão máxima) da DeepSeek em terceiro e o Kimi K3 (versão baixa) em quarto. Para comparação, o Gemma4-31b está classificado em 32º lugar, enquanto o Qwen3.6-27B está em 17º. Há muitas variáveis ​​envolvidas, mas este ranking nos dá uma visão geral rápida de como os modelos mais recentes da Meta se comparam à concorrência.

Como experimentar o Muse Glimmer

Você já pode experimentar o Muse Glimmer baixando os pesos do Hugging Face . A Meta indica que o modelo estará disponível nos próximos dias em aplicativos como Ollama, LM Studio e Unsloth.