Meta torna a distribuire modelli con pesi aperti con Muse Glimmer, un nuovo modello da 30 miliardi di parametri progettato soprattutto per agenti locali sempre attivi e workload eseguiti direttamente su hardware consumer. L’azienda ha inoltre annunciato che renderà disponibili i pesi di una versione di Muse Spark 1.2, il modello più avanzato della famiglia Muse, segnando un ritorno alla strategia open-weight dopo la fase in cui i primi modelli Muse erano stati distribuiti principalmente attraverso i servizi proprietari di Meta. Muse Glimmer è già disponibile per il download e può essere eseguito localmente, mentre la pubblicazione della versione open-weight di Muse Spark 1.2 è prevista successivamente.
Muse Glimmer utilizza 30 miliardi di parametri ed è stato ottimizzato per scenari nei quali l’intelligenza artificiale deve operare continuamente su dispositivi personali senza dipendere necessariamente da un’infrastruttura cloud. Meta lo posiziona per applicazioni come agenti locali, assistenti di programmazione, utilizzo di strumenti e function calling multimodale. La dimensione del modello consente di eseguirlo su un PC o un Mac dotato di una singola GPU adeguata, rendendolo molto più adatto all’inferenza locale rispetto ai grandi modelli di frontiera. Il modello deriva dal lavoro svolto sulla famiglia Muse Spark ed è stato ottenuto attraverso tecniche di distillazione che trasferiscono parte delle capacità del modello più grande in una versione computazionalmente più contenuta.
Il modello viene distribuito con licenza Apache 2.0, una scelta più permissiva rispetto alle licenze utilizzate in precedenza per la famiglia Llama. Gli sviluppatori possono quindi scaricare i pesi, eseguire Muse Glimmer sulle proprie infrastrutture, modificarlo e utilizzarlo anche in applicazioni commerciali entro le condizioni della licenza. I pesi sono disponibili attraverso Hugging Face e Meta sta lavorando con diversi ambienti e runtime per semplificare l’esecuzione locale, compresi llama.cpp, Ollama, MLX, ExecuTorch, vLLM e SGLang, oltre alle piattaforme di serving di terze parti. Sono inoltre previste ottimizzazioni specifiche insieme a produttori hardware come AMD, Arm, Dell, Intel e NVIDIA.
Muse Glimmer utilizza un’architettura dense da 30 miliardi di parametri che comprende anche un encoder visivo da circa 1,8 miliardi di parametri e dispone di una finestra di contesto nativa da 128.000 token, ulteriormente estendibile. Il modello adotta un meccanismo di attenzione ibrido che combina livelli globali con tre livelli sliding-window per ogni livello globale, riducendo il consumo di memoria del KV cache. In formato BF16 i pesi occupano circa 60 GB, mentre una quantizzazione a 4 bit può ridurre l’occupazione a circa 18 GB, permettendo l’esecuzione su configurazioni consumer di fascia alta.
I primi benchmark indipendenti di Artificial Analysis attribuiscono a Muse Glimmer un punteggio di 35 nell’Artificial Analysis Intelligence Index. Il risultato lo colloca nettamente sopra Llama 4 Maverick, che aveva ottenuto 14, e vicino a modelli open-weight molto più grandi. Muse Glimmer raggiunge risultati comparabili a Kimi K2.5 in modalità reasoning, nonostante quest’ultimo utilizzi un numero totale di parametri molto superiore, mentre rimane leggermente dietro Qwen3.6 27B, che ottiene 38 punti. Rispetto a Gemma 4 31B, che raggiunge 30 punti, Muse Glimmer ottiene un vantaggio di cinque punti mantenendo una dimensione molto simile.
Il modello mostra tuttavia prestazioni meno uniformi nei workload agentici di knowledge work. Sul benchmark GDPval-AA v2 ottiene 953 punti Elo, sotto la baseline umana fissata a 1.000 e dietro Qwen3.6 27B e Gemini 3.5 Flash-Lite, entrambi a 1.141. Anche sul Terminal-Bench v2.1 raggiunge il 52%, rispetto al 61% di Qwen3.6 27B. L’analisi indipendente evidenzia inoltre un tasso di allucinazione dell’82% nell’AA-Omniscience Index, rispetto al 49% di Qwen3.6 27B e al 34% di Gemini 3.5 Flash-Lite. Nel tool use agentico, invece, Muse Glimmer ottiene risultati migliori: sul benchmark Tau3-Banking raggiunge il 24%, superando Gemini 3.5 Flash-Lite al 18% e Qwen3.6 27B al 17%.
Il ritorno ai pesi aperti riguarda anche Muse Spark 1.2, attualmente il modello di punta della linea sviluppata da Meta Superintelligence Labs. Muse Spark era stato presentato nell’aprile 2026 come modello multimodale nativo con capacità di ragionamento, tool use, visual reasoning e orchestrazione multi-agent. La versione 1.1, rilasciata a luglio, aveva introdotto miglioramenti significativi nella programmazione, nell’utilizzo del computer, nella gestione di tool esterni e nell’esecuzione di workflow agentici, oltre a una finestra di contesto da un milione di token.
Muse Spark 1.2 è stato successivamente utilizzato come motore di Muse Code, l’agente di programmazione di Meta capace di pianificare, modificare e verificare cambiamenti complessi distribuiti su più file e repository. Meta ha inizialmente distribuito Spark attraverso propri servizi e API, ma ha ora confermato l’intenzione di pubblicare anche una versione con pesi accessibili. Questo permetterà agli sviluppatori di lavorare direttamente con una variante di un modello significativamente più potente rispetto a Muse Glimmer, senza essere necessariamente vincolati all’API proprietaria.
La scelta segna un cambio rispetto alla strategia seguita dopo Llama 4. Meta aveva costruito una parte importante della propria posizione nell’ecosistema AI attraverso la disponibilità dei modelli Llama, ma la ricezione non particolarmente favorevole di Llama 4 e la successiva ristrutturazione delle attività di intelligenza artificiale avevano portato l’azienda a distribuire inizialmente la famiglia Muse con un approccio più chiuso. Muse Glimmer rappresenta il primo nuovo modello open-weight importante di Meta dopo oltre un anno e utilizza inoltre una licenza Apache 2.0 anziché la precedente licenza specifica di Llama.
Il ritorno ai pesi aperti avviene mentre una parte crescente dei modelli open-weight più competitivi proviene dai laboratori cinesi. Moonshot AI con Kimi, Alibaba con Qwen e DeepSeek hanno pubblicato modelli capaci di avvicinarsi alle prestazioni dei sistemi proprietari mantenendo costi di utilizzo più bassi e permettendo l’esecuzione sulle infrastrutture dell’utente. Muse Glimmer non è progettato per competere direttamente con i più grandi modelli di frontiera di queste famiglie, ma si colloca nel segmento dei modelli da circa 30 miliardi di parametri destinati all’inferenza locale, dove i principali confronti riguardano sistemi come Qwen3.6 27B e Gemma 4 31B.
Meta considera l’accessibilità dei pesi particolarmente importante per lo sviluppo di agenti personali e sistemi eseguiti direttamente sul dispositivo. Un modello locale può infatti essere personalizzato e integrato con software, dati e strumenti privati senza trasferire continuamente il contesto verso un servizio remoto. La possibilità di utilizzare una singola GPU consente inoltre di mantenere agenti persistentemente attivi su workstation e dispositivi personali con costi prevedibili, invece di sostenere una tariffazione basata sul numero di token o sulle singole chiamate API.
Con Muse Glimmer già disponibile e l’annunciata apertura di una versione di Muse Spark 1.2, Meta ricostruisce quindi una linea open-weight articolata su almeno due livelli: un modello da 30 miliardi di parametri destinato principalmente all’esecuzione locale e agli agenti always-on e un sistema di capacità superiore derivato dalla propria famiglia di modelli di frontiera. Muse Glimmer può essere scaricato e modificato sotto licenza Apache 2.0, mentre Muse Spark 1.2 rappresenterà il passaggio successivo dell’apertura della nuova generazione di modelli sviluppati da Meta Superintelligence Labs.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)