✨︎ Resumen (TL;DR):
- Meta liberó el 10 de agosto de 2026 un modelo de 30,000 millones de parámetros con pesos descargables bajo licencia Apache 2.0 para ejecutar agentes sin nube.
- La compresión a unos 4 bits ofrece variantes para 32 GB y 24 GB; pierden 0.2% y 1% de precisión promedio, respectivamente.
- Qwen3.6-27B supera a Muse Glimmer en escritorio, terminal y SWE-Bench Verified; Gemma4-31B obtiene mejores resultados en las dos pruebas de seguridad.
Meta liberó el 10 de agosto de 2026 Muse Glimmer, un modelo de IA de 30,000 millones de parámetros con pesos descargables bajo licencia Apache 2.0. Muse Glimmer es un modelo de IA para agentes que ejecuta tareas dentro de una computadora personal durante todo el día sin depender de la nube. Su ficha técnica ofrece una variante para tarjetas de 24 GB, mientras la tabla de Meta muestra ventajas en varias pruebas y resultados inferiores frente a Qwen3.6-27B en el control del escritorio, la terminal y SWE-Bench Verified.
Meta Superintelligence Labs, la unidad que dirige Alexandr Wang, publicó los pesos. Según The Decoder, se trata del primer modelo abierto de Meta desde Llama 4, presentado en la primavera de 2025.
Mark Zuckerberg acompañó el lanzamiento con un ensayo de 6,500 palabras titulado The Future is for Everyone. Un reporte del Wall Street Journal, retomado por The Decoder, señala que Meta abrirá en las próximas semanas los pesos de Muse Spark 1.2, su modelo más capaz.
El costo local: entre 24 y 32 GB de memoria de video
En precisión completa, un modelo de 30,000 millones de parámetros necesita más de 55 GB de memoria, por encima de lo que ofrece cualquier tarjeta gráfica de consumo. Meta comprimió los pesos a unos 4 bits y dejó el modelo de lenguaje por debajo de 20 GB.
Ese margen debe alojar la memoria de trabajo, el codificador que interpreta imágenes y el modelo auxiliar que acelera la escritura. La ficha técnica ofrece dos variantes comprimidas:
- Variante para tarjetas de 32 GB: pierde 0.2% de precisión promedio en 15 pruebas comunes.
- Variante para tarjetas de 24 GB: pierde 1% de precisión promedio.
NVIDIA señala la GeForce RTX 5090 de 32 GB como la puerta de entrada para desarrolladores. AMD recomienda equipos con un procesador Ryzen AI Max+ o una tarjeta Radeon AI PRO R9700 de 32 GB.
En cifras que AMD califica como preliminares, el Ryzen AI Max+ llega hasta 24 tokens por segundo y la Radeon AI PRO R9700 alcanza hasta 53 tokens por segundo. Meta reporta 50.2 tokens por segundo en una MacBook con chip M5 Max y 233.4 en la RTX 5090, en ambos casos con el modelo auxiliar activado.
Muse Glimmer gana en unas pruebas y pierde en otras
Meta comparó Muse Glimmer con Gemma4-31B, de Google, y Qwen3.6-27B, de Alibaba, las dos referencias abiertas de ese tamaño. Frente a Qwen, Muse Glimmer obtuvo los siguientes resultados:
| Prueba | Muse Glimmer | Qwen3.6-27B |
|---|---|---|
| MCP Atlas | 75.5 | 62.5 |
| DeepSearch QA | 74.6 | 71.1 |
| GAIA2 | 43.3 | 40.0 |
| SWE-Bench Pro | 51.2 | 50.2 |
La ventaja se invierte cuando el agente debe controlar una computadora real. En esas pruebas, Qwen3.6-27B quedó arriba:
| Prueba | Qwen3.6-27B | Muse Glimmer |
|---|---|---|
| OSWorld-Verified | 75.6 | 65.9 |
| TerminalBench 2.1 | 60.7 | 51.7 |
| SWE-Bench Verified | 77.2 | 76.0 |
La comparación necesita una reserva. La metodología de Meta reconoce que la empresa reunió por su cuenta casi todos los datos y que el montaje de las pruebas no está afinado para los modelos rivales.
Las pruebas de seguridad dejan una advertencia
El agente está pensado para operar junto a los archivos, el calendario y los mensajes de una persona. Por eso, la ficha separa las pruebas de seguridad del resto de los benchmarks.
En Siren AgentDojo, que mide la tasa de éxito de un ataque por inyección de instrucciones, Muse Glimmer registró 28.4, frente a 40.3 de Qwen3.6-27B y 25.6 de Gemma4-31B. Su resultado es mejor que el de Qwen, pero peor que el de Gemma.
En CI Memories, que mide si el modelo respeta los límites de la información personal cuando actúa frente a terceros, Muse Glimmer obtuvo una marca de 26.4, lejos de los 12.1 de Gemma4-31B. Con estos datos, Gemma4-31B queda por delante de Muse Glimmer en las dos pruebas de seguridad reportadas.
AMD, socio del lanzamiento, describe el modelo como entrenado para resistir inyecciones provenientes de contenido no confiable y respetar esos límites.
Límite declarado por Meta: la compañía no incluye a Muse Glimmer en su propia definición de IA de frontera. Sus niveles de riesgo en ciberseguridad y pérdida de control son inferidos, no medidos, y Meta los clasifica como moderados o menores porque considera que el modelo es más débil que Muse Spark 1.0.
La pelea por la destilación también está en el lanzamiento
En su ensayo, Zuckerberg defiende que la superinteligencia se reparta en vez de concentrarse y que la seguridad dependa de un equilibrio de poder entre muchos actores, no de un solo laboratorio prudente.
La destilación es una técnica de entrenamiento que usa las salidas de un modelo para entrenar otro. Sobre esta práctica, Zuckerberg escribió que hay que proteger el principio de que “puedes aprender de cualquier cosa que puedas observar”.
OpenAI y Anthropic llevan meses acusando a laboratorios chinos de usar sus modelos como maestros sin permiso. Zuckerberg propone el camino inverso: que Estados Unidos no restrinja los modelos abiertos y se asegure de que los mejores salgan de su territorio, con la destilación incluida.
También pide revisar las reglas sobre datos de entrenamiento que, según su lectura, ponen en desventaja a los laboratorios estadounidenses. A cambio, ofrece cooperación con el gobierno mediante puntos de control intermedios del entrenamiento para una revisión oficial antes de que un modelo esté terminado.
El planteamiento llegó después de que Washington dejara a los modelos abiertos fuera de su marco de revisión previa el 5 de agosto.
Apache 2.0, pero el español aún debe medirse
La licencia Apache 2.0 permite el uso comercial, la modificación y la redistribución. Un estudio en Guadalajara o Madrid puede montar el modelo sobre su propia infraestructura sin pedir permiso ni pagar por token.
El modelo se entrenó con datos de más de 100 idiomas, pero Meta advierte que no lo evaluó en todos. El rendimiento puede caer fuera del conjunto de lenguas bien soportadas, así que el resultado en español tendrá que medirse en casa.
La ficha técnica también fija estos límites:
- Conocimiento: el corte llega al 4 de enero de 2026.
- Contexto: maneja una ventana de 131,072 tokens.
- Entradas: acepta texto e imágenes, pero no audio.
- Edad: no está pensado para que lo descarguen ni lo usen personas menores de 18 años.
Muse Glimmer no es Muse Spark
Muse Spark es el modelo insignia de Meta y sigue siendo cerrado, aunque Zuckerberg anunció que abrirá los pesos de la versión 1.2. Muse Glimmer es otro modelo, destilado de Spark, con 30,000 millones de parámetros y publicado el 10 de agosto de 2026 bajo Apache 2.0 para correr en equipos personales.
La escala financiera de la estrategia también aparece en el ensayo. Meta comprometió hasta 145,000 millones de dólares de inversión este año y 600,000 millones de dólares hasta 2028, según un reporte del Wall Street Journal citado por The Decoder.
Zuckerberg plantea versiones gratuitas para miles de millones de personas y un mecanismo de subasta dinámica para quien quiera más cómputo, con la misma lógica que Meta utiliza para vender publicidad desde hace años. Ese mecanismo todavía no tiene producto, fecha ni precio.
Para un estudio que programe en español, el intercambio es concreto: Apache 2.0 permite modificar y redistribuir el modelo sin pedir permiso ni pagar por token, pero el equipo debe reservar 24 o 32 GB de memoria de video y medir el desempeño en español por su cuenta. La comparativa deja los límites técnicos a la vista: Qwen3.6-27B controla mejor el escritorio y Gemma4-31B obtiene mejores marcas en las dos pruebas de seguridad. La subasta de cómputo que Zuckerberg plantea todavía no tiene producto, fecha ni precio.
