Muse Glimmer 30B

2026-08-10 · Éditeur : Meta · Domaine : Intelligence Artificielle

Meta publie Muse Glimmer, un modèle dense de 30 milliards de paramètres à poids ouverts sous licence Apache 2.0, distillé de Muse Spark et conçu pour des agents locaux sur un PC ou un Mac avec un seul GPU.

Meta publie Muse Glimmer, un modèle dense de 30 milliards de paramètres à poids ouverts sous licence Apache 2.0, distillé de Muse Spark et conçu pour des agents locaux sur un PC ou un Mac avec un seul GPU. ### Contexte Depuis Muse Spark (avril 2026), Meta ne publiait plus de poids. En annonçant Glimmer, Meta revient à l'ouvert avec un modèle plus petit, distillé de son modèle fermé, et laisse entendre que Muse Spark 1.2 suivra. Les modèles ouverts comparables de la période sont Gemma 4 31B et Qwen3.6 27B. ### Ce que le modèle apporte - Agents locaux permanents : appel de fonctions, tâches longues, reprise sur erreur, code et raisonnement multimodal. - Distillation par logits à partir de Muse Spark pendant le pré-entraînement (Meta). - Décodage spéculatif DFlash : jusqu'à 3,1 fois plus rapide sur RTX 5090, 1,8 fois sur M5 Max, 1,5 fois sur M4 Max. - Quantification en 4 bits en variantes K-Quant (17 Go) pour tenir sur des machines de 24 à 32 Go. - Encodeur de perception dédié pour l'entrée image. ### Architecture et caractéristiques Transformeur dense (pas de MoE), environ 29,6 B de paramètres dont 1,8 B d'encodeur de vision, 52 couches, attention alternant trois couches locales (fenêtre de 2 048) et une globale, GQA 32 têtes de requête / 2 têtes KV, vocabulaire de 202 048 tokens. Contexte : 131 072 tokens ou plus. Entrée texte et image, sortie texte, plus de 100 langues. Coupure des connaissances : 4 janvier 2026. Licence : Apache 2.0 (usage commercial libre, sans seuil d'utilisateurs). Poids : Hugging Face meta-models/Muse-Glimmer-30B. ### Coût et accès | Élément | Valeur | |---|---| | API officielle | Tarif non communiqué | | Mémoire | Plus de 55 Go en pleine précision ; moins de 20 Go de poids en 4 bits | | Débit mesuré | 233,4 tokens/s (RTX 5090), 50,2 (M5 Max), 37,8 (M4 Max) avec DFlash | | Écosystème | llama.cpp, MLX, ExecuTorch, Ollama, Together AI annoncés | ### Benchmarks | Benchmark | Muse Glimmer 30B | Gemma 4 31B | Qwen3.6 27B | |---|---|---|---| | MCP Atlas | 75,5 | 54,2 | 62,5 | | DeepSearch QA | 74,6 | 61,7 | 71,1 | | SWE-Bench Verified | 76,0 | 66,6 | 77,2 | | SWE-Bench Pro | 51,2 | 36,9 | 50,2 | | AIME 2026 | 94,7 | 89,2 | 94,1 | | GPQA Diamond | 83,5 | 85,7 | 84,2 | Source : model card Hugging Face, scores publiés par l'éditeur ; comparaison avec des modèles ouverts, pas de modèle fermé. ### Face aux modèles fermés Meta ne compare pas Glimmer à des modèles fermés dans les sources lues : la comparaison publiée porte sur deux modèles ouverts de taille voisine. Il devance Gemma 4 31B sur la plupart des lignes et se situe au niveau de Qwen3.6 27B, avec un net avantage sur MCP Atlas (75,5 contre 62,5) et un retrait sur SWE-Bench Verified (76,0 contre 77,2) et GPQA Diamond. Le modèle fermé de même famille, Muse Spark 1.2, est cité à 57 points de l'index d'Artificial Analysis, sans équivalent publié pour Glimmer. L'atout pour le choix ouvert ou fermé est la licence Apache 2.0, plus libre que la licence Llama, et un fonctionnement local sans coût d'API ni transfert de données. ### À retenir Glimmer est le premier modèle ouvert de la famille Muse : un 30 B dense, performant en agentique pour sa taille, sous Apache 2.0. Il reste distillé d'un modèle fermé, et la publication promise de Muse Spark 1.2 n'a pas eu lieu à la date de rédaction.

Tags : LLM, Open Source, Meta, Muse, Apache 2.0, Agents, Multimodal