Meta Superintelligence Labs ha presentato Muse Glimmer, un nuovo modello di intelligenza artificiale. A differenza di altri annunci simili di questo periodo, che puntano sulla maggiore potenza ed efficienza, questo modello si distingue perché è stato progettato per funzionare direttamente sul dispositivo dell’utente. Non serve quindi una connessione al cloud per utilizzarlo. Il modello arriva pochi mesi dopo Muse Spark, il primo sviluppato dalla divisione di Meta. Muse Glimmer introduce però un’importante novità rispetto al predecessore. Il modello è infatti disponibile con licenza Apache 2.0 e può essere scaricato e utilizzato liberamente tanto che gli sviluppatori possono anche modificarlo e adattarlo alle proprie esigenze.
Indice:
Segui TuttoTech.net su Google Discover
Un modello pensato per gli agenti locali
Muse Glimmer conta 30 miliardi di parametri ed è stato progettato per essere abbastanza leggero da girare su un Mac o un PC con una singola GPU consumer. L’obiettivo di Meta è quello di abilitare agenti sempre attivi capaci di gestire compiti come la chiamata di funzioni, la scrittura di codice in locale e la valutazione automatica di altri modelli. A differenza di un semplice assistente che risponde a domande, Muse Glimmer viene descritto come uno strumento pensato per risolvere problemi in autonomia. Lo sviluppatore assegna un compito e stabilisce quali strumenti l’AI può utilizzare. Sarà quindi il modello a elaborare un piano, utilizzare gli strumenti per attuarlo, verificare i risultati ottenuti e intervenire per correggere eventuali passaggi andati storti, senza bisogno di essere guidato passo dopo passo.
Il processo di addestramento si è sviluppato in tre fasi. Nella prima, Muse Glimmer ha appreso dagli output di Muse Spark attraverso una tecnica di distillazione dei logit, un metodo che permette a un modello più piccolo di ereditare parte delle capacità di un modello più grande e complesso. Nella fase successiva il modello è stato addestrato su dati con contesti più lunghi e maggiormente orientati agli scenari agentici, con tracce di ragionamento più articolate. Nell’ultima fase sono stati combinati fine tuning supervisionato, distillazione on policy e apprendimento per rinforzo su ambiti generali, di ragionamento, di programmazione e agentici.
Le capacità di Muse Glimmer
Meta indica diverse capacità su cui il modello è stato addestrato e valutato. Tra queste il completamento di attività end to end su benchmark come DeepSearch QA, MCP Atlas, τ-Bench e SWE-Bench, l’uso affidabile di strumenti esterni tramite chiamate di funzione precise, il ragionamento articolato su più passaggi in flussi di lavoro complessi ed estesi, e la capacità di diagnosticare un errore e riprovare quando una chiamata a uno strumento fallisce o restituisce un risultato inatteso. Grazie a un encoder di percezione dedicato, Muse Glimmer è inoltre in grado di interpretare input multimodali come screenshot, grafici e documenti insieme al testo della conversazione. Il modello supporta anche diversi livelli di intensità del ragionamento, per bilanciare qualità e velocità di risposta, ed è stato addestrato su dati in oltre 100 lingue.
Secondo Meta, Muse Glimmer offrirebbe prestazioni ottime per la sua categoria dimensionale se confrontato con Gemma4-31B e Qwen3.6-27B su diversi benchmark. Per far funzionare il modello anche su dispositivi consumer, Meta ha applicato due principali ottimizzazioni. La prima riguarda la quantizzazione dei pesi a circa 4 bit. In questo modo, le dimensioni del modello scendono da oltre 55 GB a meno di 20 GB.
Questo permette di lasciare spazio sufficiente anche per la memoria di lavoro, l’encoder che gestisce le immagini e il modulo di decodifica speculativa. Il tutto può rientrare in una dotazione di memoria da 24 o 32 GB. Meta afferma di aver verificato che questa compressione introduce un degrado minimo o nullo sulle attività agentiche.
La seconda ottimizzazione riguarda la velocità di generazione del testo, affidata a un modello “drafter” leggero basato su DFlash, che propone interi blocchi di token alla volta mentre il modello principale li verifica in parallelo. Nei test condotti da Meta su MacBook M4-Max, M5-Max e su una RTX 5090, questa tecnica avrebbe permesso di aumentare la velocità di decodifica fino a 3,1 volte sulla RTX 5090, 1,8 volte sul M5-Max e 1,5 volte sul M4-Max.
Disponibilità e come provarlo
Muse Glimmer è disponibile da subito su Hugging Face, sia nella versione con la massima precisione sia in quella quantizzata a 4 bit, insieme al modulo di decodifica speculativa DFlash e al codice di inferenza. La documentazione per sviluppatori è consultabile sul sito Meta dedicato. Il modello arriva già supportato da un ampio ecosistema di partner, che comprende produttori di hardware come NVIDIA, AMD, Intel, Arm e Dell, strumenti per l’esecuzione in locale come Ollama, LM Studio, llama.cpp e MLX, piattaforme di inferenza e serving come vLLM, SGLang, Together AI, Fireworks AI e OpenRouter, oltre a Unsloth per la messa a punto personalizzata.
Come hardware di riferimento Meta indica un Mac Mini o un MacBook con chip M4 o M5 e almeno 32 GB di memoria, oppure una GPU NVIDIA RTX 5090 o AMD Radeon AI PRO. Nelle prossime settimane l’azienda prevede inoltre di rilasciare una versione di Muse Spark 1.2, il modello più avanzato della famiglia.
I nostri contenuti da non perdere:
- 🔝 Importante: Recensione Amazfit Balance 3, la maturità arriva anche per gli smartwatch multisportivi
- 💰 Risparmia sulla tecnologia: segui Prezzi.Tech su Telegram, il miglior canale di offerte
- 🏡 Seguici anche sul canale Telegram Offerte.Casa per sconti su prodotti di largo consumo