Meta julkaisi maanantaina Muse Glimmerin, avoimin painoin jaettavan monimodaalimallin, joka on suunniteltu ajamaan tekoälyagentteja paikallisesti kuluttajalaitteella. Mallissa on 30 miljardia parametria, ja se ilmestyi sallivalla Apache 2.0 -lisenssillä. Kehittäjä voi ladata painot, muokata niitä ja ajaa mallia omalla koneellaan.
Glimmer on tislattu versio Metan Muse-mallista, jonka tehokkain muunnos Muse Spark esiteltiin huhtikuussa. Spark pysyy suljettuna, Glimmer ei. Raja kertoo, mihin Meta asettaa eron itse omistettavan ja yhtiön hallussa pysyvän älyn välille.
Avoimet painot, suljettu kärkimalli
Apache 2.0 on yksi sallivimmista avoimen lähdekoodin lisensseistä. Se sallii mallin lataamisen, muokkaamisen ja kaupallisen käytön ilman erillistä lupaa. Glimmer ymmärtää tekstiä ja kuvia, ja se on koulutettu yli sadalla kielellä.
Hugging Facen mukaan malli sai julkaisupäivänä tuen transformers-kirjastossa, llama.cpp:ssä ja vLLM:ssä. Myös Inference Endpoints tukee sitä heti. Käytännössä kehittäjän ei tarvitse odottaa yhteisön sovituksia viikkokausia.
Muse Spark, Metan tehokkain malli, pysyy suljettuna. Zuckerberg julkaisi maanantaina kirjeen, jossa hän toistaa näkemyksensä henkilökohtaisesta superälystä. Hänen mukaansa laajalti jaettu superäly voi aloittaa uuden henkilökohtaisen voimaantumisen aikakauden.
Pääsy ei kuitenkaan ole sama asia kuin omistus. Meta erottelee yhä selvemmin mallit, jotka se julkaisee avoimesti, ja ne, jotka se pitää hallinnassaan. Glimmer näyttää, mihin kohtaan raja on tällä hetkellä vedetty.
Laitteistoriippuvuus on poikkeuksellisen kevyt. Sama latauskomento toimii Hugging Facen esimerkeissä sellaisenaan Nvidian CUDA-, AMD:n ROCm- ja Intelin XPU-näytönohjaimilla. Malli sijoittuu automaattisesti sille kiihdyttimelle, joka koneesta löytyy.
Arkkitehtuuri kutistaa muistin tarpeen
Glimmer on tiheä malli, ei asiantuntijoiden sekoitus. Sen 30 miljardista parametrista 2 miljardia on ViT-tyyppisessä Perception Encoder -kuvakooderissa ja 28 miljardia tekstidekooderissa. Sama kooderi käsittelee sekä kuvat että videot.
Tekstidekooderi käyttää hybridihuomiota. Kolmea liukuvan ikkunan kerrosta, joiden ikkuna on 2 048 merkkiä, seuraa yksi täyden huomion kerros ilman sijaintikoodausta. Kuvio toistuu 13 kertaa, jolloin kerroksia kertyy 52.
Muistin kannalta tärkein yksityiskohta on portitettu ryhmitelty kyselyhuomio. Jokaista avain-arvo-päätä kohti on 16 kyselypäätä, mikä pienentää KV-välimuistin tarpeen kuudestoistaosaan. Juuri tämä tekee mallin ajamisesta mahdollista yhdellä näytönohjaimella.
Mukana on lisäksi valinnainen spekulatiivisen dekoodauksen luonnostelija DFlash-toteutuksella. Se nopeuttaa generointia muistin kustannuksella. Hugging Facen mukaan luonnostelija sopii erityisen hyvin rakenteisen sisällön, kuten koodin, tuottamiseen.
Kuvapuolella 2 miljardin parametrin kooderi on tavallista järeämpi. Se pilkkoo kuvan 14 kertaa 14 pikselin lohkoihin ja ajaa ne 50 kerroksen läpi. Lopuksi pikselisekoitus yhdistää vierekkäiset lohkot neljän ryhmiin, mikä pudottaa kuvatokenien määrän neljäsosaan ilman että kanavatieto katoaa.
Vertailuluvut agenttitehtävissä
Meta vertaa Glimmeriä kahteen samankokoiseen päättelymalliin: Gemma4-31B:hen ja Qwen3.6-27B:hen. Agenttitehtävissä ero on selvä. MCP Atlas -testissä Glimmer sai 75,5 pistettä, kun Gemma jäi 54,2:een ja Qwen 62,5:een.
Koodauksessa asetelma tasoittuu. SWE-Bench Verified -testissä Glimmer ylsi lukemaan 76,0 ja Qwen 77,2. Vaativammassa SWE-Bench Prossa Glimmer johtaa tuloksella 51,2, mutta TerminalBench 2.1:ssä Qwen vie voiton 60,7:llä Glimmerin 51,7:ää vastaan.
Heikkouksiakin löytyy. Työpöytäympäristöä mittaavassa OSWorld-Verifiedissä Glimmer sai 65,9 pistettä ja Qwen 75,6. Pankkiasiointia simuloiva τ³-Banking jäi kaikilta kolmelta alle 24 pisteen, joten monivaiheinen asiointi on yhä ratkaisematta.
Turvallisuuspuolella Siren AgentDojo mittaa hyökkäysten läpimenoa. Glimmerillä osuus oli 28,4 prosenttia, Gemmalla 25,6 ja Qwenillä 40,3. Matalampi luku on parempi, joten Glimmer asettuu vertailussa keskelle.
Yleisessä päättelyssä erot kapenevat. AIME 2026 -matematiikkakokeessa Glimmer sai 94,7 pistettä ja pitkien dokumenttien AA-LCR-testissä 80,0, molemmissa vertailun parhaan. GPQA Diamondissa se jäi 83,5:een Gemman 85,7:ää vastaan, ja vaikeassa Humanity's Last Examissa kaikki kolme jäivät reilusti alle neljännespistemäärän.
Paikallinen agentti ja yksityisyys
Meta suunnitteli Glimmerin ajettavaksi Macilla tai PC:llä yhdellä kuluttajanäytönohjaimella. Malli osaa kutsua työkaluja, kirjoittaa ja korjata koodia sekä käsitellä tiedostoja ja kuvakaappauksia. Se pystyy viemään monivaiheisen tehtävän läpi pitkässä työnkulussa.
Käyttötapauksiksi Meta listaa kalenterin hallinnan, viestien luonnostelun ja tiedostojen järjestelyn. Kaikki kolme vaativat pääsyä henkilökohtaiseen dataan. Kun käsittely tapahtuu laitteella eikä pilvessä, tiedot eivät lähde koneelta ulos.
Malli on suunniteltu myös jatkuvasti päällä olevaksi. Metan mukaan se toimii missä ja milloin tahansa, verkkoyhteydellä tai ilman. Offline-käyttö on lentokoneessa tai kentällä konkreettinen etu.
Monimodaalisuus ulottuu videoon asti. Prosessori poimii kaksi ruutua sekunnissa ja rajaa klipin 96 ruutuun. Lisäksi malli osaa avointa objektintunnistusta ja monimodaalisia työkalukutsuja, joissa kuvasta poimittu tieto ohjaa funktiokutsua.
Käyttöönotto on tehty tarkoituksella suoraviivaiseksi. Malli ladataan transformers-kirjaston yleisillä monimodaaliluokilla, ja päättelyn syvyyttä säädetään erillisellä parametrilla. Sama rajapinta kattaa tekstin, kuvat, videot ja työkalukutsut.
Yhteenveto
Muse Glimmer ei ole Metan tehokkain malli, eikä sen ole tarkoituskaan olla. Se on riittävän hyvä agenttimalli, joka mahtuu yhdelle näytönohjaimelle ja jonka painot saa omakseen. Agenttitehtävien vertailuluvut puoltavat sitä selvästi samankokoisia avoimia kilpailijoita vastaan.
Kiinnostavinta on raja, jonka Meta veti. Spark jää yhtiölle, Glimmer kehittäjille. Seuraava kysymys on, siirtyykö raja ylöspäin vai jääkö avoin puoli pysyvästi kevytsarjaan.