Claves
- —Muse Glimmer es un modelo de unos 30.000 millones de parámetros pensado para ejecutarse en equipos locales.
- —Meta publicó sus pesos bajo licencia Apache 2.0 después de Muse Spark, que llegó en abril sin pesos públicos.
- —La versión en precisión completa requiere 64 GB de VRAM, y la variante más pequeña al menos 26 GB de RAM en LM Studio.
Meta presentó Muse Glimmer, un modelo de unos 30.000 millones de parámetros pensado para ejecutarse en equipos locales y trabajar en flujos agénticos, con la posibilidad de operar sin conexión a servicios remotos.
Un modelo para ejecutar IA en el propio ordenador
La propuesta busca que la inferencia ocurra en el propio equipo, una idea que cambia la relación habitual con los modelos de inteligencia artificial y permite decidir cuándo conectarlos a herramientas o servicios externos.
Meta distribuyó los pesos de Glimmer bajo licencia Apache 2.0, un movimiento que marca un giro frente a Muse Spark, el primer modelo de la familia Muse desarrollado por Meta Superintelligence Labs, que llegó en abril sin pesos públicos y mediante una interfaz privada para usuarios seleccionados.
La compañía había defendido en 2024 que el código abierto debía convertirse en un estándar para la inteligencia artificial y presentó Llama como alternativa frente a los modelos cerrados de otros laboratorios. Sin embargo, en julio de 2025 advirtió que la superinteligencia plantearía nuevos riesgos y que debía ser cuidadosa con lo que decidiera abrir.
Los requisitos de memoria siguen siendo altos
Glimmer fue entrenado para trabajar con texto e imágenes intercalados mediante un codificador de percepción, soportar distintos niveles de esfuerzo de razonamiento y operar sobre datos de más de 100 idiomas.
Meta también publicó versiones cuantizadas de los pesos para reducir su huella de memoria y hacer posible su ejecución en hardware de consumo. Aun así, la barrera técnica sigue siendo notable: la ficha oficial fija como hardware objetivo 64 GB de VRAM para la versión en precisión completa, 32 GB para K-Quant-Dynamic y 24 GB para K-Quant-17GB.
En la prueba descrita, el modelo se buscó desde LM Studio en un MacBook Pro con chip M3 Pro y 18 GB de memoria unificada, por debajo del mínimo que la aplicación establece para la variante más pequeña. LM Studio advierte antes de la descarga con el mensaje “Likely too large” y señala que se necesitan al menos 26 GB de RAM para ejecutarla.
Meta define a Glimmer como un modelo agéntico porque puede mantener un plan durante varios pasos, llamar a herramientas con parámetros concretos, interpretar lo que devuelven y seguir incluso si alguna operación falla. Para eso necesita un entorno de ejecución o scaffold, y la empresa menciona compatibilidad con OpenClaw y otros sistemas de orquestación.
Además, LM Studio ofrece una vía para llevar esas capacidades al equipo propio mediante Bionic, con una API local compatible con OpenAI Chat Completions. Meta distingue también entre herramientas de ejecución local, como llama.cpp, ExecuTorch y MLX, y sistemas para servir el modelo a escala, como vLLM y SGLang.
La compañía recomienda añadir protecciones extra cuando el sistema vaya a usar herramientas o ejecutar acciones irreversibles, mientras su estrategia vuelve a acercarse a los modelos de pesos abiertos en medio de una carrera cada vez más marcada por la ejecución local y los agentes de inteligencia artificial.
