Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Mark Zuckerberg attacca la strategia dei modelli proprietari di OpenAI e Anthropic e risponde con un modello aperto, agentico e multimodale da 30 miliardi di parametri. Muse Glimmer segna il ritorno di Meta ai rilasci open source con una scommessa precisa: l’intelligenza artificiale più potente deve girare in locale, su hardware consumer, senza dipendere da API a pagamento. Le prestazioni sui benchmark agentici danno sostanza alla mossa: nella categoria General Agentic Muse Glimmer supera entrambi i rivali in 5 degli 8 benchmark pubblicati (MCP Atlas, DeepSearch QA, τ³-Banking, WildClawBench, GAIA2).
Architettura ottimizzata per l’esecuzione locale
Muse Glimmer è un modello multimodale denso da 30 miliardi di parametri, distillato da Muse per l’uso agentico in locale. La componente visiva è affidata a un Perception Encoder da 2 miliardi di parametri con architettura ViT-style, mentre il text decoder ne conta 28 miliardi, organizzato in 52 layer con un pattern di attenzione ibrida che alterna tre finestre scorrevoli da 2.048 token a uno strato ad attenzione completa, ripetuto per 13 volte. La Grouped-Query Attention con 16 query head per ogni key-value head riduce la memoria della KV-cache di un fattore 16x, rendendo il modello più economico in fase di generazione.
Sul fronte video, il processore campiona 2 frame al secondo fino a un massimo di 96 frame per clip. Il pixel shuffle sull’output del vision encoder compatta gruppi 2×2 di token spaziali adiacenti, tagliando di 4 volte il numero di token immagine prima della proiezione nello spazio condiviso del decoder testuale.
Prestazioni agentiche: il dominio nei benchmark MCP Atlas e DeepSearch QA
I numeri pubblicati su Hugging Face mostrano un vantaggio netto nei due benchmark che misurano la capacità di un modello di operare come agente generalista:
- MCP Atlas: Muse Glimmer ottiene 75,5 punti contro 54,2 di Gemma4-31B e 62,5 di Qwen3.6-27B. Il distacco sul secondo è di quasi 13 punti percentuali.
- DeepSearch QA: il modello Meta raggiunge 74,6 punti, mentre i due rivali si fermano rispettivamente a 61,7 e 71,1.
In WildClawBench (47,6 contro 37,6 e 43,2) e τ³-Banking (23,5 contro 15,1 e 16,7) il margine si conferma, anche se su OSWorld-Verified Qwen3.6-27B ribalta la situazione con 75,6 punti contro i 65,9 di Muse Glimmer. Sul coding agentico, SWE-Bench Verified vede Meta a 76,0, nove punti sopra Gemma4-31B e appena sotto Qwen3.6-27B a 77,2.
Sul fronte multimodale i tre modelli si equivalgono: Charxiv Reasoning premia Muse Glimmer con 78,8 punti, OmniDocBench v1.5 lo dà a 75,8, con distacchi contenuti entro 3,3 punti dai rivali.
La licenza Apache 2.0 e il ritorno all’apertura
Muse Glimmer è rilasciato sotto licenza Apache 2.0 con supporto immediato in transformers, llama.cpp, vLLM e Inference Endpoints. L’integrazione con lo speculative decoding tramite un drafter DFlash opzionale accelera la generazione di contenuti strutturati come il codice.
La scelta della licenza permissiva è il messaggio politico oltre che tecnico. Zuckerberg ha criticato esplicitamente la strategia «chiusa» di OpenAI e Anthropic, sostenendo che un’intelligenza artificiale potente debba essere liberamente disponibile. Muse Glimmer è pensato per applicazioni dove la privacy conta – assistenti personali, analisi documentale, coding – e dove il costo delle chiamate API diventa un freno.
Il giorno zero su Hugging Face con il supporto multi-piattaforma (NVIDIA, AMD, Intel) riduce l’attrito per chi vuole testarlo subito. In un ecosistema che nell’ultimo anno ha visto OpenAI acquisire Statsig per 1,1 miliardi di dollari e Anthropic blindare Claude Code con l’Auto Mode, Meta sceglie la direzione opposta: un modello che chiunque può scaricare, modificare ed eseguire senza passare da un cloud altrui.
Fonti
