Meta wraca z otwartymi wagami. Muse Glimmer działa lokalnie, ale nie na każdym sprzęcie

Meta wydała 10 sierpnia Muse Glimmer, model o 30 miliardach parametrów, z otwartymi wagami na licencji Apache 2.0, przeznaczony do zadań agentowych na własnym komputerze. To pierwsze takie wydanie firmy od ponad roku i pierwsze pod zupełnie nową marką.

Sprawdziłem repozytorium na Hugging Face, bo w tej kategorii zdarzały się już zapowiedzi bez plików. Tym razem pliki są, licencja się zgadza, a pobieranie nie wymaga zgody właściciela.

Marka Llama znika, wchodzi Muse

Model firmuje „Meta Superintelligence Lab” i znajduje się w nowej organizacji na Hugging Face, założonej 9 sierpnia. Stara organizacja meta-llama, z której pochodziły wszystkie Llamy, ma najnowsze repozytorium z 28 kwietnia 2025 roku. To piętnaście miesięcy ciszy w kategorii otwartych wag dużych modeli, a w tym czasie scenę przejęły projekty chińskie.

Karta modelu opisuje pochodzenie Muse Glimmera wprost: został „distilled from Muse Spark”, czyli wydestylowany z większego, zamkniętego modelu Mety. Dostajesz więc mniejszą i tańszą w utrzymaniu wersję czegoś, czego firma nie udostępnia w całości.

To o tyle ciekawe, że w lipcu opisywaliśmy premierę Muse Sparka 1.1, pierwszego płatnego modelu w historii Mety i wyglądało to na koniec rozdawania za darmo. Miesiąc później firma robi obie rzeczy naraz: sprzedaje dostęp do dużego modelu i oddaje jego mniejszą wersję za darmo.

Co to za model

Muse Glimmer ma około 29,6 miliarda parametrów i jest modelem multimodalnym: przyjmuje tekst i obrazy, a odpowiada tekstem. Okno kontekstu to 131 072 tokeny, a wiedza modelu kończy się na 4 stycznia 2026 roku. Trenowano go na materiałach w ponad stu językach, choć karta nie wymienia, których.

Cel jest jasno zadeklarowany: samodzielne zadania agentowe wykonywane lokalnie, bez chmury. Karta wymienia wprost zgodność z nakładkami, które prowadzą model przez wieloetapowe zadania, czyli tak zwanymi scaffoldami, na przykład OpenClaw i Hermes Agent.

Sprawdziliśmy, ile to naprawdę waży

Meta pisze, że model jest „small enough to run on a Mac or PC with a single consumer GPU”, czyli dość mały, by działać na Macu albo pececie z jedną konsumencką kartą graficzną. To zdanie wymaga doprecyzowania, więc policzyłem pliki w repozytoriach.

Pełne wagi w oryginalnej precyzji to dwa pliki o łącznym rozmiarze 59,58 GB. Tego nie uruchomisz na domowym sprzęcie i sama Meta podaje dla tej wersji sprzęt docelowy: 64 GB pamięci karty graficznej.

Dopiero skompresowane wersje schodzą do rozsądnych rozmiarów. W oficjalnym repozytorium Mety są dwie:

• muse-glimmer-30B-kquant-17gb.gguf o rozmiarze 16,76 GB, przeznaczony na 24 GB pamięci karty, ze spadkiem jakości, który producent określa na 1,0%,
• muse-glimmer-30B-kquant-dynamic.gguf o rozmiarze 19,65 GB, przeznaczony na 32 GB, ze spadkiem 0,2%.

Czyli „konsumencki sprzęt” oznacza tu kartę z 24 GB pamięci albo komputer Apple z co najmniej taką samą ilością pamięci zunifikowanej. To nadal jest domowy komputer, ale z górnej półki, a nie laptop z 16 GB pamięci.

Ekosystem zadziałał zresztą szybciej niż zwykle: w ciągu doby od premiery pojawiły się niezależne konwersje przygotowane przez Unsloth i bartowskiego, w tym warianty schodzące do około 11 GB, za cenę wyraźniejszego spadku jakości.

Ile to daje prędkości

Meta podaje własne pomiary dla wersji o rozmiarze 16,76 GB, z dołączonym mechanizmem przyspieszającym generowanie:

Sprzęt	Bez przyspieszenia	Z przyspieszeniem	Przyrost
Nvidia RTX 5090	74,9 tok/s	233,4 tok/s	3,1x
Apple M5 Max	26,6 tok/s	50,2 tok/s	1,8x
Apple M4 Max	23,7 tok/s	37,8 tok/s	1,5x

Dla porównania z codziennym doświadczeniem: kilkadziesiąt tokenów na sekundę to tempo, w którym tekst pojawia się szybciej, niż jesteś w stanie go czytać. Różnica między Makiem a kartą Nvidii jest jednak wyraźna i przy dłuższych zadaniach agentowych będzie odczuwalna.

Benchmarki, czyli gdzie wygrywa, a gdzie przegrywa

Wszystkie liczby poniżej pochodzą od producenta i zestawiają Muse Glimmera z modelami o zbliżonym rozmiarze: Gemma4-31B i Qwen3.6-27B. Warto je czytać ostrożnie, bo producent wybiera zestaw testów.

Kolejność liczb poniżej jest zawsze taka sama: najpierw Muse Glimmer, potem Gemma4-31B, na końcu Qwen3.6-27B.

Muse Glimmer wygrywa wyraźnie tam, gdzie chodzi o prowadzenie zadania od początku do końca. W teście MCP Atlas ma 75,5 wobec 54,2 i 62,5, w DeepSearch QA 74,6 wobec 61,7 i 71,1, a w kodowaniu SWE-Bench Pro 51,2 wobec 36,9 i 50,2.

Przegrywa natomiast w kilku testach, które akurat dobrze opisują pracę z komputerem: OSWorld-Verified 65,9 wobec 75,6 u Qwena, TerminalBench 51,7 wobec 60,7, a w SWE-Bench Verified 76,0 wobec 77,2. Czyli w obsłudze interfejsu i terminala konkurent z Chin nadal jest lepszy.

Jedna liczba zasługuje na osobną uwagę, bo dotyczy bezpieczeństwa. W teście odporności na polecenia ukryte w treściach, które model czyta, skuteczność ataku wyniosła 28,4%. To znaczy, że w blisko co trzeciej próbie atak się powiódł. Konkurencja wypada podobnie (25,6% i 40,3%), więc to nie jest wada tego akurat modelu, tylko stan całej kategorii. Jeśli planujesz dać lokalnemu agentowi dostęp do własnych plików i do stron z internetu, to właśnie tę liczbę trzeba mieć z tyłu głowy. Opisywaliśmy już, jak taki atak wygląda w praktyce.

Czego nie wiadomo

Karta nie precyzuje, jak model radzi sobie po polsku. Deklaracja o ponad stu językach nic tu nie przesądza, bo modele tej wielkości zwykle wypadają po polsku zauważalnie słabiej niż po angielsku.

Nie wiadomo też, czy i kiedy Meta udostępni Muse Sparka, czyli model źródłowy, ani czy powstaną mniejsze warianty rodziny Muse.

Nie testowaliśmy modelu sami. Wszystkie liczby o wydajności i jakości pochodzą od Mety, a rozmiary plików i licencję sprawdziłem bezpośrednio w repozytoriach 11 sierpnia.

Co z tego masz

Jeśli interesuje Cię praca bez wysyłania kodu i dokumentów do chmury, to pierwsza od dawna sensowna propozycja dużej zachodniej firmy, w dodatku na licencji Apache 2.0, czyli takiej, która pozwala na użycie komercyjne bez pytania nikogo o zgodę.

Warunek wstępu jest jednak twardy: potrzebujesz komputera z co najmniej 24 GB pamięci graficznej albo Maca z odpowiednio dużą pamięcią. Poniżej tego progu zostają mocniej skompresowane wersje społecznościowe, przy których trzeba się liczyć ze spadkiem jakości. Dla większości czytelników wygodniejszym wyborem nadal pozostanie model w chmurze, ale kierunek jest wart odnotowania, bo lokalne modele agentowe przestały być ciekawostką.

Źródła: ogłoszenie Meta Superintelligence Lab z 10 sierpnia 2026, karta modelu i pliki na Hugging Face (rozmiary plików, licencja i daty repozytoriów sprawdzone przez API Hugging Face 11 sierpnia 2026).