O que é Muse Glimmer, o modelo agentivo aberto da Meta que roda no seu PC?

A Meta abriu os pesos de um modelo agentivo feito pra rodar no PC de casa

Fala aí, beleza? O Muse Glimmer saiu em 10 de agosto de 2026, o primeiro modelo open-weights do Meta Superintelligence Labs, e a proposta não é brigar por trono de benchmark: é ser o motor de agentes locais que ficam ligados o dia inteiro na sua máquina

Neste post eu te conto o que é o Muse Glimmer, de onde ele veio, quanto de máquina ele pede, pra quem ele serve e o que a página oficial lista como recurso

Só o que tem fonte, beleza? O que não está documentado, eu não invento aqui 😀

Formação Recomendada

Formação Vibe Coding

Do Prompt ao Produto: Crie Software Real com IA

• 474 aulas
• 20 projetos
• 39h 27min

Conhecer formação

De onde vem o Muse Glimmer e por que ele é aberto

O anúncio oficial da Meta apresenta o modelo como o primeiro de pesos abertos do Meta Superintelligence Labs

Ele saiu em 10 de agosto de 2026 e já foi direto pro download, sem reversão, despublicação ou mudança de licença até 11 de agosto de 2026

A origem dele é a parte mais interessante: ele foi destilado do Muse Spark, o modelo proprietário de fronteira da Meta, num processo de destilação em três fases que inclui logit distillation ainda no pré-treino

O que é destilação, já que eu joguei o termo aí?

É o processo de treinar um modelo menor pra imitar o comportamento de um modelo maior, em vez de aprender tudo do zero sozinho

Se você já viu aquela ideia de aluno aprendendo com o professor olhando a resposta E o raciocínio, é bem por aí: no logit distillation o modelo menor aprende olhando as probabilidades que o modelo grande atribui a cada token, não só o texto final

E a licença Apache 2.0 muda o que na prática?

Os pesos são distribuídos sob Apache 2.0, uma licença permissiva

Na prática isso significa que você baixa os pesos, roda onde quiser e não fica dependendo de aprovação caso a caso pra usar

O peso mora no seu disco, e é isso que destrava o resto do post

A ficha técnica:

• Tamanho: 30 bilhões de parâmetros (29,6B), arquitetura densa
• Contexto: 128K tokens (131.072 tokens)
• Decoder de texto: 52 camadas, hidden 6656
• Atenção híbrida: três camadas de janela deslizante de 2.048 tokens com RoPE, seguidas de uma camada de atenção total sem embedding posicional (NoPE)
• Precisão dos pesos: BF16
• Visão: encoder de percepção ViT-G/14 de aproximadamente 1,8B, que interpreta capturas de tela, gráficos, documentos e imagens
• Corte de conhecimento: 4 de janeiro de 2026
• Idiomas: treinado em mais de 100

Repara na atenção híbrida, que é o truque de engenharia aqui: a maior parte das camadas só olha uma janelinha de 2.048 tokens, e de vez em quando entra uma camada que olha tudo

É o que segura 128K de contexto sem exigir PC da Nasa

Quanto de máquina o Muse Glimmer exige

Aqui vem a pergunta que todo mundo faz antes de baixar 30 bilhões de parâmetros: cabe na minha placa?

A quantização de aproximadamente 4 bits derruba o modelo pra menos de 20GB

A variante k-quant de 17GB mira placas de 24GB, e essa folga não é sobra à toa: ela existe pra caber o KV cache, o vision encoder e o drafter DFlash junto

Já a variante dinâmica mira 32GB

Os runtimes que suportam o modelo:

O modelo tem suporte em Ollama, LM Studio, llama.cpp, MLX, ExecuTorch, vLLM e SGLang

Ou seja, tem caminho tanto pro pessoal do clique (LM Studio, Ollama) quanto pra quem vai servir o modelo (vLLM, SGLang)

E o tal do DFlash?

O modelo vem acompanhado de um drafter chamado DFlash, que faz decodificação especulativa: ele prevê blocos de 16 tokens por passagem e o modelo principal só confere

É o velho truque de adiantar o palpite pra gastar menos passada cara

Os números que a Meta reporta com ele ligado:

O salto da 5090 é insano, mas repara que o ganho cai conforme o hardware muda

Número de fabricante é sempre teto, então trate isso como referência e meça na sua máquina

Para quem serve o modelo: os casos de uso oficiais

A página do modelo lista quatro usos, e eu vou ficar exatamente neles

1. Agentes locais e function calling

É o caso de uso número um do modelo

A documentação cita planejamento multi-etapa, chamada sequencial de ferramentas, recuperação de falhas e execução de tarefas longas

Essa parte de recuperação de falhas é o que separa agente de brinquedo de agente útil: ferramenta que quebra no meio do caminho é rotina, não exceção

2. Agentes de código

Escrever e depurar código, com o modelo rodando local

3. Raciocínio multimodal

Como ele tem o encoder de percepção próprio, entra imagem no prompt: capturas de tela, gráficos, documentos e imagens

Pra agente que precisa OLHAR uma tela e decidir o próximo passo, isso conta muito

4. LLM-as-a-judge

Usar o modelo como avaliador de saída de outro modelo

É um uso que combina demais com modelo local: avaliação costuma ser chamada em volume, e volume na API é conta alta

O esforço de raciocínio tem quatro níveis

O modelo deixa você controlar a força de raciocínio em low, medium, high e xhigh

A orientação oficial é usar high ou xhigh pra código e tarefas agentivas complexas, e cair pros níveis menores quando velocidade importa mais que profundidade

Ou seja: o botão está na sua mão, e ele tem preço em tempo

Como baixar e rodar o Muse Glimmer

Bora ver na prática?

1. Vá até os pesos no Hugging Face: eles estão na organização meta-models, no repositório Muse-Glimmer-30B, com variantes BF16, GGUF e ExecuTorch

2. Escolha a variante pelo seu hardware, não pelo nome mais bonito: a quantizada de ~4 bits (menos de 20GB, k-quant de 17GB) é a que mira placa de 24GB

3. Se for pelo Ollama, rode a tag MLX: essa variante tem 21GB e janela de 128K

ollama run muse-glimmer:30b-mlx

4. Confira as outras tags antes de puxar o download errado: a biblioteca do Ollama também lista muse-glimmer:30b, muse-glimmer:30b-bf16-dflash (59GB) e muse-glimmer:30b-mlx-bf16-dflash (65GB)

O erro comum deste passo é justamente esse: baixar a tag pesada de 59GB ou 65GB achando que é "a versão boa" e estourar a memória da máquina

A versão boa é a que CABE, beleza? Comece pela quantizada e só suba se sobrar folga

5. Ajuste o nível de raciocínio depois que estiver rodando: high ou xhigh pra código e agente complexo, níveis menores quando você quer resposta rápida

Muse Glimmer é forte? O que os números públicos dizem

Agora a parte honesta

Na página do modelo no Artificial Analysis, o posicionamento no índice de inteligência fica assim:

Então não, ele não chega perto do modelo de fronteira da própria Meta, e fica abaixo do Qwen3.6 27B nesse índice

E tudo bem: o valor dele não está em ganhar placar, está em rodar inteiro na sua máquina, sem nuvem e sem taxa de API

Um aviso importante: essa é uma página viva, os valores mudam conforme o Artificial Analysis roda novas medições

Se você chegou aqui meses depois, confere na fonte antes de repetir o número por aí

O que muda no seu dia a dia de dev

O posicionamento oficial do modelo é rodar inteiramente em hardware de consumo (Mac ou PC com GPU), sem nuvem, sem acesso à rede e sem taxa de API

Lê de novo essa parte de "sem acesso à rede"

Pra quem trabalha com código que não pode sair da máquina, isso não é detalhe, é o motivo inteiro de existir

E tem o custo: agente sempre ativo é agente que consome token o tempo todo, e token local não vira fatura no fim do mês

E o trade-off fica claro: raciocínio maior (high, xhigh) custa velocidade, e a sua máquina é o teto

Não tem elástico de nuvem pra te salvar quando o contexto encher

Vídeo do canal pra entrar no assunto

A corrida dos modelos abertos não começou ontem, e ela é o pano de fundo desse lançamento

Pra começar do zero com um panorama de modelo aberto grande brigando com os modelos de fronteira, este vídeo do canal mostra o caso do Kimi K3:

Conclusão

O Muse Glimmer é o primeiro modelo de pesos abertos do Meta Superintelligence Labs: 30 bilhões de parâmetros (29,6B) densos, 128K de contexto, entrada multimodal, licença Apache 2.0 e destilação em três fases a partir do Muse Spark

Vale olhar agora se você tem 24GB de VRAM, ou um Mac com memória unificada sobrando, e quer um agente local sempre ativo sem mandar seu código pra nuvem

O próximo passo é bem concreto: baixa a variante quantizada (não a de 59GB), começa no nível high, e mede a velocidade na TUA máquina antes de plugar o modelo em qualquer workflow

Número de fabricante é referência, o que vale é o tokens/s que aparece aí no seu terminal

Até o próximo post! 🙂