Być może uda Ci się uruchomić najnowszy model Meta AI lokalnie na swoim komputerze.

W poniedziałek Meta zaprezentowała swój najnowszy prototyp sztucznej inteligencji : Muse Glimmer. Firma jednak niekoniecznie reklamuje go jako swój największy i najlepszy jak dotąd. Chociaż Meta dużo mówi o potencjale wydajnościowym Muse Glimmer, z perspektywy firmy istnieją dwa kluczowe punkty marketingowe: jego otwarta konstrukcja oraz projekt zaprojektowany z myślą o natywnym działaniu na konsumenckich komputerach Mac i PC – choć może nie działać na konkretnym urządzeniu.

Czym jest Muse Glimmer?

Według Meta, Muse Glimmer to model sztucznej inteligencji (AI) z 30 miliardami parametrów, zoptymalizowany pod kątem zawsze aktywnych lokalnych przepływów pracy agentów. Oznacza to, że Glimmer został zaprojektowany do autonomicznego działania bezpośrednio na Twoim urządzeniu, zamiast polegać na przetwarzaniu w chmurze. Lokalna sztuczna inteligencja jest o wiele bezpieczniejsza niż sztuczna inteligencja w chmurze, ponieważ Twoje dane pozostają w systemie. Korzystając z serwerów w chmurze, jesteś zdany na łaskę firmy, która jest właścicielem danej sieci, co może narazić Twoje dane na niebezpieczeństwo.

Chociaż model taki jak Muse Glimmer ma wiele zastosowań, Meta koncentruje się na wykorzystaniu agentowej sztucznej inteligencji (AI). Agenci AI mogą wykonywać zadania w Twoim imieniu, a ich popularność rośnie, ponieważ użytkownicy i programiści mogą zlecać agentom wykonywanie dowolnej liczby funkcji. Lokalne uruchamianie agentów jest również bardzo popularne, o czym świadczy niechlubny rok OpenClaw, ale najbardziej wymagające modele wymagają również wydajnego sprzętu. Jeśli pracujesz na laptopie, możesz nie mieć wystarczającej mocy obliczeniowej, aby uruchomić agentów AI.

To fragment prezentacji Meta. Firma twierdzi, że Muse Glimmer został wytrenowany w celu zrównoważenia wydajności z ograniczonymi możliwościami sprzętowymi. Meta twierdzi, że poddała Muse Glimmer trzem fazom treningu, aby to osiągnąć: wstępnemu treningowi, który trenował Muse Glimmer na danych wyjściowych Muse Spark; środkowemu treningowi, który trenował model na danych bardziej skoncentrowanych na agencie; oraz końcowemu treningowi, który dostrajał model pod kątem szeregu parametrów. Meta twierdzi, że Muse Glimmer może obsługiwać kompleksowe uzupełnianie agentów, wnioskowanie wieloetapowe, odzyskiwanie danych po nieudanym wywołaniu narzędzia, dane wejściowe z wielu modeli i wnioskowanie, a także inne funkcje. Został również wytrenowany na danych z ponad 100 języków. Firma dodaje, że model zapewnia wysoką wydajność w swojej klasie wielkości w porównaniu z wieloma standardowymi testami porównawczymi Large Language Models (LLM).

Źródło: Meta

Chociaż Muse Glimmer nie jest tak wymagający jak inne modele, prawdopodobnie nie będzie działał wydajnie na typowym laptopie. Według Meta model z 30 miliardami parametrów zazwyczaj wymagałby ponad 55 GB pamięci, ale dzięki technikom kwantyzacji Muse Glimmer może wykorzystać mniej niż 20 GB. Biorąc pod uwagę pamięć roboczą, Muse Glimmer prawdopodobnie wykorzysta 24 GB lub 32 GB. Jeśli masz MacBooka Pro lub profesjonalny komputer PC, może to być całkowicie wystarczające. Ale jeśli jesteś jak ja, Twój laptop ma 16 GB lub mniej pamięci RAM — co nie jest dokładnie tym, czego potrzebuje Muse Glimmer. Mimo to, to krok naprzód w wykorzystaniu natywnej sztucznej inteligencji. (Dla jasności, Meta twierdzi, że testowała Muse Glimmer na modelach MacBook M4 Max i M5 Max z kartą graficzną RTX-5090).

Meta twierdzi, że Muse Glimmer jest „otwarty”, co oznacza, że ​​Meta udostępniła obciążenia treningowe modelu. Dzięki temu każdy może nie tylko korzystać z modelu, ale także go modyfikować. Jeśli masz specyficzne potrzeby dotyczące modelu AI, możesz zmodyfikować Muse Glimmer, aby lepiej do nich pasował.

Jak Muse Glimmer wypada w porównaniu z innymi modelami AI?

Na rynku dostępnych jest obecnie wiele modeli sztucznej inteligencji , ale Meta porównuje je bezpośrednio tylko z dwoma: Gemma4-31b firmy Google i Qwen3.6-27B firmy Alibaba . Według testów porównawczych Meta, Muse Glimmer przewyższa oba modele w następujących 12 testach: MCP Atlas, DeepSearch QA, v³-banking, WildClawBench, GAIA2, SWE-Bench Pro, Sci Code, Charxiv Reasoning, IFBench, AIME 2026, AA-LCR i Beam 128K. Gemma4-31b nadal prowadzi w czterech z tych testów, podczas gdy Qwen3.6-27B przoduje w ośmiu.

Meta nie zaoferowała podobnych porównań z modelami liderów branży, takich jak OpenAI, DeepSeek, Z.ai czy Moonshot AI. Jednakże Artificial Analysis zapewnia ranking wszystkich modeli o otwartej wadze, które są obecnie dostępne na rynku . W chwili pisania tego tekstu Muse Glimmer (wersja o wysokiej wydajności) jest faktycznie sklasyfikowany na 18. miejscu. Kimi K3 Moonshot AI (wersja maksymalna) jest na szczycie listy, następnie Z.ai GLM-5.2 (wersja maksymalna) na drugim miejscu, DeepSeek V4 Flash (wersja maksymalna) na trzecim i Kimi K3 (wersja niska) na czwartym. Dla porównania, Gemma4-31b jest sklasyfikowany na 32. miejscu, podczas gdy Qwen3.6-27B jest faktycznie sklasyfikowany na 17. Jest tu wiele zmiennych, ale ten ranking daje nam szybki przegląd tego, jak najnowsze modele Meta plasują się wśród konkurencji.

Jak wypróbować Muse Glimmer

Możesz już wypróbować Muse Glimmer, pobierając ciężarki z Hugging Face . Meta wskazuje, że model będzie dostępny w najbliższych dniach w aplikacjach takich jak Ollama, LM Studio i Unsloth.