Es posible que puedas ejecutar el último modelo de Meta AI localmente en tu ordenador.

El lunes, Meta anunció su último prototipo de IA : Muse Glimmer. Sin embargo, la compañía no lo promociona necesariamente como su mejor y más grande hasta la fecha. Si bien Meta habla mucho sobre el potencial de rendimiento de Muse Glimmer, desde la perspectiva de la compañía, hay dos puntos clave de marketing: su naturaleza de código abierto y su diseño para ejecutarse de forma nativa en Mac y PC de consumo, aunque podría no funcionar en tu dispositivo específico.

¿Qué es Muse Glimmer?

Según Meta, Muse Glimmer es un modelo de IA con 30 mil millones de parámetros, optimizado para flujos de trabajo de agentes locales siempre activos. Esto significa que Glimmer está diseñado para ejecutarse de forma autónoma y directamente en tu dispositivo, en lugar de depender del procesamiento en la nube. La IA local es mucho más segura que la IA en la nube porque tus datos permanecen dentro de tu sistema. Cuando utilizas servidores en la nube, estás a merced de la empresa propietaria de esa red, lo que podría comprometer tus datos.

Si bien existen muchos casos de uso para un modelo como Muse Glimmer, Meta se centra en el uso de la IA activista. Los agentes de IA pueden realizar tareas en tu nombre, y su popularidad va en aumento, ya que los usuarios y desarrolladores pueden solicitarles que realicen diversas funciones. Ejecutar agentes localmente también es muy popular, como lo demuestra el año de OpenClaw, pero los modelos más exigentes requieren hardware potente. Si trabajas con una computadora portátil, es posible que no tengas la potencia necesaria para ejecutar agentes de IA.

Esto forma parte de la presentación de Meta. La compañía afirma que Muse Glimmer fue entrenado para equilibrar el rendimiento con las capacidades limitadas del hardware. Meta indica que sometió a Muse Glimmer a tres fases de entrenamiento para lograrlo: preentrenamiento, que entrenó a Muse Glimmer con la salida de Muse Spark; entrenamiento intermedio, que entrenó el modelo con datos más centrados en el agente; y postentrenamiento, que ajustó el modelo en función de varios parámetros. Meta afirma que Muse Glimmer puede gestionar la finalización de agentes de extremo a extremo, la inferencia de varios pasos, la recuperación ante fallos en las llamadas a herramientas, las entradas e inferencias de múltiples modelos, entre otras funciones. También fue entrenado con datos de más de 100 idiomas. La compañía añade que el modelo ofrece un rendimiento sólido para su clase de tamaño en comparación con muchos benchmarks estándar de Large Language Models (LLM).

Fuente: Meta

Aunque Muse Glimmer no es tan exigente como otros modelos, probablemente no funcione de forma eficiente en un portátil típico. Meta afirma que un modelo con 30 mil millones de parámetros normalmente requeriría más de 55 GB de memoria, pero gracias a las técnicas de cuantización, Muse Glimmer puede usar menos de 20 GB. Teniendo en cuenta su memoria de trabajo, es probable que Muse Glimmer utilice entre 24 GB y 32 GB. Si tienes un MacBook Pro o un PC profesional, esto podría ser suficiente. Pero si eres como yo, tu portátil tiene 16 GB o menos de RAM, lo que no es exactamente lo que requiere Muse Glimmer. Aun así, supone un avance para el uso de IA nativa. (Para mayor claridad, Meta indica que probó Muse Glimmer en los modelos MacBook M4 Max y M5 Max, con una GPU RTX-5090).

Meta afirma que Muse Glimmer es de código abierto, lo que significa que ha publicado los pesos de entrenamiento del modelo. Por lo tanto, cualquiera puede no solo usar el modelo, sino también modificarlo. Si tienes necesidades específicas para tu modelo de IA, puedes modificar Muse Glimmer para adaptarlo mejor a tus requerimientos.

¿Cómo se compara Muse Glimmer con otros modelos de IA?

Actualmente, existen muchos modelos de IA disponibles en el mercado , pero Meta solo los compara directamente con dos: Gemma4-31b de Google y Qwen3.6-27B de Alibaba . Según las pruebas de rendimiento de Meta, Muse Glimmer supera a ambos modelos en las siguientes 12 pruebas: MCP Atlas, DeepSearch QA, v³-banking, WildClawBench, GAIA2, SWE-Bench Pro, Sci Code, Charxiv Reasoning, IFBench, AIME 2026, AA-LCR y Beam 128K. Gemma4-31b aún lidera en cuatro de estas pruebas, mientras que Qwen3.6-27B destaca en ocho.

Meta no ha ofrecido comparaciones similares con modelos de líderes de la industria como OpenAI, DeepSeek, Z.ai o Moonshot AI. Sin embargo, Artificial Analysis sí proporciona una clasificación de todos los modelos de peso abierto disponibles actualmente en el mercado . Al momento de escribir este artículo, Muse Glimmer (versión de alto rendimiento) ocupa el puesto 18. Kimi K3 de Moonshot AI (versión máxima) encabeza la lista, seguido por GLM-5.2 de Z.ai (versión máxima) en segundo lugar, V4 Flash de DeepSeek (versión máxima) en tercer lugar y Kimi K3 (versión baja) en cuarto lugar. A modo de comparación, Gemma4-31b ocupa el puesto 32, mientras que Qwen3.6-27B ocupa el puesto 17. Hay muchas variables aquí, pero esta clasificación nos da una visión general rápida de cómo se posicionan los modelos más recientes de Meta frente a la competencia.

Cómo probar Muse Glimmer

Puedes probar Muse Glimmer ahora mismo descargando los pesos desde Hugging Face . Meta indica que el modelo estará disponible en los próximos días a través de aplicaciones como Ollama, LM Studio y Unsloth.