২০২৬ সালের ১০ই আগস্ট মেটা মিউজ গ্লিমার (Muse Glimmer) উন্মোচন করেছে — একটি ৩০-বিলিয়ন মডেল যার ওজন অ্যাপাচি ২.০ (Apache 2.0) লাইসেন্সের অধীনে উন্মুক্ত করা হয়েছে এবং এটি স্থানীয় এজেন্টদের ভোক্তা-পর্যায়ের হার্ডওয়্যারে কাজ করার জন্য অপ্টিমাইজ করা হয়েছে। একই সময়ে, মার্ক জুকারবার্গ প্রায় ৬,৫০০ শব্দের একটি প্রবন্ধ প্রকাশ করেন, যেখানে তিনি "প্রত্যেকের জন্য ব্যক্তিগত সুপারিনটেলিজেন্স" দর্শনটি তুলে ধরেন।
মিউজ গ্লিমার মডেলটি বৃহত্তর শিক্ষক মডেল মিউজ স্পার্ক (Muse Spark) থেকে ডিস্টিলেশন (distillation) পদ্ধতিতে তৈরি করা হয়েছে। এটি শিক্ষক মডেলের লগিটগুলির উপর প্রি-ট্রেনিং, দীর্ঘ কনটেক্সট এবং এজেন্ট ডেটার উপর মিড-ট্রেনিং এবং যুক্তি, কোডিং ও এজেন্ট টাস্কের ক্ষেত্রে সুপারভাইজড ফাইন-টিউনিং, অন-পলিসি ডিস্টিলেশন এবং রিইনফোর্সমেন্ট লার্নিংয়ের সমন্বয়ে পোস্ট-ট্রেনিং সম্পন্ন করেছে। এর কনটেক্সট উইন্ডো ১ লক্ষ ২০ হাজার টোকেন ছাড়িয়ে গেছে, মডেলটি মাল্টিমোডাল ইনপুট সমর্থন করে এবং ওপেনক্ল-এর (OpenClaw) মতো স্ক্যাফোল্ডের (scaffold) সাথে সামঞ্জস্যপূর্ণ।
এর মূল অপ্টিমাইজেশনগুলির মধ্যে রয়েছে ৪-বিট কোয়ান্টাইজেশন (quantization), যা মেমরি ব্যবহার ~১৭-২০ জিবিতে নামিয়ে আনে এবং হালকা ড্রাফটার মডেল ডিফ্ল্যাশ (DFlash) ব্যবহার করে স্পেকুলেটিভ ডিকোডিং (speculative decoding)। এটি মডেলটিকে ম্যাকবুক এম৪/এম৫ ম্যাক্স (MacBook M4/M5 Max) বা আরটিএক্স ৫০৯০ (RTX 5090) গ্রাফিক্স কার্ডে ক্লাউড ছাড়াই এজেন্টদের নিরবচ্ছিন্ন কাজের জন্য গ্রহণযোগ্য গতিতে চালাতে সক্ষম করে।
তার প্রবন্ধে জুকারবার্গ এমন গবেষণাগারগুলির কেন্দ্রীয়করণমুখী পদ্ধতির বিপরীতে নিজের অবস্থান তুলে ধরেছেন। তিনি যুক্তি দেন যে ক্ষমতার ভারসাম্য একক "সারি সারি সুসংগত" সুপারিনটেলিজেন্ট সিস্টেমের মাধ্যমে নয়, বরং ব্যক্তিদের মধ্যে শক্তিশালী সরঞ্জামগুলির ব্যাপক বিতরণের মাধ্যমে অর্জিত হয়। উদাহরণস্বরূপ: স্বাস্থ্য, অর্থ এবং সম্পর্কের জন্য ২৪/৭ কাজ করা ব্যক্তিগত এজেন্ট; উদ্ভাবন ও ব্যবসা তৈরির সরঞ্জাম; ব্যক্তিগত শিক্ষক; বায়োহাব (Biohub)-এর মতো উন্মুক্ত জৈবিক মডেলের মাধ্যমে বৈজ্ঞানিক আবিষ্কারে অবদান।
মিউজ গ্লিমারের মূল্যায়ন পদ্ধতিতে ডিপসার্চ কিউএ (DeepSearch QA), এমসিপি-অ্যাটলাস (MCP-Atlas), টাউ-বেঞ্চ (τ-Bench) এবং এসডব্লিউই-বেঞ্চ (SWE-Bench) বেঞ্চমার্কগুলি অন্তর্ভুক্ত রয়েছে, পাশাপাশি সরঞ্জামগুলির নির্ভরযোগ্য ব্যবহার, ত্রুটি থেকে পুনরুদ্ধার এবং মাল্টিমোডাল বোঝার উপর পরীক্ষাও করা হয়েছে। তবে, জেম্মা৪-৩১বি (Gemma4-31B) এবং কুয়েন৩.৬-২৭বি (Qwen3.6-27B) এর সাথে বিস্তারিত তুলনামূলক তালিকা প্রকাশ্যে সীমিত; সম্পূর্ণ পদ্ধতি মেটার অভ্যন্তরীণ প্রতিবেদনের দিকে নির্দেশ করে।
মেটার পূর্ববর্তী উন্মুক্ত মডেলগুলির (লামা-সিরিজ) তুলনায়, এবারের মনোযোগ সাধারণ ভাষার ক্ষমতার পরিবর্তে এজেন্ট-ভিত্তিক পরিস্থিতি এবং স্থানীয় কার্যকারিতার দিকে স্থানান্তরিত হয়েছে। এটি ওপেনএআই (OpenAI) এবং অ্যানথ্রপিক (Anthropic)-এর কৌশল থেকে ভিন্ন, যেখানে উন্নত মডেলগুলি বন্ধ থাকে বা কেবল এপিআই (API)-এর মাধ্যমে উপলব্ধ। একই সাথে, চীনা গবেষণাগারগুলি (ডিপসিক, মুনশট) সক্রিয়ভাবে উন্মুক্ত মডেল প্রকাশ করছে, যা আমেরিকান প্রতিষ্ঠানগুলির উপর চাপ বাড়াচ্ছে।
উন্মুক্ত ওজনসহ ৩০বি মডেলের প্রকাশ এবং স্থানীয় এজেন্টদের উপর জোর দেওয়া ডেভেলপার ও গবেষকদের জন্য বাধা কমিয়ে দেয়, যা তাদের ক্লাউড সরবরাহকারীদের উপর নির্ভরতা ছাড়াই দীর্ঘমেয়াদী ওয়ার্কফ্লো (workflow) নিয়ে পরীক্ষা করার সুযোগ করে দেয়। এটি ব্যক্তিগতকৃত এজেন্টদের উত্থানকে ত্বরান্বিত করতে পারে, তবে এর ব্যাপক প্রসারের সাথে সাথে সাইবার নিরাপত্তা এবং বায়ো-ঝুঁকি (biorisks) এর অপব্যবহার নিয়ন্ত্রণের বিষয়ে প্রশ্নও উত্থাপন করে।
এটি এখনও স্পষ্ট নয় যে মিউজ গ্লিমার বৃহত্তর আকারের বন্ধ মডেলগুলির তুলনায় জটিল বহু-পদক্ষেপের কাজগুলিতে সীমান্ত-স্তরের সক্ষমতার কতটা কাছাকাছি, এবং হাগিং ফেস (Hugging Face)-এ প্রকাশের পর সম্প্রদায় কীভাবে স্বাধীনভাবে ঘোষিত কর্মক্ষমতা যাচাই করবে। পরবর্তী কাজগুলি সম্ভবত বাস্তব পরিস্থিতিতে এজেন্টদের ব্যর্থতা পুনরুদ্ধার (failure recovery) এবং দীর্ঘমেয়াদী সংহতির (coherence) প্রকৃত স্থিতিশীলতা পরীক্ষা করবে।
মিউজ গ্লিমারের উন্মুক্ত প্রকাশ এবং জুকারবার্গের প্রবন্ধ একত্রিতভাবে তুলে ধরে যে মেটা নিরাপত্তা ও অগ্রগতির একটি প্রক্রিয়া হিসাবে ক্ষমতার বন্টনকে গুরুত্ব দিচ্ছে, যা সম্প্রদায়ের দ্বারা মডেলের স্বাধীন যাচাইকরণ এবং উন্নয়নের পথ উন্মুক্ত করে।
