Le 10 août 2026, Meta a lancé Muse Glimmer, un modèle de 30 milliards de paramètres aux poids ouverts, sous licence Apache 2.0, optimisé pour l'exécution d'agents locaux sur du matériel grand public. Parallèlement, Mark Zuckerberg a publié un essai d'environ 6500 mots, exposant sa philosophie d'une « superintelligence personnelle pour tous ».
Le modèle Muse Glimmer a été construit par distillation à partir d'un modèle parent plus grand, Muse Spark. Il a subi un pré-entraînement sur les logits du modèle parent, un entraînement intermédiaire sur des contextes longs et des données d'agent, ainsi qu'un post-entraînement combinant le fine-tuning supervisé, la distillation on-policy et l'apprentissage par renforcement dans les domaines du raisonnement, du codage et des tâches d'agent. Sa fenêtre contextuelle dépasse les 120 000 tokens, le modèle prend en charge l'entrée multimodale et est compatible avec des frameworks tels qu'OpenClaw.
Les optimisations clés incluent une quantification 4 bits, réduisant la consommation de mémoire à environ 17–20 Go, et le décodage spéculatif avec un modèle d'ébauche léger nommé DFlash. Cela permet d'exécuter le modèle sur un MacBook M4/M5 Max ou une RTX 5090 à une vitesse acceptable pour le fonctionnement continu d'agents, sans dépendance au cloud.
Dans son essai, Zuckerberg oppose sa position à celle des laboratoires qui tendent vers la centralisation. Il affirme que l'équilibre des pouvoirs n'est pas atteint par un système de superintelligence unique et « aligné », mais plutôt par une large distribution d'outils puissants entre les individus. Parmi les exemples cités figurent un agent personnel travaillant 24h/24 et 7j/7 sur la santé, les finances et les relations ; des outils pour l'invention et la création d'entreprises ; un tuteur personnalisé ; et la contribution aux découvertes scientifiques via les modèles biologiques ouverts de Biohub.
La méthodologie d'évaluation de Muse Glimmer comprend les benchmarks DeepSearch QA, MCP-Atlas, τ-Bench et SWE-Bench, ainsi que des tests sur l'utilisation fiable d'outils, la récupération après erreur et la compréhension multimodale. Cependant, les tableaux comparatifs détaillés avec Gemma4-31B et Qwen3.6-27B sont limités dans le domaine public ; la méthodologie complète renvoie à un rapport interne de Meta.
Par rapport aux précédentes versions ouvertes de Meta (la série Llama), l'accent a été mis sur les scénarios d'agents et l'exécution locale, plutôt que sur les seules capacités linguistiques générales. Cette approche se distingue de la stratégie d'OpenAI et d'Anthropic, où les modèles avancés restent propriétaires ou accessibles uniquement via des API. En parallèle, des laboratoires chinois (DeepSeek, Moonshot) publient activement des modèles ouverts, intensifiant ainsi la pression sur les acteurs américains.
La publication de ce modèle de 30 milliards de paramètres aux poids ouverts, et l'accent mis sur les agents locaux, réduit les obstacles pour les développeurs et les chercheurs, leur permettant d'expérimenter des flux de travail à long terme sans dépendre des fournisseurs de cloud. Bien que cela puisse accélérer l'émergence d'agents personnalisés, cela soulève simultanément des questions sur le contrôle des utilisations abusives en matière de cybersécurité et de biirisques lors d'une diffusion à grande échelle.
Il reste à déterminer dans quelle mesure Muse Glimmer approche réellement les capacités de pointe pour les tâches complexes à plusieurs étapes, par rapport aux modèles fermés de plus grande taille, et comment la communauté vérifiera indépendamment les performances annoncées après sa publication sur Hugging Face. Les futurs travaux testeront probablement la résilience réelle de la récupération après échec et la cohérence à long terme des agents dans des scénarios réels.
La publication ouverte de Muse Glimmer et l'essai de Zuckerberg soulignent ensemble que Meta mise sur la distribution des capacités comme mécanisme de sécurité et de progrès, laissant le champ libre à la vérification et à l'amélioration indépendantes du modèle par la communauté.
