ב-10 באוגוסט 2026 שחררה Meta את Muse Glimmer — מודל בעל 30 מיליארד פרמטרים עם משקולות פתוחות תחת רישיון Apache 2.0, שעבר אופטימיזציה להרצת סוכנים מקומיים על חומרה צרכנית. במקביל, פרסם מארק צוקרברג מאמר באורך של כ-6500 מילים, שבו הציג את הפילוסופיה של "בינת-על אישית לכל אחד".
המודל Muse Glimmer נבנה בשיטת זיקוק ממודל מורה גדול יותר בשם Muse Spark. הוא עבר אימון מקדים על לוגיטים של המורה, אימון ביניים (mid-training) על הקשרים ארוכים ונתוני סוכנים, וכן פוסט-אימון המשלב כוונון מונחה (supervised fine-tuning), זיקוק on-policy ולמידת חיזוק בתחומי הסקה, תכנות ומשימות סוכנים. חלון ההקשר עולה על 120 אלפי טוקנים, המודל תומך בקלט מולטי-מודאלי ותואם למסגרות עבודה (scaffolds) דוגמת OpenClaw.
האופטימיזציות המרכזיות הן קוונטיזציה של 4 ביט, המפחיתה את צריכת הזיכרון ל-~17–20 ג'יגה-בייט, ופענוח ספקולטיבי (speculative decoding) עם מודל טיוטה קל בשם DFlash. אלו מאפשרים להריץ את המודל על MacBook M4/M5 Max או RTX 5090 במהירות סבירה לעבודה רציפה של סוכנים ללא צורך בענן.
במאמרו, צוקרברג מציב את עמדתו בניגוד לגישת המעבדות השואפות לריכוזיות. הוא טוען כי מאזן הכוחות מושג לא באמצעות מערכת בינת-על יחידה ו"מיושרת", אלא באמצעות הפצה רחבה של כלים עוצמתיים בין יחידים. דוגמאות: סוכן אישי הפועל 24/7 על בריאות, פיננסים ומערכות יחסים; כלים להמצאות והקמת עסקים; מורה פרטי מותאם אישית; ותרומה לתגליות מדעיות באמצעות מודלים ביולוגיים פתוחים של Biohub.
מתודולוגיית ההערכה של Muse Glimmer כוללת את מבחני הביצועים DeepSearch QA, MCP-Atlas, τ-Bench ו-SWE-Bench, וכן מבחנים לשימוש אמין בכלים, התאוששות משגיאות והבנה מולטי-מודאלית. עם זאת, טבלאות השוואה מפורטות מול Gemma4-31B ו-Qwen3.6-27B בגישה פתוחה הן מוגבלות; המתודולוגיה המלאה מפנה לדוח הפנימי של Meta.
בהשוואה להפצות פתוחות קודמות של Meta (סדרת Llama), הדגש עבר לתרחישי סוכנים והרצה מקומית, ולא רק ליכולות שפה כלליות. הדבר שונה מהאסטרטגיה של OpenAI ו-Anthropic, שבהן מודלים מתקדמים נותרים סגורים או זמינים רק דרך API. במקביל, מעבדות סיניות (DeepSeek, Moonshot) משיקות באופן פעיל מודלים פתוחים, מה שמגביר את הלחץ על השחקניות האמריקאיות.
השקת מודל 30B עם משקולות פתוחות והדגש על סוכנים מקומיים מורידים את הרף עבור מפתחים וחוקרים, ומאפשרים להתנסות ב-workflow ארוכי טווח ללא תלות בספקי ענן. הדבר עשוי להאיץ את הופעתם של סוכנים מותאמים אישית, אך בו בזמן מעלה שאלות לגבי שליטה בשימוש לרעה (misuse) בתחומי אבטחת הסייבר וסיכונים ביולוגיים עם הפצה רחבה.
נותר לא ברור עד כמה Muse Glimmer אכן מתקרב ליכולות frontier במשימות מורכבות מרובות שלבים בהשוואה למודלים סגורים גדולים יותר, וכיצד הקהילה תאמת באופן עצמאי את המדדים המוצהרים לאחר השחרור ב-Hugging Face. עבודות עתידיות ככל הנראה יבחנו את העמידות האמיתית של התאוששות משגיאות (failure recovery) והקוהרנטיות ארוכת הטווח של סוכנים בתרחישים אמיתיים.
השחרור הפתוח של Muse Glimmer והמאמר של צוקרברג מדגישים יחד כי Meta מהמרת על הפצת כוח מחשוב כמנגנון של ביטחון וקידמה, תוך השארת מרחב לאימות עצמאי ולשיפור המודל על ידי הקהילה.
