Meta presentó Muse Glimmer, un modelo de pesos abiertos de 30.000 millones de parámetros que puede operar localmente en un Mac o PC con una GPU de consumo. Para las marcas, abre una alternativa con menor dependencia de la nube y nuevas exigencias de gobernanza.

Un agente de 30B que cabe en hardware de consumo

Muse Glimmer fue presentado el 10 de agosto por Meta Superintelligence Labs y sus pesos se publicaron bajo licencia Apache 2.0. Aunque Meta lo denomina “30B”, la ficha técnica precisa unos 29.600 millones de parámetros. Fue diseñado para flujos agénticos locales: uso de herramientas, programación, razonamiento de varios pasos, recuperación ante fallas y comprensión de texto e imágenes.

En precisión completa requeriría más de 55 GB de memoria, pero Meta señala que la cuantización cercana a 4 bits reduce el modelo de lenguaje a menos de 20 GB y permite configuraciones de 24 o 32 GB. Así, capacidades que suelen depender de infraestructura cloud pueden trasladarse a hardware de consumo compatible.

Buen desempeño, pero no un ganador absoluto

En las pruebas publicadas por Meta, Glimmer obtiene 75,5 puntos en MCP Atlas, frente a 62,5 de Qwen3.6-27B y 54,2 de Gemma4-31B. En DeepSearch QA alcanza 74,6, también por encima de ambos. Sin embargo, Qwen supera a Glimmer en OSWorld-Verified —75,6 frente a 65,9— y en TerminalBench 2.1 —60,7 frente a 51,7—.

La conclusión empresarial es que ningún benchmark define por sí solo el mejor modelo. La metodología de Meta advierte que algunas configuraciones pueden no estar optimizadas para modelos de terceros. Para marketing, servicio o comercio, la comparación más útil debería hacerse con tareas reales, datos propios y métricas de negocio.

La IA local cambia la ecuación de implementación

Que un agente pueda operar sin conexión permanente abre opciones donde latencia, costo de inferencia o control del entorno son relevantes. Glimmer fue entrenado en más de 100 idiomas y admite texto e imágenes, ampliando su potencial para clasificación de activos, revisión documental, automatización operativa o asistentes especializados.

Eso no vuelve automáticamente más segura a la IA local. Meta recomienda desplegar el modelo con salvaguardas y evaluaciones específicas para cada uso. Para las marcas, la decisión ya no es solo qué proveedor elegir: también dónde correr el modelo, a qué datos darle acceso, qué acciones autorizar y cuándo exigir supervisión humana.

Meta vuelve a apostar por los pesos abiertos

Reuters informó que Meta también planea liberar los pesos de Muse Spark 1.2. El matiz es relevante: Spark 1.2 ya estaba disponible desde el 5 de agosto en Muse Code y Meta Model API; lo anunciado posteriormente es la futura liberación de sus pesos.

La apertura se convierte así en una variable comercial. Un modelo descargable puede facilitar personalización y despliegues propios, mientras un sistema cerrado concentra más control en el proveedor. Para los anunciantes, esa diferencia puede repercutir en costos, integración, portabilidad y dependencia tecnológica. Reuters señala precisamente la personalización y el costo como factores que están impulsando el interés empresarial por los modelos de pesos abiertos.

Una apuesta respaldada por el negocio publicitario

En el segundo trimestre de 2026, Meta reportó US$59.363 millones en ingresos publicitarios y US$21.656 millones en investigación y desarrollo. Además, proyecta inversiones de capital de entre US$130.000 millones y US$145.000 millones para el año.

Para marketing, la señal es que la IA también empieza a convertirse en infraestructura que puede residir cerca del usuario y de los procesos de negocio. La respuesta no debería ser adoptar Glimmer por novedad, sino probarlo en un caso acotado, comparar calidad, costo, latencia y riesgo frente a alternativas, y fijar desde el inicio reglas de acceso a datos, supervisión y trazabilidad.

Fuentes principales de la nota: Meta AI Research y ficha técnica oficial de Muse Glimmer; metodología de evaluación de Meta; resultados financieros Q2 2026 de Meta; Reuters; Deutsche Welle y anuncio oficial de Muse Spark 1.2