Meta lanza «Muse Glimmer» para agentes de IA locales en dispositivos personales

Muse Glimmer lleva los agentes de IA directamente al hardware de consumo

Meta Superintelligence Labs, la división de investigación avanzada en IA de la empresa, lanzó el 10 de agosto Muse Glimmer, un modelo agencial de pesos abiertos diseñado para ejecutarse directamente en dispositivos personales, y publicó sus pesos bajo la permisiva licencia Apache 2.0. Los pesos abiertos permiten a los desarrolladores descargar los parámetros subyacentes de un modelo, mientras que el término «agente» hace referencia a sistemas que completan tareas de varios pasos utilizando herramientas con una intervención humana limitada. El modelo se ha extraído de Muse Spark, el modelo cerrado más grande de Meta, y funciona en un Mac o un PC con una sola unidad de procesamiento gráfico (GPU) de consumo.

La empresa lo describió así:

«Muse Glimmer es un modelo de 30 000 millones de parámetros optimizado para flujos de trabajo de agentes locales siempre activos».

Muse Glimmer completa tareas de principio a fin, utiliza herramientas de software, escribe código, sigue múltiples pasos de razonamiento y se recupera cuando falla una acción intentada. El modelo procesa texto e imágenes, maneja datos en más de 100 idiomas y, según Meta, ha obtenido excelentes resultados para su clase de tamaño frente a Gemma4-31B y Qwen3.6-27B en pruebas de rendimiento relacionadas con la capacidad de actuación, la programación, la multimodalidad, la seguridad y el razonamiento.

Los agentes de IA se diferencian de los chatbots convencionales por su capacidad para ejecutar tareas, utilizar herramientas externas y tomar decisiones a lo largo de flujos de trabajo ampliados con distintos niveles de autonomía.

Meta comprime un modelo de 30 000 millones de parámetros a menos de 20 GB

Para ejecutar un modelo del tamaño de Muse Glimmer en hardware de consumo, Meta tuvo que reducir los requisitos de memoria sin perder rendimiento en las tareas gestionadas por los agentes de IA. Un modelo de 30 000 millones de parámetros con precisión total superaría los 55 GB, pero la cuantificación de 4 bits —que almacena los datos del modelo en un formato numérico más compacto— redujo el modelo de lenguaje a menos de 20 GB y permitió que sus componentes cupieran en un espacio de 24 GB o 32 GB.

Un modelo complementario más pequeño, que se incluye junto con Muse Glimmer, predice las próximas partes del texto, lo que permite al modelo principal verificar varias predicciones a la vez y responder más rápido. Esta técnica, conocida como «decodificación especulativa», multiplicó por 3,1 la velocidad de generación en una RTX 5090, por 1,8 en una M5 Max y por 1,5 en una M4 Max, según las pruebas realizadas por la empresa.

El impulso hacia los agentes locales llega en un momento en que Meta amplía el gasto y reorganiza sus equipos en torno a productos de IA autónomos y ciclos de desarrollo más rápidos. Se espera que los gastos de capital para 2026 alcancen entre 130 000 y 145 000 millones de dólares, un rango que se ha reducido desde los 125 000 a 145 000 millones de dólares que la empresa había previsto cuando presentó los resultados del segundo trimestre el 29 de julio.

En mayo, unos 7.000 empleados pasaron a formar parte de cuatro organizaciones centradas en la IA, entre ellas Ingeniería de IA Aplicada y un equipo de Aceleración de la Transformación de Agentes, mientras que se despidió a unos 8.000 trabajadores y se cerraron 6.000 puestos vacantes. Posteriormente, Meta comunicó al personal trasladado que podían decidir si deseaban quedarse.

El procesamiento local reduce la dependencia del acceso continuo a la nube

Mantener los flujos de trabajo de los agentes en hardware personal evita que cada solicitud se redirija a través de centros de datos remotos, lo que permite que las tareas continúen cuando la conectividad es limitada o no está disponible. La ejecución local también se adapta a casos de uso basados en contexto almacenado, como horarios, mensajes y archivos, en los que el modelo actúa sobre datos personales a lo largo de sesiones prolongadas.

Las normas de seguridad cobran cada vez más relevancia a medida que el software autónomo recibe permiso para interactuar con cuentas, aplicaciones e información confidencial. El Instituto Nacional de Estándares y Tecnología (NIST) puso en marcha una Iniciativa de Normas para Agentes de IA que abarca la comunicación segura entre agentes, las identidades digitales fiables, los controles de acceso y las normas técnicas comunes. Meta destacó:

«La ejecución de modelos a nivel local permite utilizar la IA en cualquier lugar y en cualquier momento, con o sin conexión a Internet».

Más allá de los modelos locales, Meta ha dado el salto a plataformas basadas en las interacciones entre agentes de software independientes. La empresa adquirió Moltbook en marzo, una red social de agentes de IA con más de 206 000 agentes verificados por humanos de un total de casi 2,9 millones de cuentas registradas a fecha de junio, e incorporó a sus cofundadores a Meta Superintelligence Labs.

Muse Glimmer encaja en la estrategia más amplia de Meta para una IA ampliamente accesible

Mark Zuckerberg, director ejecutivo de Meta, esbozó por separado el 10 de agosto una estrategia para distribuir ampliamente la superinteligencia personal y ofrecer versiones gratuitas a miles de millones de personas. Zuckerberg declaró en un vídeo de Instagram compartido ese mismo día que Meta también haría públicos los pesos de Muse Spark 1.2, enmarcando esta medida en un ensayo de 6.500 palabras como respuesta a las publicaciones de pesos abiertos por parte de desarrolladores chinos.

El funcionamiento de modelos cada vez más potentes sigue requiriendo una gran capacidad de computación centralizada para su entrenamiento, incluso cuando el modelo final se ejecuta en el propio dispositivo del usuario. Meta firmó un acuerdo de cinco años con Nebius por un valor de hasta 27 000 millones de dólares, que incluye 12 000 millones en capacidad dedicada y opciones por otros 15 000 millones.

Los desarrolladores ya pueden descargar los pesos de Muse Glimmer, mientras que en los próximos días se espera una compatibilidad optimizada con llama.cpp, MLX y ExecuTorch, software utilizado para ejecutar modelos de IA de forma eficiente en diferentes dispositivos. Meta también está colaborando con AMD, Arm, Dell, Intel y Nvidia para optimizar el rendimiento en todos los dispositivos.