Meta lancia Muse Glimmer per gli agenti IA locali sui dispositivi personali

Muse Glimmer porta gli agenti di IA direttamente sull’hardware di consumo

Meta Superintelligence Labs, la divisione di ricerca avanzata sull’IA dell’azienda, il 10 agosto ha lanciato Muse Glimmer come modello agentico a pesi aperti progettato per funzionare direttamente su dispositivi personali, rilasciandone i pesi sotto la licenza permissiva Apache 2.0. I pesi aperti consentono agli sviluppatori di scaricare i parametri sottostanti di un modello, mentre il termine “agentico” si riferisce a sistemi che completano attività in più fasi utilizzando strumenti con un input umano limitato. Il modello è derivato da Muse Spark, il modello chiuso più grande di Meta, e funziona su un Mac o un PC dotato di una singola unità di elaborazione grafica (GPU) di fascia consumer.

L’azienda ha spiegato:

«Muse Glimmer è un modello da 30 miliardi di parametri ottimizzato per flussi di lavoro di agenti locali sempre attivi».

Muse Glimmer porta a termine le attività dall’inizio alla fine, utilizza strumenti software, scrive codice, segue più passaggi di ragionamento e si riprende quando un’azione tentata fallisce. Il modello elabora testo e immagini, gestisce dati in oltre 100 lingue e, secondo Meta, ha ottenuto ottimi risultati per la sua classe di dimensioni rispetto a Gemma4-31B e Qwen3.6-27B nei benchmark relativi a capacità di agenzia, programmazione, multimodalità, sicurezza e ragionamento.

Gli agenti di intelligenza artificiale si differenziano dai chatbot convenzionali per la loro capacità di eseguire attività, utilizzare strumenti esterni e prendere decisioni nell’ambito di flussi di lavoro estesi con livelli variabili di autonomia.

Meta comprime un modello da 30 miliardi di parametri sotto i 20 GB

L’esecuzione di un modello delle dimensioni di Muse Glimmer su hardware di consumo ha richiesto a Meta di ridurre il fabbisogno di memoria, mantenendo al contempo le prestazioni nelle attività gestite dagli agenti di IA. Un modello da 30 miliardi di parametri a piena precisione supererebbe i 55 GB, ma la quantizzazione a 4 bit, che memorizza i dati del modello in un formato numerico più compatto, ha ridotto il modello linguistico al di sotto dei 20 GB, consentendo di far rientrare i suoi componenti in uno spazio di 24 GB o 32 GB.

Un modello complementare più piccolo, fornito insieme a Muse Glimmer, prevede i segmenti di testo successivi, consentendo al modello principale di verificare diverse previsioni contemporaneamente e di rispondere più rapidamente. Questa tecnica, nota come decodifica speculativa, ha aumentato la velocità di generazione di 3,1 volte su una RTX 5090, di 1,8 volte su un M5 Max e di 1,5 volte su un M4 Max nei test condotti dall’azienda.

La spinta verso gli agenti locali arriva mentre Meta aumenta la spesa e riorganizza i team intorno a prodotti di IA autonomi e cicli di sviluppo più rapidi. Si prevede che gli investimenti per il 2026 raggiungano una cifra compresa tra 130 e 145 miliardi di dollari, un intervallo ridotto rispetto ai 125-145 miliardi di dollari indicati quando l’azienda ha comunicato i risultati del secondo trimestre il 29 luglio.

A maggio, circa 7.000 dipendenti sono stati trasferiti in quattro organizzazioni incentrate sull’IA, tra cui Applied AI Engineering e un team Agent Transformation Accelerator, mentre circa 8.000 lavoratori sono stati licenziati e 6.000 posizioni aperte sono state chiuse. Successivamente, Meta ha comunicato al personale trasferito che avrebbe potuto decidere se rimanere.

L’elaborazione locale riduce la dipendenza dall’accesso continuo al cloud

Mantenere i flussi di lavoro degli agenti su hardware personale evita di instradare ogni richiesta attraverso data center remoti, consentendo il proseguimento delle attività quando la connettività è limitata o indisponibile. L’esecuzione locale si adatta inoltre a casi d’uso basati su contesti memorizzati quali programmi, messaggi e file, in cui il modello agisce su dati personali nel corso di sessioni prolungate.

Gli standard di sicurezza stanno diventando sempre più rilevanti man mano che il software autonomo riceve l’autorizzazione a interagire con account, applicazioni e informazioni sensibili. Il National Institute of Standards and Technology ha lanciato una “AI Agent Standards Initiative” che copre la comunicazione sicura tra agenti, identità digitali affidabili, controlli di accesso e standard tecnici comuni. Meta ha sottolineato:

«L’esecuzione dei modelli a livello locale consente di utilizzare l’IA ovunque e in qualsiasi momento, con o senza connessione a Internet.»

Oltre ai modelli locali, Meta si è orientata verso piattaforme costruite attorno alle interazioni tra agenti software indipendenti. A marzo l’azienda ha acquisito Moltbook, un social network di agenti di IA con oltre 206.000 agenti verificati da esseri umani su quasi 2,9 milioni di account registrati a giugno, e ha accolto i suoi cofondatori all’interno dei Meta Superintelligence Labs.

Muse Glimmer si inserisce nella più ampia strategia di Meta volta a rendere l’IA ampiamente accessibile

Mark Zuckerberg, amministratore delegato di Meta, ha delineato separatamente il 10 agosto una strategia volta a diffondere ampiamente la superintelligenza personale e a fornire versioni gratuite a miliardi di persone. Zuckerberg ha dichiarato in un video su Instagram condiviso lo stesso giorno che Meta avrebbe reso pubblici anche i pesi di Muse Spark 1.2, inquadrando la mossa in un saggio di 6.500 parole come risposta alle pubblicazioni dei pesi da parte degli sviluppatori cinesi.

Il supporto a modelli sempre più potenti richiede ancora un'ampia potenza di calcolo centralizzata per l’addestramento, anche quando il modello finito viene eseguito sul dispositivo dell’utente stesso. Meta ha firmato un accordo quinquennale con Nebius del valore massimo di 27 miliardi di dollari, che include 12 miliardi di dollari in capacità dedicata e opzioni per altri 15 miliardi di dollari.

Gli sviluppatori possono scaricare fin da ora i pesi di Muse Glimmer, mentre nei prossimi giorni è previsto il supporto ottimizzato per llama.cpp, MLX ed ExecuTorch, software utilizzati per eseguire in modo efficiente i modelli di IA su hardware diversi. Meta sta inoltre collaborando con AMD, Arm, Dell, Intel e Nvidia per ottimizzare le prestazioni su tutti i dispositivi.