A Meta lança o Muse Glimmer para agentes de IA locais em dispositivos pessoais

O Muse Glimmer leva agentes de IA diretamente para o hardware de consumo

O Meta Superintelligence Labs, divisão de pesquisa avançada em IA da empresa, lançou em 10 de agosto o Muse Glimmer como um modelo agentico de pesos abertos projetado para rodar diretamente em dispositivos pessoais, disponibilizando seus pesos sob a licença permissiva Apache 2.0. Os pesos abertos permitem que os desenvolvedores baixem os parâmetros subjacentes de um modelo, enquanto “agênico” se refere a sistemas que realizam tarefas de várias etapas usando ferramentas com intervenção humana limitada. O modelo é derivado do Muse Spark, o modelo fechado maior da Meta, e roda em um Mac ou PC com uma única unidade de processamento gráfico (GPU) de consumo.

A empresa descreveu:

“O Muse Glimmer é um modelo com 30 bilhões de parâmetros, otimizado para fluxos de trabalho de agentes locais sempre ativos.”

O Muse Glimmer conclui tarefas do início ao fim, utiliza ferramentas de software, escreve código, segue múltiplas etapas de raciocínio e se recupera quando uma ação tentada falha. O modelo processa texto e imagens, lida com dados em mais de 100 idiomas e apresentou excelente desempenho para sua classe de tamanho em comparação com o Gemma4-31B e o Qwen3.6-27B em benchmarks de agência, programação, multimodalidade, segurança e raciocínio, de acordo com a Meta.

Os agentes de IA diferem dos chatbots convencionais por sua capacidade de executar tarefas, usar ferramentas externas e tomar decisões em fluxos de trabalho extensos com níveis variáveis de autonomia.

Meta comprime modelo de 30 bilhões de parâmetros para menos de 20 GB

Para rodar um modelo do tamanho do Muse Glimmer em hardware de consumo, a Meta precisou reduzir as demandas de memória, mantendo o desempenho nas tarefas realizadas pelos agentes de IA. Um modelo de 30 bilhões de parâmetros com precisão total ultrapassaria 55 GB, mas a quantização de 4 bits — que armazena os dados do modelo em um formato numérico mais compacto — reduziu o modelo de linguagem para menos de 20 GB e acomodou seus componentes em um espaço de 24 GB ou 32 GB.

Um modelo complementar menor, fornecido junto com o Muse Glimmer, prevê trechos de texto que estão por vir, permitindo que o modelo principal verifique várias previsões de uma só vez e responda mais rapidamente. A técnica, conhecida como decodificação especulativa, aumentou a velocidade de geração em 3,1 vezes em uma RTX 5090, 1,8 vezes em uma M5 Max e 1,5 vezes em uma M4 Max em testes realizados pela empresa.

O impulso em direção aos agentes locais ocorre no momento em que a Meta amplia os gastos e reorganiza equipes em torno de produtos de IA autônomos e ciclos de desenvolvimento mais rápidos. Espera-se que os gastos de capital para 2026 alcancem de US$ 130 bilhões a US$ 145 bilhões, uma faixa reduzida de US$ 125 bilhões a US$ 145 bilhões quando a empresa divulgou os resultados do segundo trimestre em 29 de julho.

Cerca de 7.000 funcionários foram transferidos para quatro organizações focadas em IA em maio, incluindo a Engenharia de IA Aplicada e uma equipe do Acelerador de Transformação de Agentes, enquanto cerca de 8.000 trabalhadores foram demitidos e 6.000 vagas foram encerradas. Posteriormente, a Meta informou aos funcionários transferidos que eles poderiam decidir se desejavam permanecer na empresa.

O processamento local reduz a dependência do acesso contínuo à nuvem

Manter os fluxos de trabalho dos agentes em hardware pessoal evita que todas as solicitações sejam encaminhadas por meio de data centers remotos, permitindo que as tarefas continuem mesmo quando a conectividade é limitada ou indisponível. A execução local também é adequada para casos de uso baseados em contexto armazenado, como agendas, mensagens e arquivos, nos quais o modelo atua sobre dados pessoais ao longo de sessões prolongadas.

Os padrões de segurança estão se tornando cada vez mais relevantes à medida que softwares autônomos recebem permissão para interagir com contas, aplicativos e informações confidenciais. O Instituto Nacional de Padrões e Tecnologia (NIST) lançou uma Iniciativa de Padrões para Agentes de IA que abrange comunicação segura entre agentes, identidades digitais confiáveis, controles de acesso e padrões técnicos comuns.

A Meta enfatizou:

“A execução de modelos localmente permite que você use IA em qualquer lugar, a qualquer hora, com ou sem conexão à internet.”

Além dos modelos locais, a Meta passou a atuar em plataformas construídas em torno de interações entre agentes de software independentes. A empresa adquiriu a Moltbook em março, uma rede social de agentes de IA com mais de 206 mil agentes verificados por humanos entre quase 2,9 milhões de contas registradas em junho, e integrou seus cofundadores ao Meta Superintelligence Labs.

O Muse Glimmer se encaixa na iniciativa mais ampla da Meta de tornar a IA amplamente disponível

Mark Zuckerberg, diretor executivo da Meta, delineou separadamente, em 10 de agosto, uma estratégia para distribuir amplamente a superinteligência pessoal e fornecer versões gratuitas a bilhões de pessoas. Zuckerberg afirmou em um vídeo no Instagram compartilhado no mesmo dia que a Meta também disponibilizaria os pesos do Muse Spark 1.2, contextualizando a iniciativa em um ensaio de 6.500 palavras como uma resposta aos lançamentos de pesos abertos por desenvolvedores chineses.

O suporte a modelos cada vez mais capazes ainda requer computação centralizada extensiva para treinamento, mesmo quando o modelo final é executado no próprio dispositivo do usuário. A Meta assinou um acordo de cinco anos com a Nebius no valor de até US$ 27 bilhões, incluindo US$ 12 bilhões em capacidade dedicada e opções para outros US$ 15 bilhões.

Os desenvolvedores já podem baixar os pesos do Muse Glimmer, enquanto o suporte otimizado para llama.cpp, MLX e ExecuTorch — softwares usados para executar modelos de IA com eficiência em diferentes tipos de hardware — está previsto para os próximos dias. A Meta também está trabalhando com a AMD, a Arm, a Dell, a Intel e a Nvidia para otimizar o desempenho em todos os dispositivos.