Muse Glimmer : l'IA agentique 30B de Meta qui tient sur une seule carte graphique grand public

En pleine précision, le modèle nécessite environ 55 Go de VRAM, mais Meta le fournit avec une quantification 4 bits qui le compresse à moins de 20 Go .

Variantes VRAM quantifiées

Meta propose deux configurations quantifiées, toutes deux basées sur K-Quant et évaluées sur 15 benchmarks :

• K-Quant-Dynamic — cible ~32 Go de VRAM, avec seulement 0,2 % de dégradation moyenne par rapport à la pleine précision
• K-Quant-17GB — cible ~24 Go de VRAM (modèle sous les 20 Go), avec 1,0 % de dégradation moyenne

Les laboratoires indépendants n'ont pas encore reproduit ces chiffres de dégradation agrégés .

DFlash : décodage spéculatif et performances locales

Pour résoudre le problème de latence d'un modèle 30B en local, Meta associe Muse Glimmer à DFlash — un petit rédacteur de décodage spéculatif à cinq couches qui propose des blocs de 16 tokens à la fois, que le modèle principal vérifie ensuite en parallèle .

Meta annonce les débits suivants sur le modèle quantifié 17 Go en batch de taille 1 avec décodage glouton :

SGLang a rapporté 236,4 tok/s sur le même RTX 5090 lors d'une mesure séparée le jour du lancement . Les premiers tests indépendants sur un RTX 5090 avec llama.cpp donnent parfois des résultats inférieurs (environ 137 tok/s), suggérant que le chiffre de 233+ tok/s nécessite des optimisations spécifiques .

Capacités agentiques

Muse Glimmer n'est pas principalement un chatbot — c'est un agent IA local conçu pour des flux de travail autonomes . Meta l'a explicitement optimisé pour planifier, appeler des outils et se remettre de ses propres erreurs . Il supporte nativement le Model Context Protocol (MCP) et s'intègre aux frameworks d'agents populaires .

Les cas d'usage clés incluent : l'appel de fonctions, le codage local, les sessions prolongées d'utilisation d'outils, l'évaluation LLM-as-a-judge, l'analyse de documents et les assistants personnels .

Performances comparatives

Meta a publié des comparaisons directes avec les Gemma 4 31B de Google et Qwen 3.6 27B d'Alibaba (tous deux en mode raisonnement) :

Muse Glimmer est en tête sur la plupart des benchmarks agentiques, notamment MCP Atlas (75,5 contre 62,5 pour Qwen) et DeepSearch QA (74,6 contre 71,1) . Il atteint également 94,7 sur AIME 2026, devançant ses deux concurrents .

Nuance importante : Une analyse tierce note que Glimmer est devancé par Qwen 3.6 27B sur TerminalBench 2.1 (51,7 contre 60,7) et OSWorld-Verified (65,9 contre 75,6), et a tendance à refuser certaines tâches d'automatisation au niveau du système d'exploitation .

Distillation depuis Muse Spark

Muse Glimmer a été distillé depuis Muse Spark (le modèle fermé de pointe de Meta) en utilisant la distillation par logits pendant le pré-entraînement, suivie d'un fine-tuning supervisé et d'un RLHF . Muse Spark reste fermé — disponible uniquement via API hébergée — faisant de Glimmer la version open-weight pour les utilisateurs souhaitant un déploiement local . Meta a indiqué qu'une version ouverte de Muse Spark pourrait suivre .

Contexte stratégique : la superintelligence pour tous

Muse Glimmer est la concrétisation la plus aboutie de la vision de Mark Zuckerberg d'une « superintelligence personnelle » — une IA puissante fonctionnant localement sur les appareils personnels, sans coûts cloud, abonnements ni fuite de données . TechCrunch l'a qualifié de « l'image la plus claire à ce jour » de cette vision .

Cette publication fait suite à des mois de turbulences internes après le lancement décevant de Llama 4 au printemps 2026, qui avait vu Meta sembler abandonner l'IA open-weight. Muse Glimmer rouvre cette stratégie .

L'investissement de 14,3 milliards de dollars dans Scale AI

En juin 2025, Meta a investi 14,3 milliards de dollars dans la société d'annotation de données Scale AI, acquérant une participation d'environ 49 % . L'accord a amené le PDG de Scale, Alexandr Wang (28 ans), à diriger la nouvelle division « Superintelligence » de Meta . Cet investissement visait à sécuriser des données d'entraînement de haute qualité et des talents pour la famille de modèles Muse . CNBC rapportait en janvier 2026 que Wang dirigeait l'unité TBD d'IA de Meta, développant un successeur à Llama, nom de code Avocado .

Disponibilité et support dès le premier jour

Muse Glimmer est téléchargeable depuis Hugging Face à l'adresse meta-models/Muse-Glimmer-30B sous licence Apache 2.0 . Il bénéficie d'un support dès le premier jour sur :

• Ollama — téléchargez et exécutez localement avec une seule commande
• LM Studio — support pour l'inférence locale via interface graphique
• SGLang — 230+ tok/s sur RTX 5090
• llama.cpp — conversions GGUF communautaires disponibles le jour même
• NVIDIA NIM — inférence optimisée via le framework microservices de NVIDIA
• AMD ROCm — support officiel pour Ryzen AI Max et les cartes Radeon

Les premiers retours de la communauté montrent qu'une RTX 3090 (24 Go) peut exécuter le modèle quantifié Q4_K_XL avec DFlash et une fenêtre de contexte de 262K en utilisant environ 22-23 Go de VRAM .