Ejecutar una IA potente que funciona offline en el propio ordenador es la carta con la que Meta busca marcar diferencias frente a OpenAI y Google. La compañía acaba de presentar Muse Glimmer, un modelo de unos 30.000 millones de parámetros diseñado para correr en equipos locales y moverse dentro de flujos agénticos. La idea de fondo es sencilla de entender aunque no de aplicar: mantener el cálculo en casa y decidir cuándo conectar el modelo a herramientas externas, sin depender siempre de centros de datos remotos que pertenecen a otra empresa.
Hasta ahora escribíamos una pregunta desde el móvil o el ordenador sin pensar demasiado en dónde ocurría todo. Buena parte del trabajo pesado se hacía lejos, en servidores ajenos, y normalmente hacía falta conexión para obtener respuesta. Con Muse Glimmer esa relación cambia bastante, porque la inferencia se queda en local. El detalle interesante llega con la licencia: Meta ha publicado los pesos bajo Apache 2.0, algo que no había pasado con Muse Spark, el primer modelo de la familia desarrollado por Meta Superintelligence Labs, que llegó en abril sin pesos públicos y a través de una API privada para usuarios seleccionados.
De Llama a los pesos abiertos, con un giro por el camino
Para entender el movimiento hay que mirar atrás. En 2024, Zuckerberg defendió que el código abierto debía convertirse en un estándar para la inteligencia artificial y presentó Llama como alternativa a los modelos cerrados de otros grandes laboratorios. El tono cambió en julio de 2025, cuando avisó de que la superinteligencia traería nuevos riesgos y que Meta tendría que ir con cuidado sobre qué abrir. Esa cautela tomó forma en 2026 con Muse Spark, sin pesos públicos, antes del regreso a la estrategia abierta que ahora representa Glimmer.
Bajo esa etiqueta de 30B, el modelo reúne varias capacidades pensadas para escenarios más amplios que una charla de texto. Meta lo ha entrenado para trabajar con texto e imágenes intercalados mediante un codificador de percepción, soportar distintos niveles de esfuerzo de razonamiento y operar con datos de más de 100 idiomas. También distribuye versiones cuantizadas de los pesos, una técnica que reduce el consumo de memoria y permite ejecutarlos en hardware de consumo. La contrapartida es que cada configuración pide un nivel distinto de recursos.
Link affiliatoQué significa que sea un modelo agéntico y cuánta memoria pide
Aquí está una de las claves. Que Glimmer sea un modelo agéntico no significa solo responder a una pregunta, sino mantener un plan durante varios pasos, llamar a herramientas con parámetros concretos, interpretar lo que devuelven y seguir adelante aunque alguna operación falle. Para eso necesita un entorno que le dé esas herramientas y permisos, lo que suele llamarse scaffold. Meta menciona compatibilidad con OpenClaw y otros sistemas de orquestación, mientras que Bionic, de LM Studio, ofrece una vía más accesible.
La cuantización permite meter el modelo en máquinas más modestas, pero no borra las exigencias de memoria. La ficha oficial fija como hardware objetivo 64 GB de VRAM para la versión en precisión completa, 32 GB para K-Quant-Dynamic y 24 GB para K-Quant-17GB. Conviene distinguir dos cifras que se confunden: el tamaño del archivo que descargamos y la memoria que necesita el modelo al ponerse a trabajar, sumando la caché KV, el contexto y otros componentes.
Probarlo en casa no obliga a montar nada desde cero. En una prueba con LM Studio en un MacBook Pro con chip M3 Pro y 18 GB de memoria unificada, el equipo quedó por debajo de lo necesario, ya que LM Studio pide al menos 26 GB de RAM para la variante más pequeña. La propia aplicación avisa antes de la descarga con un mensaje de aviso, aunque deja pulsar igualmente el botón. El siguiente paso pasa por sacar Glimmer de la ventana de chat: Bionic permite usarlo dentro de flujos agénticos y su API local es compatible con OpenAI Chat Completions, mientras Meta distingue entre frameworks de ejecución local como llama.cpp, ExecuTorch y MLX, y herramientas para servir el modelo a escala como vLLM y SGLang, con la recomendación de añadir protecciones extra cuando el sistema vaya a ejecutar acciones irreversibles.
Meta description
Meta presenta Muse Glimmer, la IA potente que funciona offline en el ordenador con pesos abiertos bajo Apache 2.0 y capacidades agénticas para competir con OpenAI y Google.Tags
Meta, Muse Glimmer, inteligencia artificial, IA offline, pesos abiertos, modelos agénticos, OpenAI, GoogleFuente
Imagen: xataka.com
Link affiliato