Muse Glimmer: локален агент за 24 GB видеопамет

11.08

време за четене: 3 мин.

Досега въпросът „може ли този модел да работи на моята машина" имаше един отговор: вероятно не. На 10 август 2026 г. Meta Superintelligence Labs пусна Muse Glimmer и смени условието. Летвата вече е конкретна и се мери в гигабайти видеопамет.

Човек с отворен настолен компютър в ръце стои на прага на малка домашна стая, а голям робот не може да мине през вратата и се подпира отвън, докато умалена версия на същия робот вече седи на бюрото вътре и работи спокойно

Какво пусна Meta

Muse Glimmer е плътен модел с 30 милиарда параметъра, разпространяван с отворени тегла под лиценз Apache 2.0. Лицензът позволява търговска употреба, промяна и разпространение без ограничения, което го отличава от по-ранните условия на Meta за семейството Llama.

Моделът е дестилиран от затворения Muse Spark и е насочен към постоянно работещи агенти на локална машина - Mac или PC с една потребителска видеокарта. Разбира текст и изображения през зрителен енкодер от около 1,8 милиарда параметъра и приема до 4096 визуални токена на изображение, тоест може да гледа екранни снимки, графики и документи. Контекстният прозорец надхвърля 131 000 токена, а знанията стигат до 4 януари 2026 г.

Тегловете са публикувани в Hugging Face, а Meta обещава оптимизирани интеграции за llama.cpp, MLX и ExecuTorch.

Каква е летвата за локален агент

Пълната точност иска над 55 GB памет - число, което изважда почти всяка потребителска машина от играта. Смисълът на пускането е в квантуването: свит до около 4 бита, моделът пада под 20 GB и се събира в 24 GB видеопамет, при заявена загуба на точност от около 1%. При 32 GB загубата пада до 0,2%.

Кой прескача тази летва и получава работещ локален агент? От потребителските видеокарти това са моделите с 24 GB и нагоре, тоест горният ешелон на пазара, не средният. Apple Silicon машините с унифицирана памет от 32 GB също влизат в разговора. Всичко под тази граница остава извън обхвата, независимо колко бърз е процесорът.

Скоростта е втората половина от сметката. Със спекулативно декодиране DFlash производителността на RTX 5090 се вдига 3,1 пъти - от 74,9 на 233,4 токена в секунда. За сравнение, Meta посочва 1,8 пъти на M5 Max и 1,5 пъти на M4 Max.

Какво получава организацията срещу тази инвестиция

Ползата не е в спестения абонамент, а в това къде остават данните. Агент, който върви офлайн, обработва документите, кореспонденцията и екранните снимки на машината, без да ги изпраща към чужд сървър. За счетоводна кантора, адвокатска практика или малка софтуерна фирма, която работи с данни на клиенти, това променя целия разговор за съответствие - вместо да се договарят условия за обработка с външен доставчик, данните просто не напускат офиса.

Второто предимство е независимостта от връзка и от промени в тарифите. Локалният модел не поскъпва, не се сваля от употреба и не изисква мрежа.

Числата, които подкрепят това обещание, идват от Meta: 75,5 на MCP Atlas, 74,6 на DeepSearch QA и 51,2 на SWE-Bench Pro, пред Gemma4-31B и Qwen3.6-27B. Независими проверки към момента няма, така че резултатите позиционират модела, а не установяват мястото му.

Къде моделът още не става

Един показател в собствената таблица на Meta се чете различно от останалите. На OSWorld-Verified, който мери работа с терминал и настолна среда, Muse Glimmer получава 65,9 срещу 75,6 на по-малкия Qwen3.6-27B.

Това е точно задачата, която повечето хора си представят, когато чуят „агент на моя компютър": отваряне на програми, кликане в интерфейси, изпълнение на команди в терминала. Тъкмо там моделът изостава от конкурент с по-малко параметри. Наблюдаваме познат модел на поведение при агентните пускания - силата в извикването на инструменти по протокол не се пренася автоматично в управлението на реална операционна система.

Практическият извод: преди покупка на хардуер си струва да се провери коя точно работа ще върши агентът. За търсене, обработка на документи и извикване на API картината е една. За автоматизация на настолна среда - друга.

Заключение

Muse Glimmer прави локалния агент въпрос на хардуерна сметка, а не на принципна невъзможност. Летвата от 24 GB видеопамет е ясна, но и високата ѝ страна е реална - и това, което се получава над нея, все още не покрива работата с настолна среда.

Помагаме на български организации да преценят кога локален модел е по-разумният избор от облачна услуга - със сметка за хардуер, данни и реални задачи. Услугите ни покриват одит, оценка на готовност, обучение на екипи и имплементация на специализирани AI автоматизации за всяка организация. Препоръчваме консултация при работа с чувствителни данни на клиенти, при която изнасянето им към външен доставчик е нежелано. [Свържете се с нас за консултация: academy@razvivai.se]