Mogelijk kunt u het nieuwste Meta AI-model lokaal op uw computer uitvoeren.

Op maandag kondigde Meta zijn nieuwste AI-prototype aan : Muse Glimmer. Het bedrijf presenteert het echter niet per se als hun grootste en beste product tot nu toe. Hoewel Meta veel praat over het prestatiepotentieel van Muse Glimmer, zijn er vanuit het perspectief van het bedrijf twee belangrijke marketingpunten: het open-source karakter en het ontwerp om native te draaien op consumenten-Macs en pc's – hoewel het mogelijk niet op uw specifieke apparaat werkt.

Wat is Muse Glimmer?

Volgens Meta is Muse Glimmer een AI-model met 30 miljard parameters, geoptimaliseerd voor altijd actieve, lokale agentworkflows. Dit betekent dat Glimmer is ontworpen om autonoom en direct op uw apparaat te draaien, in plaats van afhankelijk te zijn van cloudverwerking. Lokale AI is veel veiliger dan cloud-AI, omdat uw gegevens binnen uw eigen systeem blijven. Wanneer u cloudservers gebruikt, bent u overgeleverd aan het bedrijf dat eigenaar is van dat netwerk, wat uw gegevens in gevaar kan brengen.

Hoewel er veel toepassingsmogelijkheden zijn voor een model zoals Muse Glimmer, richt Meta zich op het gebruik van agentische AI. AI-agenten kunnen taken namens u uitvoeren en hun populariteit groeit, omdat gebruikers en ontwikkelaars hun agenten allerlei functies kunnen laten uitvoeren. Het lokaal uitvoeren van agenten is ook erg populair, zoals blijkt uit het beruchte jaar van OpenClaw, maar de meest veeleisende modellen vereisen ook krachtige hardware. Als u met een laptop werkt, beschikt u mogelijk niet over de rekenkracht om AI-agenten te draaien.

Dit is een deel van de presentatie van Meta. Het bedrijf zegt dat Muse Glimmer is getraind om prestaties te balanceren met beperkte hardwaremogelijkheden. Meta stelt dat Muse Glimmer drie trainingsfasen heeft doorlopen om dit te bereiken: pre-training, waarbij Muse Glimmer werd getraind op de output van Muse Spark; mid-training, waarbij het model werd getraind op meer agentgerichte data; en post-training, waarbij het model werd verfijnd op een aantal parameters. Meta zegt dat Muse Glimmer end-to-end agent-completion, inferentie in meerdere stappen, herstel bij mislukte tool-aanroepen, inputs en inferentie met meerdere modellen, en andere functies aankan. Het is ook getraind op data uit meer dan 100 talen. Het bedrijf voegt eraan toe dat het model sterke prestaties levert voor zijn omvangsklasse in vergelijking met veel standaard benchmarks voor Large Language Models (LLM).

Bron: Meta

Hoewel Muse Glimmer niet zo veeleisend is als andere modellen, zal het waarschijnlijk niet efficiënt draaien op een doorsnee laptop. Meta zegt dat een model met 30 miljard parameters normaal gesproken meer dan 55 GB geheugen nodig heeft, maar dankzij kwantiseringstechnieken kan Muse Glimmer minder dan 20 GB gebruiken. Rekening houdend met het werkgeheugen zal Muse Glimmer waarschijnlijk 24 GB of 32 GB gebruiken. Als je een MacBook Pro of professionele pc hebt, is dat wellicht voldoende. Maar als je, net als ik, een laptop hebt met 16 GB of minder RAM, is dat niet helemaal wat Muse Glimmer nodig heeft. Toch is het een stap voorwaarts voor het gebruik van native AI. (Ter verduidelijking: Meta zegt dat ze Muse Glimmer hebben getest op MacBook M4 Max- en M5 Max-modellen met een RTX-5090 GPU.)

Meta zegt dat Muse Glimmer "open" is, wat betekent dat Meta de trainingsgewichten van het model heeft vrijgegeven. Iedereen kan het model dus niet alleen gebruiken, maar ook aanpassen. Als je specifieke behoeften hebt voor je AI-model, kun je Muse Glimmer aanpassen om beter aan je behoeften te voldoen.

Hoe verhoudt Muse Glimmer zich tot andere AI-modellen?

Er zijn momenteel veel AI-modellen op de markt, maar Meta vergelijkt ze slechts met twee: Google's Gemma4-31b en Alibaba 's Qwen3.6-27B . Volgens de benchmarks van Meta presteert Muse Glimmer beter dan beide modellen in de volgende 12 tests: MCP Atlas, DeepSearch QA, v³-banking, WildClawBench, GAIA2, SWE-Bench Pro, Sci Code, Charxiv Reasoning, IFBench, AIME 2026, AA-LCR en Beam 128K. Gemma4-31b blijft koploper in vier van deze benchmarks, terwijl Qwen3.6-27B in acht uitblinkt.

Meta heeft geen vergelijkbare vergelijkingen gemaakt met modellen van marktleiders zoals OpenAI, DeepSeek, Z.ai of Moonshot AI. Artificial Analysis biedt echter wel een ranglijst van alle open-weight modellen die momenteel op de markt verkrijgbaar zijn . Op het moment van schrijven staat de Muse Glimmer (high-performance versie) op de 18e plaats. Moonshot AI's Kimi K3 (maximumversie) voert de lijst aan, gevolgd door Z.ai's GLM-5.2 (maximumversie) op de tweede plaats, DeepSeek's V4 Flash (maximumversie) op de derde plaats en de Kimi K3 (low-versie) op de vierde plaats. Ter vergelijking: de Gemma4-31b staat op de 32e plaats, terwijl de Qwen3.6-27B op de 17e plaats staat. Er spelen hier veel variabelen een rol, maar deze ranglijst geeft ons een snel overzicht van hoe Meta's nieuwste modellen zich verhouden tot de concurrentie.

Hoe je Muse Glimmer kunt uitproberen

Je kunt Muse Glimmer nu uitproberen door de gewichten van Hugging Face te downloaden . Meta geeft aan dat het model de komende dagen beschikbaar zal zijn via apps zoals Ollama, LM Studio en Unsloth.