Meta vuelve al código abierto con Muse Glimmer: 30B parámetros y licencia Apache 2.0 para ejecutar agentes de IA en tu Mac

Meta ha publicado <strong>Muse Glimmer</strong>, un modelo de 30.000 millones de parámetros con licencia Apache 2.0, diseñado para ejecutar agentes de IA autónomos directamente en hardware de consumo — sin nube, sin APIs, sin costes por token.

Es el primer modelo de la familia Muse que Meta abre completamente desde que en abril sustituyó Llama por el ecosistema propietario Muse Spark. Y lo que es más relevante: la licencia que acompaña a Glimmer es más permisa que cualquier versión anterior de Llama.

Muse Glimmer no es un modelo para chatear. Es un modelo para <strong>actuar</strong>. Meta lo ha entrenado alrededor del bucle del agente: recibir instrucciones de alto nivel, usar herramientas, mantener estado a lo largo de múltiples pasos y ejecutar tareas que requieren cambios de contexto sin perder el hilo. Es, en esencia, un motor de agente de IA diseñado para funcionar en un Mac con suficiente RAM, no en un centro de datos.

Los pesos ya están disponibles en Hugging Face. El soporte llega esta semana a través de Ollama, LM Studio, vLLM, SGLang, Together AI, Fireworks AI y OpenRouter. También habrá integraciones optimizadas con llama.cpp, MLX y ExecuTorch, además de Unsloth para fine-tuning local. Meta está trabajando con AMD, Arm, Dell, Intel y Nvidia para optimizar el rendimiento en distintos dispositivos.

<strong>La licencia importa tanto como el modelo</strong>

La decisión más significativa de este lanzamiento no es técnica: es legal. La familia Llama operó durante años bajo una licencia comunitaria personalizada que incluía un corte de 700 millones de usuarios mensuales y restricciones sobre uso comercial en función del tamaño de la empresa. La comunidad open source la criticaba con razón: era open source de nombre, pero no de hecho.

Apache 2.0 no tiene esas trampas. Permite uso comercial sin restricciones, modificación, redistribución y uso privado. No hay corte de usuarios, no hay cláusulas ocultas sobre quién puede hacer deploy y quién no. Es la licencia que ya usan proyectos como TensorFlow, PyTorch o Apache Spark. Meta ha puesto a Glimmer en el mismo nivel de libertad que las herramientas que la comunidad de desarrollo lleva años considerando infraestructura estándar.

<strong>Por qué ejecutar un agente de IA localmente importa</strong>

Un agente que trabaja con archivos del sistema, capturas de pantalla, entornos de desarrollo y otros datos sensibles puede ejecutar esos flujos sin enviar esa información continuamente a un servicio de inferencia remota. Eso no es solo una ventaja de coste: es una cuestión de privacidad, de cumplimiento regulatorio y de latencia.

Cuando el agente y el entorno viven en la misma máquina, cada tool call tiene latencia de memoria, no de red. Para tareas que requieren múltiples pasos y comprobaciones intermedias, esa diferencia cambia el diseño completo del sistema. Un agente local puede permitirse consultar el contexto más veces, más rápido, sin que cada llamada genere una factura.

Mark Zuckerberg lo explicó con claridad: «Hoy también abrimos los pesos de Muse Glimmer, un gran modelo denso de 30B que puede ejecutarse localmente. Pronto publicaremos también los pesos de Muse Spark 1.2, nuestro último modelo base.» El mensaje es claro: Meta está devolviendo a la comunidad open source exactamente lo que le quitó cuando migró a Llama hacia modelos propietarios.

<strong>Un modelo entrenado para el loop del agente</strong>

Glimmer no es un modelo conversacional al que se le han añadido herramientas como afterhought. Ha sido entrenado desde el principio para iterar en un ciclo de percepción-acción que incluye: recibir una instrucción de alto nivel, planificar los pasos necesarios, ejecutar herramientas nativas (filesystem, shell, browser), evaluar los resultados y ajustar el plan antes del siguiente paso.

Esto es lo que diferencia a un modelo diseñado para agentes de un modelo conversacional al que se le añade un system prompt pidiéndole que «use herramientas». El primero tiene pesos ajustados para razonar sobre secuencias de acciones; el segundo improvisa esa capacidad a partir de un entrenamiento pensado para predecir la siguiente palabra.

Glimmer también soporta visión nativa de forma integrada, no como un módulo adicional. Esto significa que puede procesar screenshots, diagramas o documentos escaneados como parte del contexto del agente sin necesidad de modelos auxiliares.

<strong>Qué significa para el ecosistema</strong>

Con Glimmer, Meta devuelve al panorama open source lo que Llama dejó de ofrecer hace un año. Un modelo capaz de ejecutar agentes de IA en local, con una licencia que permite a empresas de cualquier tamaño usarlo sin negociar con Meta, modificarlo para casos de uso específicos, y redistribuirlo si lo necesitan.

Para los equipos de seguridad que quieren verificar cómo funciona un agente antes de desplegarlo en producción, esto cambia las reglas. Un modelo open source de 30B con agent loop training significa que se puede auditar el comportamiento del modelo, modificarlo y desplegarlo en infraestructura propia, sin depender de APIs externas ni de los términos de servicio de un tercero.

Muse Glimmer no es el modelo más grande disponible open source. Pero puede que sea el primero diseñado explícitamente para que una máquina bajo tu escritorio haga el trabajo que antes requería una llamada a la nube. Y eso, tanto si trabajas en desarrollo como en seguridad, vale la pena mirarlo de cerca.