Muse Glimmer : Meta ouvre les poids d'un modèle de 30 milliards qui tourne sur 24 Go de VRAM
Meta publie les poids de Muse Glimmer sous Apache 2.0, sans demande d'accès. Vérifié sur le dépôt : la licence est la bonne, et le modèle est multimodal.
Le 10 août 2026 à 10 h 03 UTC, Mark Zuckerberg a annoncé sur X l'ouverture des poids de Muse Glimmer, un modèle de 30 milliards de paramètres présenté comme capable de tourner sur une machine personnelle. Deux minutes plus tôt, il publiait un long texte sur la superintelligence. L'ordre des deux publications n'est pas anodin : la sortie technique arrive emballée dans une prise de position philosophique.
Restait à vérifier ce qui a réellement été mis en ligne. Les poids sont bien sur Hugging Face, le dépôt `meta-models/Muse-Glimmer-30B` est public et sans demande d'accès préalable, et la licence déclarée est bien Apache 2.0. Trois choses que ni Zuckerberg ni Alexandr Wang ne disent apparaissent en revanche dans le dépôt et dans le billet officiel.
Aujourd'hui, nous ouvrons également les poids de Muse Glimmer, un excellent modèle dense de 30 milliards de paramètres qui peut tourner en local. Bientôt, nous publierons aussi les poids de Muse Spark 1.2, notre dernier modèle de fondation. Meta soutient fortement l'open source et je suis fier de ces publications. Félicitations à @alexandr_wang et à l'équipe MSL pour tout votre excellent travail sur ces modèles.Voir le post sur X
Ce que Meta a réellement mis en ligne
Quatre dépôts officiels, pas un. Et leur contenu ne sert pas au même public.
| Dépôt Hugging Face | Contenu réel | À qui ça sert |
|---|---|---|
| `Muse-Glimmer-30B` | Poids en BF16, 59,6 Go sur deux fichiers safetensors | Réentraînement, quantification maison, service via vLLM ou SGLang |
| `Muse-Glimmer-30B-GGUF` | Deux quantifications signées Meta (16,76 Go et 19,65 Go), plus l'encodeur d'image (1,4 Go) et le modèle brouillon (1,63 Go) | Usage local via llama.cpp et les logiciels qui s'appuient dessus |
| `Muse-Glimmer-30B-assistant` | Le petit modèle brouillon DFlash, 5,1 Go | Décodage spéculatif, pour accélérer la génération |
| `Muse-Glimmer-30B-ExecuTorch-PTE` | Binaires précompilés, Metal pour Apple Silicon et sm80+ptx pour Nvidia | Déploiement embarqué sans chaîne de compilation |
Le détail le plus important est absent des deux posts X. Zuckerberg parle d'« un modèle dense de 30 milliards de paramètres », Wang d'« un modèle agentique de 30 milliards » : aucun des deux ne dit que Muse Glimmer voit. La fiche du modèle et le billet officiel, eux, sont explicites. Le modèle embarque un encodeur de perception de type ViT-G/14 d'environ 1,8 milliard de paramètres, accepte du texte et des images entrelacés, et Hugging Face le classe en `image-text-to-text`. Pour un agent local censé lire des captures d'écran, des graphiques ou des documents, ce n'est pas un détail secondaire, c'est la fonction principale.
Sur les 29,8 milliards de paramètres réellement présents dans les fichiers, environ 1,8 milliard sert donc à la vision. Le modèle a été distillé depuis Muse Spark par distillation de logits, avec un contexte annoncé à 131 072 tokens au minimum et une coupure des connaissances au 4 janvier 2026.
1/ grosse annonce aujourd'hui : nous allons publier bientôt une version à poids ouverts de muse spark 1.2. nous publions aussi muse glimmer, un modèle agentique de 30 milliards de paramètres à poids ouverts sous apache 2.0. muse glimmer peut tourner sur 24 Go de VRAM sans perdre en fiabilité agentique. 🧵Voir le post sur X
24 Go de VRAM : à quelles machines ça correspond vraiment
Le chiffre de Wang est le seul qui intéresse un lecteur équipé, et il est étayé. Meta compresse les poids à environ 4 bits, ce qui ramène le modèle de langage sous 20 Go et laisse la place au cache d'attention, à l'encodeur d'image et au modèle brouillon dans la même enveloppe mémoire. La fiche du modèle chiffre le coût de cette compression.
| Version | Dégradation mesurée | Matériel visé |
|---|---|---|
| Précision complète | — | 64 Go de VRAM |
| K-Quant-Dynamic | 0,2 % | 32 Go de VRAM |
| K-Quant-17GB | 1,0 % | 24 Go de VRAM |
La dégradation est une moyenne sur quinze épreuves courantes, mesurée par Meta. Concrètement, 24 Go de VRAM désignent côté Nvidia les RTX 3090, 4090 et 5090. La 3090 d'occasion est d'ailleurs celle que les fils de discussion consacrés à l'IA locale continuent de conseiller pour ce palier de mémoire. Côté Apple, c'est la mémoire unifiée qui fait office de VRAM, et Meta a publié ses mesures sur des MacBook M4 Max et M5 Max.
| Machine | Sans décodage spéculatif | Avec le brouillon DFlash | Gain |
|---|---|---|---|
| Nvidia RTX 5090 | 74,9 tokens/s | 233,4 tokens/s | 3,1 fois |
| Apple M5 Max | 26,6 tokens/s | 50,2 tokens/s | 1,8 fois |
| Apple M4 Max | 23,7 tokens/s | 37,8 tokens/s | 1,5 fois |
Ces mesures sont celles de Meta, en lot unitaire et en décodage glouton, via ExecuTorch sur Mac et llama.cpp sur la RTX. Elles expliquent au passage à quoi servent les deux variantes techniques : la version GGUF est le format que consomment llama.cpp et l'écosystème qui l'entoure, tandis que la version ExecuTorch livre des binaires déjà compilés pour Metal ou pour les GPU Nvidia, ce qui évite l'étape de compilation sur la machine cible.
Le billet de Meta écrit que les intégrations optimisées pour llama.cpp, MLX et ExecuTorch « arriveront dans les prochains jours », et cite Ollama, LM Studio et Unsloth au même futur. Wang parle, lui, de « cette semaine ». Au 10 août, la seule voie disponible est donc le téléchargement manuel depuis Hugging Face. Si vous comptiez lancer le modèle en une commande dans Ollama, il faut attendre.
Apache 2.0, vérifié sur le dépôt, avec un document à côté
Le piège méritait d'être écarté, parce qu'il s'est présenté récemment sur d'autres annonces « open weight » où la licence permissive ne couvrait que le code d'inférence, les poids restant sous conditions restrictives et derrière un formulaire. Ici, la vérification est nette : le champ de licence déclaré est `apache-2.0`, le fichier `LICENSE` du dépôt contient bien le texte intégral de la licence Apache 2.0, et l'attribut `gated` renvoyé par l'API vaut `false`. Aucun formulaire, aucune validation manuelle, aucune licence maison. C'est un fait rare, et il est confirmé.
Chacun des quatre dépôts contient aussi un fichier `USAGE_POLICY.md`, une charte d'usage Meta qui proscrit une liste d'usages : applications militaires ou nucléaires, armes, infrastructures critiques, exercice non autorisé d'une profession réglementée, usage par des mineurs de moins de 18 ans. La licence Apache 2.0, elle, ne comporte aucune restriction d'usage : c'est précisément ce qui la distingue des licences communautaires de Llama ou de Kimi K3. Meta place donc les deux documents côte à côte sans dire lequel prime, et sa page développeur présente la charte comme s'appliquant « à l'accès ou à l'usage de Muse Glimmer ». Ajoutons que ni les données ni le code d'entraînement ne sont publiés. Le mot « open source » employé par Zuckerberg désigne ici des poids téléchargeables, pas un modèle reproductible.
Sur les résultats, Meta se compare à Gemma4-31B et Qwen3.6-27B, et le tableau est honnête plutôt que triomphal. Muse Glimmer creuse un écart net sur les épreuves agentiques (75,5 sur MCP Atlas contre 62,5 pour Qwen, 74,6 sur DeepSearch QA contre 71,1) et arrive en tête, de peu, sur AIME 2026 (94,7 contre 94,1). Il perd en revanche sur OSWorld-Verified (65,9 contre 75,6), sur TerminalBench 2.1 (51,7 contre 60,7) et sur SWE-Bench Verified (76,0 contre 77,2). Meta précise enfin que le modèle ne relève pas de la catégorie « Frontier AI » de son propre cadre d'évaluation, étant jugé globalement moins capable que Muse Spark.
Les fichiers circulaient deux jours avant l'annonce
Trois dépôts de quantification pour Apple Silicon, signés `RadixArk` et extérieurs à l'organisation Meta, portent une date de création du 7 août 2026, soit deux jours avant l'ouverture du dépôt officiel. Ce ne sont pas des coquilles vides créées à l'avance : l'historique montre que les fichiers de modèle y ont été téléversés le 7 août également, dans l'heure suivant la création.
La suite de l'historique est plus parlante encore. Le 10 août à 10 h 27 UTC, soit vingt minutes après le post de Wang, un commit intitulé « Card: remove private-distribution notice ahead of public release » retire de la fiche un avis de distribution privée. Huit minutes plus tôt, un autre commit renommait le code livré pour « retirer la dénomination Onyx ».
Ce nom de code n'a pas disparu partout. Le fichier `chat_template.jinja` du dépôt officiel de Meta contient encore, dans un message d'erreur, la mention « Onyx ATEM chat template ». Muse Glimmer a donc porté un autre nom pendant son développement, et le renommage n'a pas été mené jusqu'au bout.
Faut-il parler de fuite ? Les éléments disponibles pointent vers l'inverse : un accès anticipé encadré, dont la mention explicite de distribution privée a été levée le jour de la publication publique. Nous ne pouvons pas établir la nature exacte de la relation entre RadixArk et Meta, et Meta ne s'est pas exprimé sur le sujet. Nous nous arrêtons là plutôt que de spéculer.
« Bientôt » pour Muse Spark 1.2, et un manifeste pour l'emballer
Zuckerberg et Wang promettent tous deux les poids de Muse Spark 1.2, le modèle sorti le 5 août avec l'agent de terminal Muse Code. Sans date. Et surtout sans un mot à ce sujet dans le billet officiel de Meta, qui ne mentionne Muse Spark que comme le modèle enseignant dont Muse Glimmer a été distillé. La promesse n'existe donc que dans deux posts X, ce qui invite à la prudence : le site suivait déjà des poids Qwen annoncés puis introuvables pendant plusieurs jours.
Le texte publié deux minutes avant l'annonce, sur `meta.com/thefutureisforeveryone`, ne nomme jamais Muse Glimmer. Il contient en revanche une phrase qui mérite d'être lue littéralement : « Maintenant que les Meta Superintelligence Labs sont en place, nous allons reprendre la publication de certains modèles open source bientôt. » Le verbe « reprendre » est un aveu, et « certains » une réserve.
Le contexte compte pour qui suit le sujet. En juillet, Meta a ouvert une API payante pour Muse Spark 1.1 et s'est mis à facturer son IA pour la première fois. Pendant ce temps, les poids ouverts venaient surtout de Chine. Le manifeste de Zuckerberg le formule sans détour : « Notre objectif devrait être que les modèles open source américains soient les meilleurs au monde. » Muse Glimmer est la première pièce posée de cette reprise.
Si votre machine plafonne à 24 Go, prenez le fichier `muse-glimmer-30B-kquant-17gb.gguf` plutôt que la version dynamique de 19,65 Go : l'écart de qualité annoncé est de 0,8 point sur la moyenne des épreuves, et les 3 Go économisés servent au contexte.
Questions fréquentes
Quelle configuration faut-il pour faire tourner Muse Glimmer en local ?
Meta vise 24 Go de VRAM avec le fichier GGUF de 16,76 Go, et 32 Go pour la version moins compressée. Comptez 59,6 Go de téléchargement si vous partez des poids en précision complète.
12 Go de VRAM suffisent-ils pour un LLM local ?
Pas pour celui-ci : la plus petite version publiée par Meta pèse déjà 16,76 Go. Sur 12 Go, on reste sur des modèles de 7 à 14 milliards de paramètres quantifiés en 4 bits.
Quelle carte graphique pour faire tourner un LLM en local ?
Les 24 Go visés par Meta correspondent aux RTX 3090, 4090 et 5090. Sur Mac, c'est la mémoire unifiée qui compte, et Meta publie ses mesures sur MacBook M4 Max et M5 Max.
Muse Glimmer est-il vraiment open source ?
Ses poids sont publiés sous Apache 2.0 et librement téléchargeables, mais ni les données ni le code d'entraînement ne le sont, et une charte d'usage Meta accompagne les fichiers. On parle donc de poids ouverts plutôt que d'open source au sens strict.
Peut-on l'utiliser avec Ollama ?
Pas encore au 10 août 2026. Meta annonce Ollama, LM Studio et Unsloth pour « les prochains jours », Wang parle de « cette semaine ». Notre fiche Ollama détaille le fonctionnement de l'outil.
Muse Glimmer comprend-il les images ?
Oui. Il embarque un encodeur de perception de 1,8 milliard de paramètres et accepte du texte et des images en entrée, mais il ne produit que du texte. L'audio n'est pas pris en charge.
