מעבדות ה-Superintelligence של Meta פרסמו את Muse Glimmer, מודל בינה מלאכותית של 30 מיליארד פרמטרים שפורסם ברישיון Apache 2.0, שנועד להפעיל סוכני בינה מלאכותית באופן מקומי על GPUs בדרגת צרכן. המשקולות זמינות ב-Hugging Face, מסמנות את הדחיפה האחרונה של החברה לאקו-סיסטם בעל המשקל הפתוח שהמנכ"ל מארק צוקרברג דגל בו במאמר חדש בן 6,500 מילים על עתידה של AI.
המהדורה מגיעה בתוך גל רחב יותר של סיקור תעשיית AI המעצב מחדש את האופן שבו מפתחים בונים ופורסים מערכות חכמות. Meta אומר שמפתחים יכולים להשתמש ב-Muse Glimmer עבור קידוד מקומי, קריאת פונקציות, סוכנים אוטונומיים ומשימות הערכת LLM-as-a-judge מבלי לשלוח נתונים ל-API המתארח בענן.
נבנה עבור סוכנים במכשיר
Meta מציבה את Muse Glimmer כפתרון למגבלה תפעולית ספציפית: מודלים המתארחים בענן זקוקים לגישה מתמשכת לרשת ולתשתית מרכזית, שיכולה להציג חששות של חביון, עלות ופרטיות. במקום זאת, החברה מציגה את המודל לעומסי עבודה הדורשים נוכחות במכשיר, כולל סוכנים אישיים שזקוקים לגישה ללוחות זמנים, הודעות, קבצים והקשרים פרטיים אחרים.
המודל מקבל טקסט ותמונות משולבים באמצעות מקודד תפיסה ייעודי, המאפשר לסוכנים לפרש צילומי מסך, תרשימים ומסמכים כחלק משיחה. Meta מדווחת שהיכולת הרב-מודאלית הזו מאפשרת לסוכנים לחשוב על ממשקים חזותיים, תכונה שחשובה לצוותים שבונים כלים המקיימים אינטראקציה עם תוכנות גרפיות או דפי אינטרנט.
Muse Glimmer תומך גם ב-OpenClaw ובדפוסי תזמור של סוכנים אחרים, עם פיגומים מותאמים אישית המפורטים בתיעוד המפתחים של הדגם. סוכן קידוד מקומי בנוי על המודל יכול להחליט לאילו מאגרים, מסופים, סביבות בדיקה ופקודות הוא ניגש, אם כי Meta מזהירה שארגונים צריכים להגדיר פקודות ומאגרים זמינים לפני מדידת הצלחת המשימה.
ביצועי אמת מידה נגד יריבים
מבחני הבנצ'מרק הפנימיים של Meta מציבים את Muse Glimmer לפני ה-Gemma4-31B של גוגל ו-Qwen3.6-27B של עליבאבא בחמישה מתוך שמונה מדדים כלליים-אגניים. בציון סוכן מצטבר, Muse Glimmer הגיע ל-74.6, לעומת 61.7 עבור Gemma4-31B ו-71.1 עבור Qwen3.6-27B.
הדגם פרסם 47.6 ב-WildClawBench, לפני ה-37.6 של Gemma4-31B ו-43.2 של Qwen3.6-27B. ב-GAIA2, אמת מידה לעוזרי AI כלליים, קיבלה Muse Glimmer 43.3, לעומת 36.4 ו-40.0 עבור הדגמים המתחרים. OSWorld-Verified, שבודקת את יכולתו של סוכן לפעול בתוך סביבות מחשב אמיתיות, יצרה את הפער הגדול ביותר בקבוצה: Muse Glimmer הגיעה ל-65.9 מול 58.5 של Gemma4-31B.
לא כל קטגוריה העדיפה את הדגם של Meta. ב-SkillsBench, Qwen3.6-27B הובילה עם ציון של 46.6, כאשר Muse Glimmer רשמה 44.3. Qwen3.6-27B הוביל גם ב-GDPval-AA עם 1,141, מול ה-953 של Muse Glimmer.
תוצאות קידוד מציגות נוף תחרותי
מדדי הקוד של Muse Glimmer מציגים תמונה תחרותית מצומצמת יותר. הדגם הוביל את SWE-Bench Pro עם ציון של 51.2, לעומת 36.9 עבור Gemma4-31B ו-50.2 עבור Qwen3.6-27B. עם זאת, Qwen3.6-27B התקדם ב-SWE-Bench Verified עם 77.2, מול 76.0 של Muse Glimmer, והוביל את TerminalBench 2.1 עם 60.7 לעומת 51.7 של Muse Glimmer.
החומר המסופק של Meta מתאר גם אימון ניסיון חוזר עבור קריאות כלים שנכשלו, התנהגות המאפשרת לסוכנים להתאושש משגיאות באופן אוטומטי. החברה מציינת כי יכולת זו דורשת בקרה על ניסיונות חוזרים, במיוחד כאשר כלי יכול לשנות קוד מקור או להפעיל מערכות חיצוניות.
חזון המשקל הפתוח של צוקרברג
השחרור של Muse Glimmer עולה בקנה אחד עם פרסום של צוקרברג מאמר ארוך המתאר את החזון שלו לפיתוח בינה מלאכותית. על פי רויטרס ובלומברג, מנכ"ל Meta השתמש במאמר כדי לתמוך בגישת המשקל הפתוח, בטענה שמודלים זמינים נרחבים מונעים את ריכוז כוח הבינה המלאכותית בידיים בודדות של חברות.
על פי הדיווחים, צוקרברג הזהיר מפני הסיכונים של ישות אחת השולטת במערכות על-אינטליגנטיות, וקבע כי אין דבר כזה אינטליגנציה-על מיטיבה יחידה. ההערות מציבות את אסטרטגיית המשקל הפתוח של Meta כפילוסופיה טכנית וגם כעמדה תחרותית מול יריבות מודל סגור כמו OpenAI ו-Anthropic.
הניו יורק טיימס תיאר את Muse Glimmer כגרסת קוד פתוח ליכולות ה-AI של Meta שצרכנים יכולים להשתמש בה בבית, בעוד שהוול סטריט ג'ורנל ציין שהחיבור מייצג את הניסוח המפורט ביותר של צוקרברג של תפיסת העולם שלו בינה מלאכותית עד כה.
שיקולים מעשיים לצוותים
המדדים של Meta מדגימים ביצועים במבחנים סטנדרטיים, אך הם אינם מראים כיצד יתנהג סוכן מקומי לאחר שארגון מחבר אותו לקבצים, לוחות שנה, מערכות הודעות או כלים פנימיים שלו. החברה מכירה בכך שמודלים לקריאת צילום מסך יכולים לפרש את מה שהם רואים, ובכל זאת בדיקות מקומיות עדיין חייבות לכסות הרשאות, פריסות תצוגה, פורמטים של מסמכים ושגיאות המוחזרות על ידי כלים מחוברים.
עבור ארגונים המעריכים את Muse Glimmer, מטה ממליצה להגדיר את הפקודות והמאגרים הזמינים לסוכן לפני הפריסה. הערכות הקשורות לבטיחות של המודל כוללות בדיקות CI Memories ו-Siren AgentDojo, אם כי החברה משתמשת באמצעים שונים עבור כל אחד מהם.
המהדורה מציבה את Meta בתחרות ישירה עם קו Gemma של גוגל ודגמי Qwen של עליבאבא במרחב הפתוח. עם רישיון Apache 2.0 המאפשר שימוש מסחרי, Muse Glimmer יכולה להאיץ את האימוץ בקרב מפתחים המעוניינים ביכולות סוכניות ללא העלויות החוזרות וההפרעות בפרטיות של ממשקי API בענן.
הישאר לפני AI
לפיתוחים האחרונים בדגמי AI, מהדורות במשקל פתוח ודינמיקה תחרותית שמעצבת את התעשייה, בקר ב-AI Buzz Wire לסיקור מקיף.
קרא עוד חדשות AI →
