Muse Glimmer: Wat is er nieuw, hoe u het uitvoert en alternatieven (2026)
Muse Glimmer is een open-weight model met 30 miljard parameters van Meta Superintelligence Labs, uitgebracht op 10 augustus 2026 onder de Apache 2.0-licentie. Meta's eigen koptekst is direct: "Een open agentisch model dat op uw apparaat draait."
Die laatste zin is waar het allemaal om draait. Dit is geen chatmodel dat toevallig tools aanroept. Het is een model dat zo is gedimensioneerd dat een agent-loop kan draaien op hardware die u al bezit.
Deze gids behandelt wat de release daadwerkelijk bevat en hoe u deze kunt draaien. We bespreken ook wat de officiële aankondiging weglaat en hoe het model zich verhoudt tot andere open-weight opties.
Wat is Muse Glimmer?
Muse Glimmer is een enkel model met een duidelijke focus op agentische taken. Meta noemt als capaciteiten end-to-end taakvoltooiing, betrouwbaar toolgebruik, redeneren in meerdere stappen en foutherstel.
Dat vierde punt verdient extra aandacht. Foutherstel is wat een demo onderscheidt van een taak die daadwerkelijk wordt afgerond. Een agent die zijn eigen fouten niet opmerkt, blijft in een lus hangen of stopt ermee.
Het model verwerkt tekst en afbeeldingen. Meta beschrijft het beeldpad als een speciale perceptie-encoder in plaats van een achteraf toegevoegde adapter.
Het vermeldt ook compatibiliteit met scaffolds, regelbare inspanning en ondersteuning voor meer dan 100 talen. Compatibiliteit met scaffolds is belangrijk omdat u het waarschijnlijk binnen de agent-omgeving van iemand anders zult draaien.
Regelbare inspanning is de functie die u in het dagelijks gebruik het meest zult merken. Hiermee kunt u meer rekenkracht toewijzen aan een moeilijke stap en minder aan een triviale. Dat is hoe een lange taak betaalbaar blijft op hardware die u al heeft aangeschaft.
Wat is nieuw in de release van augustus 2026
Er zijn hier drie dingen echt nieuw, en ze worden gemakkelijk met elkaar verward.
De combinatie van grootte en licentie. Een 30B-model onder Apache 2.0 is flexibel genoeg voor commercieel gebruik zonder dat er een speciale overeenkomst nodig is. Meta noemt het een "vrije Apache 2.0-licentie."
De focus op lokale apparaten. Meta's eigen bewoording is dat het model "klein genoeg is om op een Mac of pc met een enkele consumenten-GPU te draaien." De aankondiging noemt de machines waarop het is gevalideerd.
De claim over kwantisatie. Meta stelt dat kwantisatie "minimale tot geen achteruitgang veroorzaakt bij agentische taken." Dat is een sterkere claim dan de gebruikelijke kwaliteitsopmerking, omdat agentische taken juist de plek zijn waar schade door kwantisatie zich normaal gesproken als eerste openbaart.
Weights zijn gepubliceerd op Hugging Face. Meta schrijft dat het model "nu beschikbaar is, en u kunt de weights downloaden op Hugging Face."
Wat Meta publiceerde over benchmarks, and wat er werd weggelaten
Hier is het deel dat de meeste media hebben overgeslagen. De aankondiging vermeldt geen benchmarkcijfers.
Er staat dat het model is vergeleken met Gemma4-31B en Qwen3.6-27B op het gebied van agentische, codeer-, multimodale, veiligheids- en redeneerbenchmarks. Voor de daadwerkelijke cijfers wordt verwezen naar een apart rapport.
Kijk nu eens naar de vergelijkingsgroep. Qwen3.6-27B is niet het huidige Qwen-model in die grootteklasse. Qwen3.8-27B werd uitgebracht op 14 augustus, vier dagen na deze aankondiging.
De vergelijkingstabel liep dus binnen een week na publicatie al een generatie achter. Dat is niemands fout. Het is simpelweg wat het tempo van nieuwe releases momenteel doet met elke gepubliceerde vergelijking.
De praktische les is om een vergelijkingstabel van een leverancier te beschouwen als een momentopname met een datum, niet als een definitieve ranglijst. Als u echt wilt weten hoe het zit, haal dan uw eigen bestanden door beide modellen.
Er is nog een tweede tekortkoming die het vermelden waard is. De aankondiging geeft geen cijfer voor het contextvenster.
Voor agent-taken op documenten en spreadsheets bepaalt dat getal wat er in één keer in past. Het ontbreken daarvan is de meest relevante onbekende factor voor iedereen die van plan is het model met echte bestanden te voeden.
Hoe u Muse Glimmer kunt draaien
Meta vermeldt de runtimes direct, wat het plannen hiervan ongewoon eenvoudig maakt.
| Route | Wat het is | Beste wanneer |
|---|---|---|
| Hugging Face | Officiële download van weights | U het ongewijzigde checkpoint wilt |
| llama.cpp | Cross-platform lokale runtime | U brede hardwareondersteuning nodig heeft |
| MLX | Apple Silicon-runtime | U een Mac gebruikt |
| ExecuTorch | Implementatietraject op apparaten | U software naar apparaten distribueert |
| vLLM / SGLang | Serving-stacks | U het host voor een team |
| Ollama / LM Studio | Gebundelde lokale apps | U de snelste installatie wilt |
| Together AI / Fireworks AI / OpenRouter | Gehoste API-partners | U het model helemaal niet zelf wilt draaien |
De laatste rij is extra vermeldenswaardig. Een open-weight model verplicht u niet om het zelf te hosten. Verschillende partners bieden het aan, zodat u het model kunt testen voordat u er hardware voor aanschaft.
Wat er nodig is om het goed te laten draaien
Meta noemt de machines waarop het is gevalideerd: MacBook M4-Max, M5-Max en de RTX-5090. Dat zijn de referentiepunten, niet de minimale specificaties.
Het publiceert ook de prestatiewinst door speculatief decoderen, wat het meest concrete prestatiedetail in de release is.
| Hardware | Toename van decodeersnelheid met speculatief decoderen |
|---|---|
| RTX 5090 | 3.1x |
| M5 Max | 1.8x |
| M4 Max | 1.5x |
Zie dit als een hardware-ladder. Dezelfde techniek levert op een desktop-GPU ongeveer twee keer zoveel op als op de oudere laptop.
Er hoort wel een kanttekening bij deze tabel. Speculatief decoderen vereist een tweede, kleiner model dat naast het hoofdmodel draait, en dat kost geheugen. Beschouw de cijfers dus eerder als een bovengrens dan als een gratis upgrade.
Wees ook eerlijk tegen uzelf over de kosten. "Gratis weights" en "gratis draaien" zijn twee verschillende dingen. De hierboven genoemde machines zijn niet goedkoop, en de elektriciteitsrekening is voor u.
De output van een lokaal model omzetten in iets dat u kunt versturen
Het model draaien is één ding. Het product leveren waar uw collega om vroeg is iets anders.
Een lokale agent kan uw export lezen en erover redeneren. Maar dan moet u nog steeds de grafiek, de tabel en de tekst samenvoegen tot een document dat iemand ook daadwerkelijk wil openen.
Dat gat is waar een gehoste agent zijn waarde bewijst. Powerdrill Bloom neemt het bestand aan en levert het eindproduct op. U overhandigt dia's, een spreadsheet of een geschreven samenvatting zonder dat u eerst een hele pipeline hoeft op te zetten. Het Pro-abonnement kost $13.27 per maand bij jaarlijkse facturering, wat een interessant vergelijkingspunt is met de aanschaf van een GPU.
De afweging is in beide richtingen reëel. Lokaal betekent dat uw gegevens de machine nooit verlaten en dat u de volledige controle over de stack heeft. Gehost betekent geen installatie en geen hardware, waarbij u accepteert dat de bestanden naar een externe dienst gaan.
Er is nog een derde optie in deze markt die het vermelden waard is. Onze toelichting op GenOffice behandelt een open, zelfgehost kantoorpakket in plaats van een kaal model.
Alternatieven die het vergelijken waard zijn
Qwen3.8-27B, uitgebracht op 14 augustus 2026, is de meest directe vergelijking. De model card vermeldt 262,144 tokens aan native context, tekst-, beeld- en video-invoer, en een Apache 2.0-licentie. Dit is ook het model dat de versie in Meta's vergelijkingstabel heeft vervangen.
Gemma4-31B is het andere model dat Meta noemt, dus dat is al gepositioneerd als een gelijke in dezelfde grootteklasse.
Gehoste API-modellen zijn voor de meeste teams het reële alternatief. Als u nooit een runtime hebt willen beheren, een API met betaling naar verbruik de hardwarevraag volledig weg. Verschillende partners die Meta noemt, bieden dit model op die manier aan, dus de open licentie verplicht u niet tot zelf hosten.
Agent-platforms bevinden zich op een andere laag en zijn geen concurrerend model. Als uw doel een kant-en-klaar rapport is, is het model slechts één onderdeel. Onze uitleg over wat een data-agent voor algemeen gebruik is en over MCP laat zien hoe die puzzelstukjes in elkaar passen.
Conclusie
Muse Glimmer is een 30B Apache 2.0-model dat is gebouwd voor agent-loops op uw eigen machine. Meta heeft het gevalideerd op high-end laptops en een consumenten-GPU. De focus op lokale apparaten is hier het grote nieuws, niet de positie op de ranglijst.
Twee kanttekeningen moeten uw verwachtingen temperen. De aankondiging vermeldt geen contextvenster en de vergelijking met concurrenten was binnen vier dagen al verouderd.
Vanaf augustus 2026 zijn dat de feiten op de offiziële pagina. Uw uiteindelijke doel is wellicht een grafiek, een presentatie of een geschreven rapport op basis van een bestand dat u al heeft. Test dat hele traject voordat u zich aan een specifiek model committeert. Ons overzicht van AI-data-agents voor zakelijke teams en de pagina over automatische inzichten zijn goede startpunten.
Veelgestelde vragen
Is Muse Glimmer gratis?
De weights zijn gepubliceerd onder de Apache 2.0-licentie, dus aan het downloaden en gebruiken ervan zijn geen licentiekosten verbonden. Het draaien van het model kost u echter nog steeds hardware en stroom, of de kosten van een gehoste provider.
Welke hardware heb ik nodig?
Meta beschrijft het als klein genoeg voor een Mac of pc met een enkele consumenten-GPU. De in de aankondiging genoemde machines zijn de MacBook M4-Max, de M5-Max en de RTX-5090.
Hoe groot is het contextvenster?
De aankondiging van Meta vermeldt dit niet. Als uw werk afhankelijk is van het in één keer invoeren van lange documenten, beschouw dit dan als een open vraag totdat er een officieel cijfer bekend is.
Hoe verhoudt het zich tot Qwen3.8?
De door Meta gepubliceerde vergelijking maakt gebruik van Qwen3.6-27B, niet van Qwen3.8-27B, die vier dagen later werd uitgebracht. Elke actuele vergelijking zult u zelf moeten uitvoeren of moeten ontlenen aan een gedateerde evaluatie van derden.
Can het zelfstandig dia's of een rapport genereren?
Het model verzorgt het redeneren en het gebruik van tools. Het omzetten daarvan in een opgemaakt document hangt af van de agent-scaffold waarin u het draait, niet van het model alleen.