Vous pourrez peut-être exécuter localement sur votre ordinateur la dernière version du modèle Meta AI.

Lundi, Meta a annoncé son dernier prototype d'IA : Muse Glimmer. Cependant, l'entreprise ne le présente pas forcément comme son prototype le plus abouti à ce jour. Si Meta insiste beaucoup sur le potentiel de Muse Glimmer, deux arguments marketing clés se dégagent : sa conception open source et sa capacité à fonctionner nativement sur les Mac et PC grand public – même s'il est possible qu'il ne soit pas compatible avec votre appareil.

Qu'est-ce que Muse Glimmer ?

Selon Meta, Muse Glimmer est un modèle d'IA doté de 30 milliards de paramètres, optimisé pour les flux de travail d'agents locaux toujours actifs. Autrement dit, Glimmer est conçu pour fonctionner de manière autonome et directement sur votre appareil, sans dépendre du traitement dans le cloud. L'IA locale est bien plus sécurisée que l'IA cloud, car vos données restent au sein de votre système. Lorsque vous utilisez des serveurs cloud, vous êtes à la merci de l'entreprise qui possède ce réseau, ce qui peut compromettre vos données.

Bien que des modèles comme Muse Glimmer offrent de nombreuses possibilités d'utilisation, Meta se concentre sur l'IA agentive. Les agents IA peuvent effectuer des tâches à votre place et leur popularité ne cesse de croître, car utilisateurs et développeurs peuvent leur demander d'exécuter diverses fonctions. L'exécution locale des agents est également très répandue, comme en témoigne le succès retentissant d'OpenClaw, mais les modèles les plus exigeants nécessitent un matériel puissant. Si vous travaillez sur un ordinateur portable, sa puissance pourrait être insuffisante pour exécuter des agents IA.

Ceci fait partie de la présentation de Meta. L'entreprise explique que Muse Glimmer a été conçu pour optimiser les performances malgré les limitations matérielles. Meta précise avoir soumis Muse Glimmer à trois phases d'entraînement : un pré-entraînement sur les données de sortie de Muse Spark ; un entraînement intermédiaire sur des données plus orientées agent ; et un post-entraînement pour affiner le modèle sur plusieurs paramètres. Meta indique que Muse Glimmer prend en charge la complétion complète des agents, l'inférence multi-étapes, la récupération après un échec d'appel d'outil, les entrées et l'inférence multi-modèles, et bien d'autres fonctionnalités. Il a également été entraîné sur des données issues de plus de 100 langues. L'entreprise ajoute que le modèle offre d'excellentes performances pour sa catégorie, comparé à de nombreux benchmarks standard de grands modèles de langage (LLM).

Source : Meta

Bien que Muse Glimmer soit moins gourmand en ressources que d'autres modèles, il est probable qu'il ne fonctionne pas de manière optimale sur un ordinateur portable classique. Meta indique qu'un modèle comportant 30 milliards de paramètres nécessiterait généralement plus de 55 Go de mémoire, mais grâce à des techniques de quantification, Muse Glimmer peut en utiliser moins de 20 Go. En tenant compte de sa mémoire vive, Muse Glimmer utilisera probablement entre 24 et 32 ​​Go. Si vous possédez un MacBook Pro ou un PC professionnel, cela pourrait être parfaitement suffisant. Mais si vous êtes comme moi, votre ordinateur portable dispose de 16 Go de RAM ou moins, ce qui est insuffisant pour Muse Glimmer. Il s'agit néanmoins d'un progrès pour l'utilisation de l'IA native. (Pour information, Meta précise avoir testé Muse Glimmer sur des MacBook M4 Max et M5 Max, équipés d'une carte graphique RTX 5090.)

Meta indique que Muse Glimmer est « ouvert », ce qui signifie que Meta a publié les poids d'entraînement du modèle. Par conséquent, chacun peut non seulement utiliser le modèle, mais aussi le modifier. Si vous avez des besoins spécifiques pour votre modèle d'IA, vous pouvez adapter Muse Glimmer à vos exigences.

Comment Muse Glimmer se compare-t-il aux autres modèles d'IA ?

De nombreux modèles d'IA sont actuellement disponibles sur le marché , mais Meta ne les compare directement qu'à deux : Gemma4-31b de Google et Qwen3.6-27B d' Alibaba . D'après les benchmarks de Meta, Muse Glimmer surpasse ces deux modèles dans les 12 tests suivants : MCP Atlas, DeepSearch QA, v³-banking, WildClawBench, GAIA2, SWE-Bench Pro, Sci Code, Charxiv Reasoning, IFBench, AIME 2026, AA-LCR et Beam 128K. Gemma4-31b reste en tête dans quatre de ces benchmarks, tandis que Qwen3.6-27B excelle dans huit.

Meta n'a pas proposé de comparaisons similaires avec les modèles des leaders du secteur tels qu'OpenAI, DeepSeek, Z.ai ou Moonshot AI. Cependant, Artificial Analysis fournit un classement de tous les modèles à pondération ouverte actuellement disponibles sur le marché . À l'heure où nous écrivons ces lignes, le Muse Glimmer (version haute performance) occupe la 18e place. Le Kimi K3 de Moonshot AI (version maximale) arrive en tête, suivi du GLM-5.2 de Z.ai (version maximale) en deuxième position, du V4 Flash de DeepSeek (version maximale) en troisième et du Kimi K3 (version basse performance) en quatrième. À titre de comparaison, le Gemma4-31b est classé 32e, tandis que le Qwen3.6-27B est 17e. De nombreux facteurs entrent en jeu, mais ce classement nous donne un aperçu rapide de la position des derniers modèles de Meta face à la concurrence.

Comment essayer Muse Glimmer

Vous pouvez dès maintenant essayer Muse Glimmer en téléchargeant les poids depuis Hugging Face . Meta indique que le modèle sera disponible prochainement via des applications comme Ollama, LM Studio et Unsloth.