Meta coloca agente de 30 bilhões de parâmetros dentro da placa de vídeo

Meta anunciou o Muse Glimmer no dia 10 de agosto de 2026 com uma proposta incômoda para quem vive de API paga. O modelo tem cerca de 30 bilhões de parâmetros e roda dentro de um computador pessoal comum. Além disso, ele nasceu com pesos abertos sob licença Apache 2.0, publicados no Hugging Face. Contudo o laboratório responsável foi o Meta Superintelligence Labs. Portanto, a conversa aqui passa longe de mais um chatbot↳Chatbots21 conteúdosiMasters Case – Cresce uso de chatbots no WhatsAppDevSecOps · nov 2020Criando um ChatBot em menos de 5 minutos? Sim, é possível!AI · abr 2019Chatbots que analisam tom de voz e texto reduzem frustração em atendimentosAI · jul 2025Ver tudo em AI → de navegador.

O foco declarado são agentes. Ou seja, o modelo executa tarefas do início ao fim, chama ferramentas, escreve código e refaz o caminho quando uma ação falha. Ele também aceita texto e imagem, com treinamento em mais de 100 idiomas.

Meta cortou 55 GB de memória para caber em uma única GPU

Memória sempre foi o gargalo desse tipo de entrega. Em precisão completa, os 30 bilhões de parâmetros exigiriam mais de 55 GB. Assim, nenhuma placa de consumo daria conta do modelo inteiro na GPU.

A saída foi quantizar os pesos para algo próximo de 4 bits. Então, como resultado, o modelo passou a caber em hardware que muitos devs já têm na mesa.

Os números publicados pela empresa ajudam a dimensionar a escolha.

Precisão total: cerca de 64 GB de VRAM.
Configuração K Quant Dynamic: 32 GB de VRAM, com degradação de 0,2%.
Versão K Quant 17GB: 24 GB de VRAM, com perda de 1,0% de qualidade.

Perder 0,2% de qualidade para economizar metade da memória parece um acordo razoável. Inclusive, essa é a decisão de engenharia mais interessante do lançamento.

O que o modelo faz quando ninguém está olhando

Agentes se diferenciam de chatbots pela autonomia dentro do fluxo. Eles usam ferramentas externas, decidem o próximo passo e sustentam um plano por várias etapas. A Meta cita casos concretos como administrar agenda, organizar arquivos e redigir mensagens. Na prática, o Muse Glimmer também serve como avaliador em pipelines de LLM como juiz.

O refinamento combinou destilação e aprendizado por reforço. Além do mais, o treinamento usou rastros longos de raciocínio de agentes autônomos.

Nos comparativos divulgados, o modelo apareceu bem posicionado contra o Gemma4 31B e o Qwen3.6 27B. As categorias citadas foram agência, programação, multimodalidade, segurança e raciocínio. Com isso, vale lembrar que esses números vieram da própria Meta. Logo, o teste independente continua sendo tarefa de quem for colocar isso em produção.

A decodificação especulativa que triplica a velocidade na RTX 5090

Junto do modelo principal veio um modelo menor de apoio. Portanto ele prevê trechos de texto que ainda virão. Depois, o modelo grande verifica várias previsões de uma vez. Essa técnica atende pelo nome de decodificação especulativa.

Os ganhos medidos pela empresa impressionam.

3,1 vezes mais velocidade em uma RTX 5090.
1,8 vez em uma M5 Max.
1,5 vez em uma M4 Max.

Portanto, a diferença entre uma demo travada e um agente utilizável mora nesse detalhe.

Ollama, LM Studio e llama.cpp: onde o Muse Glimmer já roda

A distribuição saiu pronta para quem quer testar hoje. O modelo roda via Ollama, LM Studio e Unsloth. Ele também conversa com llama.cpp, ExecuTorch e MLX. Para escala, existe compatibilidade com vLLM e SGLang. A empresa ainda prometeu liberar otimizações para essas bibliotecas nos próximos dias.

A Meta afirma trabalhar com Nvidia, Intel, Arm, AMD e Dell no ajuste de desempenho por aparelho. Enquanto isso, a Nvidia prepara chips novos para PCs com Windows.

Apache 2.0 muda o que você pode colocar em produção: Meta

Licença costuma ser o ponto onde o entusiasmo esbarra no jurídico. Aqui, a Apache 2.0 libera uso comercial. Na prática, isso significa três coisas para o seu projeto.

Primeiro, você pode embarcar o modelo em um produto pago.
Depois, você pode modificar os pesos e distribuir a versão alterada.
Por fim, você reduz a dependência de uma API externa que muda de preço sem aviso.

Dados sensíveis podem permanecer na máquina do usuário. Por isso, casos com exigência regulatória ganham um caminho novo.

Quanto custa a privacidade em GB de VRAM

Rodar local resolve latência de rede, custo por token e vazamento de contexto. Contudo, em compensação, o custo migra para o hardware.

Uma placa de 24 GB já coloca o modelo de pé na versão mais comprimida. Uma de 32 GB entrega qualidade quase idêntica à precisão total. Contudo, times acostumados a escalar horizontalmente na nuvem precisam refazer a conta de infraestrutura.

Para universidades, startups e laboratórios brasileiros, esse cálculo tende a fechar. Afinal, orçamento em dólar e conectividade instável pesam bastante por aqui.

Por que a Meta entrega de graça o que a concorrência cobra

O lançamento veio acompanhado de uma carta longa de Mark Zuckerberg. Nela, o executivo defende menos restrições nos Estados Unidos para modelos de pesos abertos. A empresa também planeja liberar os pesos do Muse Spark 1.2, seu modelo mais avançado. Vale notar o contraste com o mês passado, quando a Meta começou a cobrar de desenvolvedores pelo acesso ao Muse Spark 1.1.

Existe estratégia clara por trás da generosidade. Um modelo instalado no aparelho mantém o usuário dentro do ecossistema da companhia. Além disso, a Meta estuda montar um negócio de infraestrutura em nuvem parecido com a AWS↳AWS20 conteúdosE-mails de verificação com AWS SES + Lambda (Node.js) e Terraform: do zero ao envioDevSecOps · out 2025Codex na AWS: chegada do agente da OpenAI à nuvem da AmazonDevSecOps · abr 2026Salesforce e AWS ampliam colaboração em IA, CRM e marketplaceDevSecOps · nov 2023Ver tudo em DevSecOps →.

Meta: Por onde começar o seu teste ainda nesta semana

Comece medindo a sua VRAM disponível. Depois, baixe a versão compatível pelo Hugging Face e suba o modelo no Ollama ou no LM Studio. Em seguida, monte um caso de uso agêntico pequeno e real. Portanto organizar arquivos de um diretório funciona bem como primeiro teste. Finalmente, compare custo, latência e qualidade contra a API que você usa hoje.

A resposta desse comparativo vale mais do que qualquer benchmark divulgado por fabricante.

Acompanhe nosso perfil no Instagram!