Meta vừa làm điều mà nhiều người không tưởng: mở weights hoàn toàn cho model AI agent chạy trực tiếp trên máy tính cá nhân. Muse Glimmer, model 30 tỷ parameter với giấy phép Apache 2.0, có thể chạy agent tự hành trên một chiếc RTX 3090 hoặc MacBook Pro M4 Max mà không cần cloud, không cần API, không trả phí token.
Sau quyết định đóng nguồn dòng Muse Spark hồi tháng 4 khiến cộng đồng phẫn nộ, lần này Zuckerberg chọn quay lại open-source mạnh hơn cả thời Llama. Apache 2.0 không có giới hạn 700 triệu user như Llama cũ, dùng thương mại thoải mái.
Muse Glimmer là gì và tại sao bạn cần quan tâm?
Muse Glimmer là model AI 30 tỷ parameter được Meta tối ưu专门 cho tác vụ agent chạy local. Khác với chatbot trả lời câu hỏi, Glimmer được train cho vòng lặp agent: lập kế hoạch, gọi tool, kiểm tra kết quả, và tự sửa lỗi khi thất bại. Mình test qua không ít model local, nhưng một model 30B có thể tự đọc screenshot, gọi API, viết code rồi deploy lên server local mà không cần cloud — đây là lần đầu tiên thấy ở kích thước này.
Chạy trên GPU cá nhân, Glimmer có thực sự đủ ngon?
Theo benchmark của Meta, Glimmer đạt 51.2 trên SWE-Bench Pro, so với 36.9 của Gemma4-31B và 50.2 của Qwen3.6-27B. Trên MCP Atlas, Glimmer dẫn đầu với 75.5 điểm. Nhưng Qwen3.6 vẫn vượt Glimmer trên OSWorld-Verified (75.6 so với 65.9) và TerminalBench 2.1 (60.7 so với 51.7).
Nói thẳng: Glimmer mạnh hơn đối thủ ở tác vụ agent end-to-end, nhưng yếu hơn ở coding thuần. Nếu bạn cần model viết code thì Qwen vẫn hơn, còn nếu cần agent tự hành làm nhiều bước thì Glimmer là lựa chọn tốt nhất trong tầm giá 30B.
Meta quay lại open-source sau scandal Muse Spark
Tháng 4/2026, Meta đóng nguồn toàn bộ dòng Muse, thay thế Llama bằng proprietary Muse Spark. Cộng đồng phản ứng gay gắt. Bây giờ, Zuckerberg giải thích Muse Glimmer là bước đầu tiên trong cam kết open-source mới, và hứa phát weights cho Muse Spark 1.2 — model flagship đằng sau Muse Code — trong thời gian tới.
Mình nghĩ đây là bước đi chiến thuật chứ không phải sự hối hận. Nvidia vừa tung Nemotron 3.5 Lightning, Google có Gemma 4, Alibaba có Qwen3.8-Max open-weight 2.4 nghìn tỷ parameter. Nếu Meta tiếp tục đóng nguồn, họ sẽ mất toàn bộ developer mindshare vào tay đối thủ.
Cài đặt Muse Glimmer trên máy cá nhân như thế nào?
Weights đã có sẵn trên Hugging Face. Bạn có thể chạy Glimmer qua Ollama, LM Studio, vLLM, hoặc llama.cpp. Yêu cầu phần cứng tối thiểu: GPU 24GB VRAM (RTX 3090, RTX 4090) cho bản K-Quant-17GB, hoặc 32GB cho bản K-Quant-Dynamic (RTX 5090). Trên Mac, cần MacBook Pro 32GB trở lên do Apple Silicon dùng unified memory.
Meta báo cáo degradation chỉ 0.2% trên 15 benchmark khi dùng quantization 4-bit. Tốc độ với DFlash speculative decoding đạt 233.4 tokens/giây trên RTX 5090, nhanh gấp 3.1 lần bình thường. Trên M5 Max MacBook Pro, tốc độ tăng từ 26.6 lên 50.2 tokens/giây.
So sánh Muse Glimmer vs Gemma 4 vs Qwen3.6: ai thắng?
Mình so sánh ba model cùng lớp kích thước dựa trên data Meta công bố:
- Agent end-to-end (DeepSearch QA): Glimmer 74.6, dẫn đầu
- Coding (SWE-Bench Pro): Glimmer 51.2, Qwen 50.2, Gemma 36.9
- OS Operations (OSWorld): Qwen 75.6, Glimmer 65.9
- Prompt Injection (AgentDojo): Glimmer 28.4% attack-success, Gemma 25.6%, Qwen 40.3%
- Privacy (CI Memories): Gemma 12.1 (tốt nhất), Glimmer 26.4, Qwen 53.4
Kết luận của mình: Glimmer là model local agent toàn diện nhất hiện tại ở kích thước 30B, nhưng không vô địch mọi mặt. Bảo mật prompt injection vẫn là điểm yếu cần lưu ý — 28.4% attack-success rate nghĩa là gần 1/3 cuộc tấn công thành công.
AI agent local: tương lai hay chỉ là gimmick?
Mình đã chạy agent local đủ kiểu, từ Llama 3 đến DeepSeek V4. Vấn đề lớn nhất luôn là tốc độ và bộ nhớ. Model 30B trước đây cần 55GB+ RAM, vô dụng với PC thông thường. Glimmer với quantization 4-bit và speculative decoding giải quyết được bài toán này — 24GB VRAM là ngưỡng mà nhiều developer đã có sẵn.
Nhưng điều mình thấy thú vị nhất không phải benchmark. Đó là khả năng agent đọc screenshot, gọi tool, viết code và self-verify mà không gửi dữ liệu lên cloud. Với ai làm việc với data nhạy cảm — tài chính, y tế, pháp lý — đây là thay đổi lớn. Bạn giữ toàn bộ quyền kiểm soát.
Liệu Glimmer có thay thế ChatGPT hay Claude? Không. Model 30B không thể match được model frontier hàng nghìn tỷ parameter. Nhưng cho tác vụ agent cụ thể trên máy cá nhân, Glimmer đủ sức làm việc thực, không phải demo.
Bạn nên dùng Muse Glimmer ngay không?
Nếu bạn có GPU 24GB+ hoặc MacBook Pro 32GB+ và cần agent chạy local: tải ngay. Apache 2.0 nghĩa là dùng thương mại không giới hạn, không phí API. Nếu bạn chỉ cần chatbot trả lời câu hỏi, model nhỏ hơn như Qwen3.6-14B hoặc Gemma 4-9B sẽ tiết kiệm hơn. Glimmer sinh ra cho agent, không phải cho chat.
Mình sẽ tiếp tục test Glimmer trên workstation trong tuần tới và cập nhật kết quả thực tế. Hi vọng Meta giữ lời hứa mở weights cho Muse Spark 1.2, vì cuộc đua open-weight AI đang nóng hơn bao giờ hết.
