Manifest, který dostal konkrétní podobu
Mark Zuckerberg zveřejnil 10. srpna text The Future is for Everyone. Meta v něm odmítá představu, že nejvýkonnější AI má zůstat pod kontrolou několika laboratoří, vlád nebo velkých institucí. Místo toho prosazuje širokou distribuci výpočetních schopností mezi jednotlivce a malé firmy.
Ve stejném období se na Hugging Face objevil model Meta Muse Glimmer 30B. Dokumentace společnosti Unsloth jej označuje za první otevřený model Meta Superintelligence Labs. Nejde tedy jen o náhodnou časovou shodu. Meta současně říká, že chce vydávat open-source modely, a jeden takový model skutečně uvolnila.
To ovšem neznamená, že Meta zveřejnila kompletní systém „superinteligence“. Muse Glimmer je jeden konkrétní model s 30 miliardami parametrů. Jeho význam je praktičtější: ukazuje, jak může vypadat výkonný AI nástroj, který není dostupný pouze přes cloudové API.
Co Muse Glimmer umí
Muse Glimmer je multimodální dense model. Umí pracovat s textem i obrazem, takže může analyzovat například screenshot, fotografii dokumentu nebo obsah obrazovky. Označení dense znamená, že při výpočtu používá celou modelovou síť, nikoli pouze vybranou část expertů jako u architektur MoE.
Model je navržený pro agentní práci. Podle dokumentace Unsloth dokáže plánovat vícekrokové úlohy, postupně volat nástroje, reagovat na chyby, přizpůsobovat se změně podmínek a pokračovat v delších pracovních relacích. Důležitá poznámka je, že ukládání stavu a paměť dlouhodobé relace zajišťuje agentní prostředí, nikoli samotný model.
Model podporuje nastavitelné úsilí při uvažování v úrovních low, medium, high a xhigh. Výchozí kontextové okno má 131 072 tokenů, přičemž dokumentace uvádí možnost rozšíření až na 262 144 tokenů. To může být užitečné při práci s rozsáhlým repozitářem, dlouhým dokumentem nebo několika obrazovými vstupy.
Lokální běh není jen marketingová fráze
V plné přesnosti BF16 vyžaduje Muse Glimmer přibližně 58 GB paměti. To je mimo možnosti běžného notebooku. Po kvantizaci se ale situace výrazně mění. Unsloth uvádí, že dynamická 4bitová varianta potřebuje přibližně 17 až 19 GB paměti pro samotný model. Pro praktický běh je proto vhodnější počítat s rezervou a celkovou pamětí kolem 24 až 32 GB.
Nejnižší 2bitová varianta může podle doporučení fungovat na systému s přibližně 18 až 20 GB celkové paměti, zatímco vyšší 6bitová kvalita vyžaduje zhruba 32 až 40 GB. Plná přesnost je určena spíše pro počítače s 58 GB a více. Model lze provozovat na procesoru i GPU a podporované formáty zahrnují GGUF pro llama.cpp. Unsloth zmiňuje také Apple Silicon, Windows a Linux.
Pro české uživatele to znamená, že Muse Glimmer není určený pro průměrný kancelářský počítač, ale už nevyžaduje datacentrum. Reálně se nabízí například výkonnější herní PC, Mac s 32 GB unified memory nebo menší lokální server. Kvantizace však není bez kompromisů: nižší počet bitů zmenší nároky, ale může snížit přesnost a stabilitu výstupů.
První čísla vypadají slibně, ale nejsou nezávislým testem
Unsloth na své stránce uvádí výsledky Muse Glimmer v několika kategoriích. V agentním kódování dosahuje podle této tabulky 77,2 bodu v SWE-Bench Verified a 60,7 v TerminalBench 2.1. U ovládání počítače je uvedeno skóre 75,6 v OSWorld-Verified. V multimodálních úlohách stránka uvádí například 77,8 v OmniDocBench v1.5 a 75 v MMMU Pro.
Objevují se také výsledky 94,7 v AIME 2026 a 85,7 v GPQA Diamond. Tato čísla ale pocházejí z materiálu výrobce kvantizací a podpůrné platformy, nikoli z nezávislého redakčního měření. Navíc textová verze tabulky neukazuje dostatečně jasně všechny porovnávané modely. Nelze proto poctivě tvrdit, že Muse Glimmer poráží GPT, Gemini nebo Claude. Zatím lze říct pouze to, že Meta model cílí na stejný typ agentních a multimodálních úloh, v nichž se dnes poměřují nejvýkonnější komerční systémy.
Apache 2.0 a open-weight model
Muse Glimmer je vydán pod licencí Apache 2.0. To je pro firmy a vývojáře důležitější než pouhá možnost model vyzkoušet. Licence obecně umožňuje model používat, upravovat a začleňovat do vlastních projektů, včetně komerčních aplikací, při dodržení licenčních podmínek.
„Open-weight“ však není totéž jako plně open-source AI v nejširším smyslu. Zveřejněné váhy umožní lokální provoz a fine-tuning, ale neznamenají automaticky zveřejnění kompletních trénovacích dat, všech interních postupů nebo infrastruktury, na které byl model vyvíjen. Pro firmy je proto nutné číst nejen licenci, ale také model card, bezpečnostní dokumentaci a podmínky konkrétní distribuce.
Meta tím získává víc než jen publicitu
Muse Glimmer je konkrétní a užitečný model, ale jeho vydání má také strategický rozměr. Meta se snaží odlišit od laboratoří, které staví hlavně uzavřené cloudové služby. Otevřený model může přivést vývojáře k jejímu ekosystému, vytvořit tlak na konkurenci a současně podpořit Zuckerbergovo tvrzení, že Meta chce AI rozdělit mezi lidi, nikoli ji centralizovat.
Rozpor zůstává zřejmý. Meta mluví o rozložení moci, ale sama investuje obrovské prostředky do datacenter, čipů a vlastních modelů. Muse Glimmer skutečně snižuje technickou bariéru pro lokální AI, přesto není dostupný každému bez dalšího vybavení a znalostí. Je proto přesnější vnímat jej jako první konkrétní ukázku směru Meta než jako důkaz, že éra AI pro všechny už začala.
