Meta's Muse Glimmer: lokale AI-agenten op je eigen GPU

Sophie Jansen · 2026-08-10

Meta zet een grote stap richting lokale AI. Het bedrijf brengt Muse Glimmer uit onder een Apache 2.0-licentie, zodat je AI-agenten lokaal kunt draaien op een consumenten-GPU. Geen cloud, geen netwerkvertraging, maar gewoon op je eigen hardware. De Superintelligence Labs van Meta hebben de gewichten van dit 30-miljard-parameter model op Hugging Face gezet. Ontwikkelaars kunnen het inzetten voor lokale coding, function calling, lokale agenten en LLM-as-a-judge evaluaties. Het is een direct antwoord op een groot probleem: cloudmodellen vereisen constante netwerktoegang en zware centrale infrastructuur. ### Waarom lokale AI-agenten nu belangrijk zijn Denk eens aan een persoonlijke agent die toegang heeft tot je agenda, berichten, bestanden en andere privégegevens. Met een cloudmodel stuur je die gevoelige data naar een externe server. Dat voelt niet prettig en is vaak ook niet toegestaan. Muse Glimmer maakt het mogelijk om zo'n agent volledig lokaal te draaien. Jouw data blijft op jouw apparaat. Dit opent de deur naar toepassingen die voorheen onmogelijk waren. Automatische rapportages, slimme assistenten die je e-mail samenvatten, of een agent die code schrijft in je eigen repository. Alles zonder dat er een byte aan data je apparaat verlaat. ### Prestaties: waar Muse Glimmer uitblinkt Meta heeft uitgebreide benchmarks uitgevoerd en de resultaten zijn indrukwekkend. Op vijf van de acht algemene agent-benchmarks verslaat Muse Glimmer zowel Gemma4-31B als Qwen3.6-27B. Enkele highlights: - **MCP Atlas:** Muse Glimmer scoort 75,5, tegen 54,2 voor Gemma en 62,5 voor Qwen - **DeepSearch QA:** 74,6 voor Muse Glimmer, versus 61,7 en 71,1 - **τ²-Banking:** 23,5, terwijl de concurrenten op 15,1 en 16,7 blijven steken - **WildClawBench:** 47,6, tegen 37,6 en 43,2 Die scores laten zien dat het model uitblinkt in taken die een agent moet kunnen uitvoeren binnen een scaffold en bij multi-turn verzoeken. Maar eerlijk is eerlijk: Qwen3.6-27B wint op andere vlakken, zoals GDPval-AA en OSWorld-Verified. ### Coderen: een interessante tweestrijd Op het gebied van coderen is het beeld genuanceerder. Muse Glimmer leidt op SWE-Bench Pro met 51,2, tegen 50,2 voor Qwen. Bij SciCode is het verschil minimaal: 43,6 tegen 43,4. Maar Qwen pakt de winst op SWE-Bench Verified en TerminalBench 2.1. > Een lokale codeer-agent doet meer dan alleen code produceren. Het heeft een scaffold nodig die bepaalt tot welke repositories, terminals en testomgevingen het model toegang krijgt. Meta zegt dat Muse Glimmer OpenClaw en andere agent-orchestratiepatronen ondersteunt. De ontwikkelaarsdocumentatie bevat aangepaste scaffolds. Belangrijk advies: definieer van tevoren welke commando's en repositories beschikbaar zijn. Het model is getraind op retry-gedrag bij mislukte toolcalls. Dat vereist controle over herhaalpogingen, vooral wanneer een tool broncode kan wijzigen of externe systemen kan aanroepen. ### Multimodaal: tekst én beeld combineren Muse Glimmer accepteert interleaved tekst en afbeeldingen via een speciale perceptie-encoder. Daardoor kan de agent screenshots, grafieken en documenten interpreteren tijdens een gesprek. Op Charxiv Reasoning wint het model met 78,8, nipt voor Gemma (77,7) en Qwen (78,4). Toch is Qwen op de meeste multimodale tests sterker. ScreenSpot Pro, OmniDocBench en MMMU Pro gaan naar de concurrent. Het is dus geen onbetwiste overwinning, maar wel een serieuze concurrent. ### Wat betekent dit voor de praktijk? Deze benchmarks meten gecontroleerde taken. Ze laten niet zien hoe een lokale agent zich gedraagt wanneer je hem verbindt met je eigen bestanden, agenda's, chatsystemen of interne tools. Die praktijktest zul je zelf moeten doen. Voor organisaties die privacy hoog in het vaandel hebben staan, is Muse Glimmer een serieuze optie. De combinatie van lokale verwerking, open licenties en sterke prestaties op agent-taken maakt het een interessante keuze. Zeker als je bedenkt dat je geen dure cloudinfrastructuur nodig hebt. De echte vraag is niet of Muse Glimmer beter is dan Qwen of Gemma. De vraag is of jouw gebruiksscenario baat heeft bij lokale verwerking. Als dat zo is, dan is dit model absoluut het testen waard.