Muse Glimmer: Cihazınızda Çalışan Meta'nın Açık Ajanik Modeli

Meta Superintelligence Labs, Muse Glimmer'ı 10 Ağustos 2026'da yayımladı ve 2026 model lansmanları için alışılmadık bir vaatle geldi: bir dizüstü bilgisayarda çalışıyor.

Bu, yerel, her zaman açık iş akışları için oluşturulmuş, Apache 2.0 lisansı altında açık ağırlıklarla sunulan 30 milyar parametreli bir ajanik model.

Öne çıkan iddia, Muse Glimmer'ın tek bir 24 GB tüketici GPU'sunda veya Mac sınıfı birleşik bellek sisteminde tam bir ajan olarak (planlama, araç çağrıları, öz-denetim ve hatalardan kurtarma) çalıştığı. 120K+ bağlam penceresi, çok modlu metin ve görsel girişi ve modeli 20 GB altına indiren kuantize ağırlıklarla geliyor. Meta, ağırlıkları geliştirici dokümantasyonuyla birlikte Hugging Face üzerinde açık kaynak olarak yayımladı.

Bu yazıda, Muse Glimmer ile gelen tüm yenilikleri; özelliklere, Qwen3.6-27B ve Gemma4-31B gibi modellere karşı kıyaslamalara ve yerel dağıtım hilelerine bakarak ele alacağım. Ayrıca ayrı bir Muse Glimmer'ı yerelde AI kodlama için çalıştırma rehberimizi okuyabilirsiniz. 

Genel olarak modelleri yerelde çalıştırma hakkında daha fazla bilgi için Qwen3.6 ince ayarlama eğitimimize göz atın ve Yapay Zeka Ajanı Temelleri beceri yolumuzla hız kazanın.

Kısaca

• Muse Glimmer, Meta Superintelligence Labs tarafından 10 Ağustos 2026'da yayımlanan, 30B açık ağırlıklı (Apache 2.0) bir ajanik modeldir.
• Tek bir 24 GB veya 32 GB GPU ya da Mac üzerinde yerel olarak çalışır; ağırlıklar ~4-bit'e kuantize edilmiştir (20 GB altında).
• MCP-Atlas'ta (75,5) ve DeepSearch QA'da (74,6) kendi boyut sınıfının lideridir ancak OSWorld-Verified ve Terminal-Bench 2.1'de Qwen3.6-27B'nin gerisinde kalır.
• Metin ve görsel girdi, yalnızca metin çıktı. Ses yok; video, gerçek video anlayışı yerine tekil kareler olarak ele alınır.
• Meta barındırmalı bir API yok; kendiniz barındırırsınız veya Together AI ve Fireworks AI gibi üçüncü taraf sağlayıcıları kullanırsınız.

Muse Glimmer Nedir?

Muse Glimmer, bulut barındırmalı sohbetten ziyade yerel ajan iş akışları için optimize edilmiş, Meta Superintelligence Labs imzalı 30 milyar parametreli yoğun bir modeldir.

Daha büyük bir dahili öğretmen modelin, Muse Spark'ın daha küçük ve damıtılmış kardeşi olarak konumlandırılıyor ve Meta açıkça Muse Glimmer'ın "Öncü Yapay Zeka" tanımını karşılamadığını söylüyor.

Buradaki yenilik, hedef dağıtım ortamı.

Bu kadar yetenekli çoğu ajanik model arkasında bir veri merkezi varsayar; Muse Glimmer ise çevrimdışı olarak tek bir tüketici GPU'sunda çalışmak üzere tasarlandı.

Meta, ağırlıkları yaklaşık 4-bit hassasiyete sıkıştırarak dil modelini 20 GB altına indirdi; böylece 24 GB veya 32 GB bellek sınırına, üstelik biraz boşluk kalarak sığdırdı.

Dikkat çeken başlıca kıyaslama MCP-Atlas: genel bir ajanik kıyaslamada Muse Glimmer 75,5 puan alırken Qwen3.6-27B 62,5 ve Gemma4-31B 54,2 puan alıyor.

İnternet bağlantısı olmadan çalıştırabileceğiniz bir model için, ajanik orkestrasyonda kendi boyut sınıfının başında gelmesi bu sürümün esas noktası.

Muse Glimmer'ın Öne Çıkan Özellikleri

Muse Glimmer, kişisel ajanları yerelde çalıştırma etrafında inşa edilmiştir; bu nedenle özellikleri görev tamamlama, araç kullanımı ve sınırlı donanımda duyarlı kalma üzerine odaklanır.

Uygulayıcılar için en önemli yetenekler şunlar.

Çevrimdışı tam bir ajan çalıştırın

Muse Glimmer'ı çok adımlı bir göreve yönlendirip planlama yapmasını, araçları çağırmasını, kendi sonuçlarını denetlemesini ve ağ bağlantısı olmadan hatalardan kurtulmasını sağlayabilirsiniz.

Meta'nın Baş Yapay Zeka Sorumlusu Alexandr Wang, modelin "tam yetenekli bir ajan" olarak çalıştığını ve ajanik güvenilirliğini 24 GB VRAM üzerinde koruduğunu söyledi.

Uygulayıcılar için bu, bir ajanın nerede yaşayabileceğini değiştiriyor.

E-postalarınızı taslak hâline getiren, dosyalarınızı yeniden düzenleyen veya takviminizi triyaj eden bir model, kişisel bağlama derin erişim gerektirir ve bu bağlamın cihazda tutulması, onu bir bulut API'sine göndermekten farklı bir gizlilik duruşudur.

Hata kurtarmalı güvenilir araç çağrısı

Muse Glimmer, uzayan iş akışları boyunca kesin şemalarla araçları çağırır ve bir çağrı başarısız olduğunda veya beklenmedik bir şey döndürdüğünde, hatayı teşhis edip durmak yerine yeniden denemesi için eğitilmiştir. Bu hata kurtarma davranışı, bir görevi bitiren ajanla yarı yolda tıkanan arasındaki farktır.

OpenClaw ve diğer ajanik orkestrasyon kalıplarıyla çalışır; bu da tek bir iskelenin içine hapsolmadığınız anlamına gelir.

Meta, dokümantasyonda özel iskelelerin nasıl kurulacağına dair yönergeler sunuyor; bu önemli çünkü bir ajanın kalitesi çoğu zaman ham modelden çok etrafındaki kılıfa bağlıdır.

Ekran görüntülerini, grafikleri ve belgeleri okuyun

Özel bir algılayıcı kodlayıcı üzerinden Muse Glimmer, iç içe geçmiş metin ve görselleri kabul eder; böylece bir ajan, konuşmanın yanında bir hata iletişim kutusunun ekran görüntüsünü, bir satış grafiğini veya taranmış bir faturayı yorumlayabilir.

Bu, metin ve görsel girdi, metin çıktı demektir.

Burada vurgulanmaya değer gerçek bir sınır var: ses girişi veya çıkışı yoktur ve video, gerçek video anlayışı yerine yalnızca tekil kareler olarak ele alınır.

İş akışınız baştan sona bir ekran kaydını izlemeyi gerektiriyorsa, bu model sizin için uygun değildir.

Kontrol edilebilir akıl yürütme çabası

Muse Glimmer farklı akıl yürütme güçlerini destekler; böylece göreve bağlı olarak kaliteyi hızla takas edebilirsiniz.

Hızlı bir dosya yeniden adlandırma ajanının, çok adımlı bir hata ayıklama oturumu kadar müzakereye ihtiyacı yoktur ve bunu cihaz üzerinde ayarlayabilmek gecikmeyi makul tutar.

Model 100'den fazla dilden gelen verilerle de eğitilmiştir; ancak Meta, bunların hepsinde değerlendirme yapılmadığı ve güçlü desteklenen küme dışına çıkıldığında kalitenin düşebileceği konusunda uyarıyor.

Muse Glimmer Kıyaslamaları

Meta, Muse Glimmer'ı kendi hazırladığı kılıfı kullanarak ajanik, kodlama, çok modlu, güvenlik ve akıl yürütme kategorilerinde Gemma4-31B ve Qwen3.6-27B'ye karşı değerlendirdi.

Bu yazı yazılırken bağımsız yeniden üretimler yayımlanmamıştı; bu nedenle bunları üretici rakamları olarak değerlendirin.

Muse Glimmer genel ajanik kıyaslamalarda kendi boyut sınıfında önde gelse de, bazı bilgisayar kullanımı ve terminal görevlerinde Qwen3.6-27B'nin gerisinde kalıyor.

Muse Glimmer vs Qwen3.6-27B vs Gemma4-31B genel görünüm

Aşağıdaki tabloda Muse Glimmer'ın rakiplerle nasıl karşılaştırıldığını hızlıca görebilirsiniz: 

MCP-Atlas ve genel ajanik

MCP-Atlas, bir modelin Model Context Protocol üzerinden araç çağrılarını ne kadar iyi yönettiğini ölçer; Muse Glimmer 75,5 puan alırken Qwen3.6-27B 62,5 ve Gemma4-31B 54,2 alır.

Çok adımlı bilgi getirme için bir kıyaslama olan DeepSearch QA'da Muse Glimmer 74,6 puanla Qwen3.6-27B'nin 71,1'inin biraz önünde ve Gemma4-31B'nin 61,7'sinin epey ilerisinde.

Tablo tekdüze değil. Gerçek bir masaüstü ortamında bilgisayar kullanım ajanlarını test eden OSWorld-Verified'da Muse Glimmer 65,9 alırken Qwen3.6-27B 75,6 ile önde; dolayısıyla ekran sürücü ajanlar için daha güçlü seçenek Qwen.

SWE-Bench ve ajanik kodlama

SWE-Bench Verified, bir modelin kod yazarak ve hata ayıklayarak gerçek GitHub sorunlarını çözüp çözemediğini ölçer.

Muse Glimmer 76,0 puanla Qwen3.6-27B'nin 77,2'sine yakın ve Gemma4-31B'nin 66,6'sının önünde.

Komut satırı görev tamamlama testleri olan Terminal-Bench 2.1'de Muse Glimmer 51,7 ile Qwen3.6-27B'nin 60,7'sinin gerisinde kalıyor. Referans olması açısından, kendi eğitimimizde Qwen3.6'yı ince ayarladığımızda, SWE-bench ve Terminal-Bench'teki gücünün pratikte de korunduğunu gördük; dolayısıyla burada terminal görevlerindeki Qwen üstünlüğü gözlemlerimizle tutarlı.

Akıl yürütme: AIME 2026 ve GPQA Diamond

AIME 2026 bir yarışma matematiği kıyaslamasıdır ve Muse Glimmer 94,7 puanla Qwen3.6-27B'nin 94,1'ini az farkla geçip Gemma4-31B'nin 89,2'sini geride bırakıyor.

Bu kadar küçük bir model için güçlü bir sonuç.

Lisansüstü düzeyde bilim sorularından oluşan GPQA Diamond'da Muse Glimmer 83,5 alırken Gemma4-31B 85,7 ile lider; Qwen3.6-27B ise 84,2'de.

Humanity's Last Exam'de (metin, araç yok) Muse Glimmer 22,0 alarak her iki rakibinin de biraz gerisinde kalıyor.

Çok modlu: MMMU Pro ve Charxiv

MMMU Pro, lisansüstü zorluk düzeyinde görseller ve metin arasında çok modlu akıl yürütmeyi test eder ve üç model neredeyse aynı seviyededir: Muse Glimmer 74, Qwen3.6-27B 75, Gemma4-31B 73.

Grafik yorumlamayı test eden Charxiv Reasoning'de Muse Glimmer 78,8 alarak rakiplerinin her ikisinin de çok az önünde.

Meta'nın ScreenSpot Pro'daki kendi güç iddiası tam tutmuyor: Muse Glimmer 75,4 alırken Qwen3.6-27B 76,1 ile önde.

Çok modlu kategori yeterince yakın; bu, modeller arasında belirleyici faktör olmayacak.

Güvenlik: CI Memories ve Siren AgentDojo

Gizlilik ihlali oranını ölçen CI Memories'te (daha düşük daha iyi), Muse Glimmer 26,4 ihlal oranı kaydederken Gemma4-31B çok daha temiz 12,1 ve Qwen3.6-27B 53,4 ile geliyor.

Dolayısıyla burada Muse Glimmer rakiplerinin arasında yer alıyor; Qwen'den daha güvenli ancak bu ölçütte Gemma'nın oldukça gerisinde.

İstem enjeksiyonu saldırılarına direnci ölçen Siren AgentDojo'da Muse Glimmer 94,2 faydayla %28,4 saldırı başarısı gösteriyor; Gemma4-31B %25,6, Qwen3.6-27B ise %40,3. Güvenilmeyen içerikle temas eden bir ajan dağıtıyorsanız, bu enjeksiyon direncini dikkate almak gerekir.

Muse Glimmer Fiyatlandırma ve Erişilebilirlik

Muse Glimmer, Apache 2.0 altında açık ağırlıklar olarak dağıtılır ve Meta barındırmalı bir birinci taraf API yoktur.

Bu, Meta'dan raporlanacak belirteç başına fiyat olmadığı anlamına gelir: maliyetiniz, ölçülü bir API ücreti değil, altyapı ve kendi barındırmanızdır.

Birden fazla yoldan başlayabilirsiniz:

• Ağırlıkları doğrudan Hugging Face'ten indirin
• Yerelde Ollama, LM Studio veya Unsloth ile çalıştırın
• llama.cpp, ExecuTorch ve MLX gibi uç çerçevelerine dağıtın
• vLLM ve SGLang ile ölçekli olarak sunun
• Together AI, Fireworks AI ve OpenRouter gibi barındırılan üçüncü taraf sağlayıcıları kullanın
• PyTorch'un TorchTitan'ı ile daha da ince ayar yapın

Meta, cihazlar genelinde performansı ayarlamak için AMD, Arm, Dell, Intel ve NVIDIA ile çalışıyor.

Pratik donanım hedefi 24 GB veya 32 GB'lık bir makinedir: Meta, K-Quant-17GB derlemesinin ve kuantize DFlash taslakçısının bir RTX 5090'da kod çözmeyi 3,1x, bir M5 Max'te 1,8x ve bir M4 Max'te 1,5x hızlandırdığını bildiriyor.

Son Düşünceler

Muse Glimmer, Meta'nın başka bir bulut amiral gemisi yerine yerel, özel, açık ağırlıklı ajanlar üzerine bilinçli bir bahis yaptığını gösteriyor.

Bunu 30B ile sınırlayıp tek bir tüketici GPU'suna sığacak kuantize ağırlıklarla sunarak Meta, çoğu laboratuvarın görmezden geldiği bir nişi hedefliyor: kişisel bağlamın cihazdan çıkmadığı, çevrimdışı çalışan bir ajan isteyen geliştiriciler.

Dürüst yorumum şu ki bu, tek tıkla bulut ikamesi değil, yapımcıların yığını.

Kıyaslama hikâyesi karışık (Qwen3.6-27B hâlâ OSWorld-Verified ve Terminal-Bench 2.1'de önde ve Gemma4-31B, CI Memories'te daha temiz) ve yorumcular, bellek sınırına yakınken Muse Glimmer'ı yavaş ve kırılgan olarak nitelendirdi. Ancak MCP-Atlas ve DeepSearch QA'da kendi boyut sınıfının lideri olması ve müsamahakâr Apache 2.0 lisansıyla, yerel ajanlar inşa eden herkes için ciddi bir seçenek.

Uyarılar: ses yok, video sadece kareler hâlinde, dil kapsamı düzensiz ve bağımsız yeniden üretimler gelene kadar yalnızca üretici kıyaslamaları mevcut.

İş akışınız gizlilik açısından hassassa veya gerçekten ağ olmadan çalışması gerekiyorsa, Muse Glimmer'ı indirip kendi donanımınızda Qwen3.6 ile karşılaştırarak test etmeye değer.

Bu tür modelleri kendiniz çalıştırıp ayarlayacak becerileri geliştirmek istiyorsanız, ilk otonom yapay zeka ajanınızı oluşturma eğitimimizi öneririm.