meta
Meta: Muse Glimmer 30B
meta/muse-glimmer-30b
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Muse Glimmer 30B es el modelo multimodal denso de pesos abiertos (Apache 2.0) de Meta, con unos 30 000 millones de parámetros, destilado desde Muse Spark y diseñado para tareas agénticas autónomas en hardware de consumo. Según su ficha técnica, acepta texto e imágenes intercalados, genera texto, admite un contexto de unos 131K tokens y usa razonamiento siempre activo con niveles de esfuerzo seleccionables. Las evaluaciones del proveedor destacan el uso de herramientas, la programación y tareas de largo horizonte, mientras que el catálogo de OpenRouter añade mediciones externas limitadas de arena e índices. Las variantes cuantizadas y un modelo auxiliar de decodificación especulativa apuntan a envolventes de memoria de 24-32 GB.[1][2]
Puntos fuertes
- Diseñado para flujos agénticos de principio a fin: la ficha técnica reporta llamadas a herramientas fiables basadas en esquemas, planificación multipaso en horizontes largos y recuperación ante llamadas fallidas.[2]
- Un codificador de percepción dedicado acepta texto e imágenes intercalados (capturas de pantalla, gráficos, documentos) dentro de un contexto de unos 131K tokens, según el catálogo y la ficha técnica.[1][2]
- Pensado para despliegue local: versiones cuantizadas a 4 bits y un modelo auxiliar de decodificación especulativa por bloques apuntan a GPU de consumo, con una pérdida de calidad medida que el proveedor reporta como mínima.[2]
Limitaciones
- La evidencia proviene sobre todo del proveedor y de una ficha de catálogo; la verificación independiente es escasa, por lo que conviene validar los resultados y velocidades declarados con cargas de trabajo propias.[1][2]
- La ficha técnica advierte que puede generar respuestas inexactas, sesgadas u ofensivas, equivocarse en razonamiento multipaso ante escenarios nuevos, procesar video solo como fotogramas y no haber sido evaluado en todos los idiomas de entrenamiento.[2]
- El razonamiento es obligatorio y no opcional según el catálogo, y el fabricante recomienda desplegarlo con guardrails (por ejemplo, confirmación humana para acciones irreversibles) en lugar de usarlo de forma aislada.[1][2]
Dónde utilizarlo
- Agentes locales de programación y ejecución de tareas que planifican, invocan herramientas, depuran y se recuperan de errores sin infraestructura en la nube, según sugiere la lista de usos previstos del proveedor.[2]
- Asistentes multimodales que interpretan capturas de pantalla, gráficos y documentos junto a la conversación en entornos agénticos o ricos en información.[2]
- Generación de datos sintéticos o evaluación tipo LLM-como-juez para el desarrollo de modelos posteriores, sugerido como uso adecuado por la ficha técnica.[2]
Fuentes
- [1] OpenRouter catalog · Meta: Muse Glimmer 30BFuentes consultadas: 13 nov 2026
- [2] Model documentation · Meta: Muse Glimmer 30BFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
Muse Glimmer 30B is a dense, open-weight multimodal model from Meta Superintelligence Labs, distilled from Muse Spark and optimized for autonomous agents on consumer hardware. It is suited for long-horizon...
Especificaciones
- ID del modelo
- meta/muse-glimmer-30b
- ID canónico
- meta/muse-glimmer-30b-20260810
- Creador
- meta
- Añadido a OpenRouter
- 09.08.2026
- Longitud de contexto
- 131,072
- Modalidad
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.300 / salida $1.2
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | CC — por debajo de la franja B | razonamiento: obligatorio · predeterminado medium · esfuerzos: xhigh, high, medium, low · parámetros: include_reasoning, reasoning, reasoning_effort |
| Programación | BB — siguiente 30% de la cohorte | — |
| Agentes | BB — siguiente 30% de la cohorte | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: obligatorio · predeterminado medium · esfuerzos: xhigh, high, medium, low · parámetros: include_reasoning, reasoning, reasoning_effort |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Intelligence index | 6.3 | CC — por debajo de la franja B | 13.11.2026 |
| Artificial Analysis | Coding index | 49 | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 8.5 | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 26% · posición 100 | 1,070Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 35.7% · posición 81 | 1,160Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 29.9% · posición 94 | 1,109Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 39.6% · posición 63 | 1,198Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 39.1% · posición 73 | 1,186Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| DeepInfrabf16 | 131,072 | $0.300 | $1.2 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026