Meta lanza Muse Glimmer y promete abrir los pesos de Muse Spark 1.2
Meta ha presentado su nuevo modelo multimodal Muse Glimmer, que supera a sus competidores en pruebas de referencia. La compañía también anunció la apertura de pesos para Muse Spark 1.2.
Meta lanza Muse Glimmer y promete abrir los pesos de Muse Spark 1.2
Muse Glimmer es un modelo multimodal de 30B que supera a Qwen 3.6 27B y Gemma 4 31B en las pruebas de referencia. Este es el primer lanzamiento notable de LLM abierto de Meta desde abril de 2025, y no se han lanzado modelos de la compañía en esta categoría de peso desde Code Llama 34B en agosto de 2023.
Arquitectónicamente, es un modelo denso con un codificador de percepción relativamente grande. La principal desventaja obvia es la longitud del contexto de solo 131k, que es menor que la de sus competidores.
Junto con el modelo, se lanzaron cuantizaciones oficiales, lo que permite que el modelo quepa en 24 gigabytes de VRAM. También se lanzó un modelo de borrador oficial, lo que permite que Muse Glimmer funcione en una sola 5090 a una velocidad de 230 tokens por segundo.
Por qué es importante
AnálisisEsto es significativo ya que Muse Glimmer representa un gran avance en los modelos multimodales, lo que puede impactar en varias áreas de aplicación de AI. La apertura de pesos para Muse Spark 1.2 también beneficiará a la comunidad de desarrolladores.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Familia Llama (Meta Llama)
Serie de modelos de lenguaje fundamentales y abiertos de Meta (Llama 3, 3.1, 3.3) que se han convertido en el estándar industrial de la ecosistema Open Weights, IA local y fine-tuning corporativo.
Investigadores del MIT muestran que GPT-6 Astra puede mejorar otros modelos de IA cambiando sus pesos
En un experimento, Astra elevó la precisión de Qwen3.5-0.8B en MATH-500 del 7,9% al 48,1% cambiando solo el 0,016% de los pesos del modelo.
JSON — Datos estructurados para programas, APIs y agentes de IA
Guía práctica y completa sobre JSON: especificación de sintaxis, serialización con parse y stringify, consumo de APIs REST, validación con JSON Schema y salidas estructuradas para LLMs.
Formatos DOCX y XLSX: cuándo se necesita un documento final completo de la IA
Guía práctica y completa sobre la generación y procesamiento de documentos DOCX y libros XLSX con IA: comparativa con Markdown y CSV, ingeniería de prompts, fórmulas y automatización en código.