AI एजेंटों का उदय काफी हद तक तेजी से सक्षम बड़े भाषा मॉडल (एलएलएम) द्वारा संचालित हुआ है, लेकिन मेटा शर्त लगा रहा है कि प्रत्येक AI एजेंट को इसके पीछे डेटा सेंटर की आवश्यकता नहीं है।

सोशल मीडिया दिग्गज ने सोमवार, 10 अगस्त को म्यूज़ ग्लिमर नाम से एक नया ओपन-वेट, छोटा भाषा मॉडल (एसएलएम) लॉन्च किया, जिसे एकल उपभोक्ता GPU के साथ मैक या पीसी पर स्थानीय रूप से चलाने के लिए डिज़ाइन किया गया है। यह एक 30-बिलियन-पैरामीटर मॉडल है जो स्थानीय एजेंटों को तैनात करने के साथ-साथ कोड-जनरेशन, फ़ंक्शन कॉलिंग आदि के लिए अनुकूलित है।

मॉडल का वजन एक अनुमेय अपाचे 2.0 लाइसेंस के तहत जारी किया गया है और कंपनी की अलेक्जेंडर वैंग के नेतृत्व वाली AI इकाई, मेटा सुपरइंटेलिजेंस लैब्स (एमएसएल) द्वारा विकसित मॉडल को संशोधित और स्वयं-होस्ट करने वाले डेवलपर्स द्वारा हगिंग फेस के माध्यम से मुफ्त में डाउनलोड किया जा सकता है।

म्यूज ग्लिमर की शुरुआत पिछले साल कंपनी से AI शोधकर्ता यान लेकुन के हाई-प्रोफाइल निकास के बाद से फाउंडेशन मॉडल विकास के लिए ओपन-सोर्स दृष्टिकोण में मेटा की आंशिक वापसी का प्रतीक है। जबकि मेटा ने शुरुआत में कस्टम लाइसेंस के तहत जारी मॉडलों की अपनी लामा श्रृंखला के साथ ओपन-सोर्स AI पुश का नेतृत्व करने में मदद की, टेक दिग्गज ने AI दौड़ में ओपनएआई और एंथ्रोपिक से पीछे रहने के बाद बंद, मालिकाना एलएलएम विकसित करने की ओर रुख किया।

ऐसा तब हुआ है जब सिलिकॉन वैली मूनशॉट AI के किमी K3 और अलीबाबा के क्वेन जैसे नए चीनी ओपन-वेट AI मॉडल की बढ़ती चुनौती पर विभाजित है, जो न केवल यूएस-विकसित फ्रंटियर मॉडल के साथ प्रदर्शन अंतर को कम कर रहे हैं बल्कि कथित तौर पर उनकी लागत में भी कटौती कर रहे हैं।

एक्स पर एक पोस्ट में, CEO मार्क जुकरबर्ग ने लिखा, "मेटा ओपन सोर्स का एक मजबूत समर्थक है और मुझे इन रिलीज पर गर्व है।"

जुकरबर्ग ने ओपन-वेट AI मॉडल का जिक्र करते हुए एक लंबे ब्लॉग पोस्ट में कहा, "विदेशी प्रयोगशालाओं के पास वर्तमान में कई फायदे हैं क्योंकि अमेरिकी प्रयोगशालाओं को प्रशिक्षण डेटा पर कई अतिरिक्त प्रतिबंधों का पालन करना पड़ता है।" उन्होंने आगे कहा, "अगर हम चाहते हैं कि अमेरिकी ओपन सोर्स मॉडल समय के साथ आगे बढ़ें, तो अमेरिकी नीति को इस अतिरिक्त घर्षण को कम करना होगा।" उन्होंने आगे कहा कि विदेशी ओपन-सोर्स मॉडल तक पहुंच को प्रतिबंधित करना एक प्रभावी समाधान नहीं था।

आज हम म्यूज़ ग्लिमर के लिए भी वेट खोल रहे हैं, जो एक बेहतरीन 30बी पैरामीटर सघन मॉडल है जो स्थानीय स्तर पर चल सकता है। जल्द ही हम अपने नवीनतम फाउंडेशन मॉडल, म्यूज़ स्पार्क 1.2 के लिए वज़न भी जारी करेंगे। मेटा ओपन सोर्स का प्रबल समर्थक है और मुझे इन रिलीज़ों पर गर्व है। बधाई हो…

— मार्क जुकरबर्ग (@finkd) 10 अगस्त, 2026

आने वाले महीनों में, मेटा ने म्यूज़ स्पार्क 1.2 का एक ओपन-वेट संस्करण और एक नया अत्याधुनिक AI मॉडल जारी करने की योजना बनाई है, जिसे आंतरिक रूप से 'वाटरमेलन' कहा जाता है, जिसे म्यूज़ स्पार्क से अधिक शक्तिशाली माना जाता है। हालाँकि, यह स्पष्ट नहीं है कि बाद वाला मॉडल खुला होगा या बंद।

एक एसएलएम विकसित करने के लिए जो स्थानीय हार्डवेयर की गणना बाधाओं को दूर करता है, मेटा ने कहा कि उसने एक कॉम्पैक्ट आर्किटेक्चर के साथ एक मॉडल बनाने की योजना बनाई है। इसने म्यूज़ ग्लिमर को आसवन के माध्यम से एक बहुत बड़े, 'शिक्षक' मॉडल के आउटपुट पर प्रशिक्षित किया - आमतौर पर इस्तेमाल की जाने वाली AI/एमएल तकनीक जो हाल के दिनों में विवादास्पद हो गई है। म्यूज़ ग्लिमर को प्रशिक्षित करने के लिए उपयोग किया गया डेटा 100 से अधिक भाषाओं में फैले सिंथेटिक और जैविक डेटा का मिश्रण था।

प्रशिक्षण के बाद, मेटा ने कहा कि इसने सामान्य, तर्क, कोडिंग और एजेंटिक डोमेन में ऑन-पॉलिसी डिस्टिलेशन और सुदृढीकरण सीखने के मिश्रण के साथ पर्यवेक्षित फाइन-ट्यूनिंग को जोड़ा। कंपनी ने आगे कहा कि उसने मॉडल को स्थानीय रूप से डिवाइस पर चलाने के लिए विलंबता आवश्यकताओं को पूरा करने के लिए परिमाणीकरण जैसी अनुमान अनुकूलन तकनीकों का उपयोग किया।

सुरक्षा के संदर्भ में, मेटा ने कहा कि म्यूज़ ग्लिमर का मूल्यांकन उनके रिलीज़ होने से पहले ओपन-वेट मॉडल के आकलन के लिए अपने स्वयं के सुरक्षा ढांचे में निर्धारित मानकों के अनुसार किया गया था।

मेटा ने कहा कि उसने यह सुनिश्चित करने के लिए दो तकनीकें लागू कीं कि म्यूज़ ग्लिमर मॉडल आउटपुट की गुणवत्ता से समझौता किए बिना उपभोक्ता हार्डवेयर पर व्यावहारिक गति से चल सके।

जबकि 30-बिलियन पैरामीटर मॉडल को आमतौर पर 55 जीबी से अधिक मेमोरी की आवश्यकता होती है, मेटा मॉडल के वजन को लगभग 4-बिट परिशुद्धता तक संपीड़ित करके मेमोरी आवश्यकता को 20 जीबी से कम करने में सक्षम था, जिससे एजेंटिक कार्यों पर न्यूनतम या कोई गिरावट सुनिश्चित नहीं हुई।

म्यूज ग्लिमर दो प्रमुख भागों से बना है: मुख्य मॉडल और एक 'ड्राफ्टर मॉडल' जिसका उपयोग एक ही बार में टोकन के पूरे ब्लॉक को संसाधित करने के लिए किया जाता है। फिर इन टोकन को मुख्य मॉडल द्वारा सत्यापित किया जाता है, जिससे यह अन्य भाषा मॉडल द्वारा मानक टोकन-दर-टोकन पीढ़ी की तुलना में काफी तेजी से पाठ उत्पन्न करने में सक्षम होता है।

म्यूज ग्लिमर एक मूलभूत एसएलएम है जो लंबे-क्षितिज निष्पादन, सटीक टूल कॉलिंग, मल्टीमॉडल समझ, लंबे-संदर्भ मेमोरी और अनुदेश अनुसरण के साथ आता है। इन क्षमताओं को एक साथ लाते हुए, मॉडल का उपयोग स्वायत्त AI एजेंटों को शक्ति प्रदान करने और तैनात करने के लिए किया जा सकता है जो शेड्यूल, ड्राफ्ट संदेशों, फ़ाइलों को व्यवस्थित करने आदि का प्रबंधन कर सकते हैं।

कई बेंचमार्क में अपने प्रदर्शन के आधार पर, मेटा ने दावा किया कि म्यूज़ ग्लिमर की ताकत में एंड-टू-एंड एजेंटिक कार्य पूरा करना, विश्वसनीय टूल उपयोग, मल्टी-स्टेप रीजनिंग, मल्टीमॉडल इनपुट और रीजनिंग शामिल हैं। इसे आने वाले दिनों में llama.cpp, MLX और ExecuTorch एकीकरण के समर्थन के साथ मौजूदा डेवलपर टूल के साथ काम करने के लिए डिज़ाइन किया गया है।

अपने वर्ग और आकार के मॉडलों के बीच, म्यूज़ ग्लिमर ने एजेंटिक, कोडिंग, मल्टीमॉडल, सुरक्षा और रीज़निंग बेंचमार्क में Google के 31-बिलियन-पैरामीटर जेम्मा मॉडल और अलीबाबा के 27-बिलियन-पैरामीटर क्वेन मॉडल को हराया।

उपभोक्ता हार्डवेयर पर अपनी गति को मापने के लिए, मेटा ने कहा कि उसने मॉडल को मैकबुक एम4 मैक्स चिप, एम5 मैक्स चिप और एनवीडिया आरटीएक्स-5090 GPU से लैस उपकरणों पर चलाया। परिणामों से पता चला कि मॉडल क्लाउड इन्फ्रास्ट्रक्चर और नेटवर्क एक्सेस पर निर्भर हुए बिना तरल वार्तालाप और वास्तविक समय एजेंट इंटरैक्शन के लिए पर्याप्त तेज़ है।