Muse Glimmer 30B a examen: cómo escribe frente a sus rivales locales
Actualizado con 1 500 duelos clasificatorios por archivo e idioma. El archivo K-Quant Dynamic es el mejor modelo local para escribir en inglés, con 77,6 puntos; en francés, alemán y español conviene descargar el archivo 17GB, más pequeño.
Primero el veredicto. Muse Glimmer 30B es un generalista local competente que produce prosa aceptable en tu propio equipo, sin pasar por la nube. En agosto, con 100 veredictos, lo llamamos interesante. Con 1 500 duelos clasificatorios por archivo e idioma es hoy el mejor modelo local en inglés y está entre los cinco primeros en los otros tres idiomas. Sigue sin ser un modelo de frontera: los mejores modelos en la nube puntúan entre 94 y 99 en todos los idiomas; Muse Glimmer, entre 56 y 78.
El cara a cara: K-Quant 17GB frente a Dynamic
Meta publica dos cuantizaciones oficiales del modelo de texto, así que la primera pregunta es qué archivo descargar. Dos tipos de pruebas la responden: los duelos directos entre los dos archivos, 26 por idioma, y las puntuaciones de ambos en las clasificaciones principales, donde cada archivo se ha enfrentado a otros 55 modelos locales y en la nube.
| Edición | Proporción de Dynamic en duelo directo | Puntuación 17GB (puesto) | Puntuación Dynamic (puesto) |
|---|---|---|---|
| Inglés | 63,5 % (14 victorias, 5 empates, 7 derrotas) | 64,4 (28.º) | 77,6 (18.º) |
| Francés | 38,5 % (10, 0, 16) | 73,3 (25.º) | 69,0 (29.º) |
| Alemán | 40,4 % (10, 1, 15) | 65,9 (32.º) | 61,4 (37.º) |
| Español | 34,6 % (8, 2, 16) | 63,0 (31.º) | 56,4 (40.º) |
Los dos métodos coinciden en todos los idiomas. Dynamic gana claramente en inglés; 17GB gana en los otros tres. La versión de agosto de este artículo, con 25 duelos por idioma, ya mostraba la misma división. No se ha movido, y las clasificaciones, construidas con sesenta veces más datos, la confirman. No tenemos explicación que ofrecer: Meta declara una degradación media menor para Dynamic, y en tres idiomas de cuatro nuestros jueces prefieren el archivo con mayor degradación declarada.
Frente a los rivales locales
Proporción de puntos de cada archivo de Muse Glimmer en duelo directo, unos 20 duelos por celda. Una victoria vale un punto; un empate, medio.
| Rival | EN 17GB / Dyn | FR | DE | ES |
|---|---|---|---|---|
| Gemma 4 31B Q8_0 | 64 / 78 | 80 / 81 | 45 / 52 | 33 / 41 |
| Qwen3.6 27B Q4_K_M | 65 / 71 | 75 / 75 | 58 / 63 | 55 / 71 |
| Qwen3.6 35B A3B Q4_K_M | 57 / 81 | 75 / 85 | 67 / 65 | 63 / 73 |
| Qwen3.8 27B Q4_K_M | 43 / 57 | 62 / 35 | 71 / 50 | 82 / 50 |
| Nemotron 3 Nano 30B A3B Q4_K_M | 95 / 100 | 95 / 100 | 100 / 91 | 91 / 90 |
Muse Glimmer vence a Nemotron 3 Nano casi siempre y a Qwen 3.6 con holgura en inglés y francés. Gemma 4 31B Q8_0 es el rival que da la vuelta a la mesa: Muse Glimmer le gana en inglés y francés y pierde en alemán y español, lo que coincide con las clasificaciones, donde Gemma 4 31B es el mejor modelo local en alemán y el segundo en español. Qwen3.8 27B es el rival más reciente y más duro; la muestra es pequeña (10 a 17 duelos) y la dirección cambia con el idioma.
Qué es en realidad Muse Glimmer 30B
Meta Superintelligence Labs publicó el modelo el 10 de agosto de 2026 como modelo agéntico abierto. Meta no promete nada sobre la calidad de su prosa. La ficha del modelo describe un transformador denso con un codificador de percepción separado, unos 29 600 millones de parámetros, de los que cerca de 1 800 millones están en el codificador visual, en 52 capas de texto. El contexto configurado es de 131 072 tokens; el corte de conocimiento, el 4 de enero de 2026. Meta indica datos de entrenamiento en más de 100 idiomas sin publicar la lista, algo que nuestros propios resultados por idioma hacen relevante.
Memoria y velocidad
| Archivo | GGUF | Con un contexto de 128K lleno | Objetivo de VRAM de Meta | Velocidad medida (Strix Halo) |
|---|---|---|---|---|
| K-Quant 17GB | 15,6 GB | 22,1 GB | 24 GB | 8,8 tok/s |
| K-Quant Dynamic | 18,3 GB | 24,8 GB | 32 GB | 8,0 tok/s |
El codificador de percepción opcional añade 1,4 GB y solo hace falta para imágenes; el borrador especulativo opcional añade 1,6 GB. Para escribir se puede prescindir de ambos. Los dos archivos son lentos en nuestra máquina, de 8 a 9 tokens por segundo con los tokens de razonamiento incluidos: Gemma 4 26B A4B produce de 20 a 40 tokens por segundo en el mismo equipo.
¿Merece la pena para escribir?
En español, el archivo 17GB es una opción razonable para una tarjeta de 24 GB, aunque por detrás de Qwen3.8 27B Q8_0 y Gemma 4 31B Q8_0, las dos alternativas que conviene probar con tus propios textos. Como con todos los modelos de este sitio, nada de esto dice nada sobre la exactitud factual; los duelos juzgan la escritura, y las afirmaciones siguen necesitando comprobación.