Qwen3.8-27B vs Meta Muse Glimmer: la corsa agli agenti locali, un contendente è già qui

Me​ta Muse Glimmer è stato rilasciato il 10 agosto 2026 — Apache 2.0, circa 30 miliardi di parametri, destinato specificamente a carichi di lavoro agentici locali — e il modello che sarà quasi certamente il suo concorrente più prossimo non è ancora uscito. Alibaba ha annunciato Qwen3.8-27B il 3 agosto come membro auto-ospitabile della generazione Qwe​n3.8, ha promesso i suoi pesi aperti per la settimana del 10 agosto e, al momento in cui scriviamo, il repository ufficiale non è ancora comparso. Ciò rende questo confronto deliberatamente sbilanciato: da un lato c'è qualcosa di reale e scaricabile oggi, dall'altro qualcosa di ancora non verificato. Ed è esattamente per questo che vale la pena scriverne ora — Me​ta ha costruito la tabella dei benchmark di Glimmer contro il predecessore del 27B, quindi lo scontro è già inquadrato prima ancora che il 27B esista.

La sfida in sintesi

Entrambi i modelli inseguono lo stesso acquirente: qualcuno che desidera capacità agentiche e di coding quasi di fascia alta sull'hardware che possiede, non su un'API. Le dimensioni si allineano così, con il lato Qwe​n contrassegnato come non verificato ovunque il repository non lo abbia ancora confermato:

• Stato — Me​ta Muse Glimmer disponibile ora vs Qwen3.8-27B annunciato, pesi in attesa.

Size — Glimmer è ~29.6B in totale (27.9B decoder di testo + 1.9B encoder visivo) {{1}}rispetto ai ~27B della versione 27B, architettura non confermata{{/1}}.

• Licenza — Apache 2.0, che copre pesi, quantizzazioni, drafter ed encoder, contro una non annunciata, con la clausola Tongyi Qianwen 100M-MAU come reale possibilità.

• Contesto — Glimmer supporta una finestra di token da 128K rispetto al contesto della 27B, non confermato.

• Modalità — Glimmer accetta input di testo e immagini tramite un encoder percettivo rispetto al 27B, probabilmente prima il testo, non confermato.

• Ingombro locale — Glimmer occupa ~17 GB con la sua impostazione 4-bit K-Quant-17GB rispetto a ~17 GB previsti per Q4_K_M per il 27B.

• Tecnologia di velocità — Glimmer include la decodifica speculativa DFlash (Meta riporta da 74,9 a 233,4 token/s su una RTX 5090, un salto di 3,1×) rispetto al 27B, nessuna affermazione simile per ora.

Perché Me​ta ha puntato qui

Muse Glimmer è una versione distillata e quantizzata del flagship chiuso Muse Spark 1.2 di Me​ta, rilasciato da Me​ta Superintelligence Labs e ottimizzata specificamente per agenti on-device sempre attivi: chiamata di strumenti, ragionamento multi-step, recupero da errori e tentativi, comprensione interleaved di testo e immagini e oltre 100 lingue. I numeri di Me​ta collocano Muse Glimmer davanti alla famiglia Ge​mma 4 e a Qwen3.6-27B in diversi test agentici — MCP Atlas 75.5, DeepSearch QA 74.6, SWE-Bench Pro 51.2 — e solo leggermente indietro su alcuni altri. Tutto ciò è riportato dal fornitore e non riprodotto in modo indipendente, e vale la pena dirlo chiaramente: sui benchmark agentici scelti da Me​ta, Glimmer supera la precedente generazione Qwe​n, mentre su quelli non scelti, Qwe​n è ancora in testa.

Due cose rendono Glimmer degno di nota oltre ai punteggi. Primo, la licenza: Apache 2.0, nessuna clausola MAU, nessuna soglia di discussione commerciale — la cosa più permissiva che Me​ta abbia rilasciato da molto tempo, e il saggio di accompagnamento di Zuckerberg ha reso esplicita la scommessa strategica. Secondo, la toolchain dal primo giorno: llama.cpp, Hugging Face Transformers, Ollama, LM Studio e SGLang hanno tutti introdotto il supporto al lancio o quasi, che è esattamente ciò di cui un modello locale ha bisogno per essere utilizzabile piuttosto che solo scaricabile.

Meta ha già scelto l'avversario.

Il dato più utile nel rilascio di Glimmer per questo confronto è chi Meta ha usato come benchmark: Qwen3.6-27B, il predecessore diretto di Qwen3.8-27B. Nella propria tabella, Meta mostra Glimmer che supera il Qwen 27B su SWE-Bench Pro (51.2 vs 50.2) e che resta indietro su SWE-Bench Verified (76.0 vs 77.2), mentre Qwen è in testa su OSWorld-Verified, Terminal-Bench 2.1 e la maggior parte dei benchmark multimodali. In altre parole, le due famiglie si stanno scambiando colpi alla scala locale di 27–30B, e la generazione 3.8 del lato Qwen è il sequel esattamente del modello che Meta ha usato come punto di riferimento. Questo è il vero titolo di questo confronto: la 27B non è un concorrente ipotetico di Glimmer, è la versione successiva dell'incumbent, e Meta ci ha già detto quanto sia vicina la baseline.

Cosa non è ancora verificato sul lato Qwe​n

Fino a quando il repository non sarà disponibile, la colonna Qwen3.8-27B è per lo più piena di punti interrogativi: se è densa o MoE, la sua finestra di contesto, se è multimodale e, soprattutto, la sua licenza. La questione della licenza è quella che potrebbe decidere da sola questo confronto: un modello con licenza Tongyi Qianwen è una decisione di approvvigionamento diversa rispetto a uno con licenza Apache 2.0, specialmente per prodotti commerciali oltre la soglia MAU. Nessuno dei punteggi benchmark del 27B esiste ancora, e i numeri dichiarati dal fornitore per l'intera generazione 3.8 appartengono al Max, non al 27B.

Quale scegliere?

Se oggi ti serve un modello agente locale funzionante, la decisione è già presa: Me​ta Muse Glimmer esiste, gira su una scheda da 24 GB, ha supporto runtime dal primo giorno ed è Apache 2.0. Qwen3.8-27B è una promessa. Se sei già standardizzato sull'ecosistema Qwe​n, oppure il tuo requisito è un benchmark specifico che la generazione 3.8 dovrebbe migliorare, vale la pena aspettare la 27B — ma l'attesa ha un costo opportunità reale, e la licenza potrebbe cambiare la tua risposta dopo il rilascio.

I team che non vogliono né aspettare né subire il lock-in hanno una via di mezzo. OrcaRouter instrada oltre 200 modelli attraverso una singola API al prezzo di listino del provider, senza alcun ricarico e con failover automatico — Qwen3.8 Max è disponibile oggi a $2.00/$6.00 per milione di token, e la linea closed-source Muse Spark di Me​ta è raggiungibile con la stessa chiave. Quando il 27B uscirà e guadagnerà fiducia sui benchmark indipendenti, il failover è il modo per provarlo su un carico di lavoro in produzione senza scommettere l'intero percorso su un modello non ancora provato: instrada una parte del traffico verso di esso, mantieni il resto sul modello attuale e lascia che l'uso reale decida.

Nessuna delle due parti è stata ancora sottoposta a verifica indipendente — i numeri di Glimmer sono quelli di Me​ta, e la 27B non ha alcun numero. Il punteggio onesto dopo la prima settimana: Glimmer è il modello che puoi davvero eseguire, la 27B è quella a cui lo confronterai tra un mese, e il file di licenza, non la tabella dei benchmark, è ciò che con più probabilità farà pendere la decisione di un team.