# Comment faire tourner Muse Glimmer en local?

Date: 2026-08-14 · Author: Robert Scales · https://guidetoartificialintelligence.com/fr/apprendre/faire-tourner-muse-glimmer-en-local/

**Answer:** Installez une version récente de llama.cpp (b10353 ou plus récente), téléchargez sur Hugging Face le fichier Q4_K_M de 16,8 Go de Muse Glimmer publié par Meta, et lancez llama-server avec l’option --jinja. Il tient sur un ordinateur ou une carte graphique d’environ 24 Go de mémoire, ou 32 Go pour la version de meilleure qualité.

Meta a publié cette semaine **Muse Glimmer**, un modèle à poids ouverts du Meta Superintelligence Lab, le groupe derrière Muse Spark. C’est un modèle dense d’environ 30 milliards de paramètres (les nombres ajustables qu’un modèle apprend), entraîné par distillation à partir de Muse Spark, c’est-à-dire qu’il a appris en partie en imitant les réponses du plus grand modèle. Meta l’a conçu pour des agents qui tournent sur votre propre machine : il lit du texte et des images, appelle des outils, raisonne avant de répondre et a été entraîné dans plus de 100 langues. Tout est publié sous la licence Apache 2.0.

Le mot « dense » compte pour la planification. Contrairement aux modèles à mélange d’experts, qui n’utilisent qu’une partie de leurs paramètres pour chaque mot, Glimmer les utilise tous chaque fois. Il est donc plus simple à faire tourner, mais plus lent par mot qu’un modèle clairsemé de même taille, et c’est pourquoi Meta fournit aussi un petit modèle d’appoint pour l’accélérer.

## Ce qu’il vous faut

Meta publie des fichiers prêts à l’emploi en **GGUF**, le format que lit **llama.cpp**, le moteur gratuit qui fait tourner des modèles de langage sur du matériel ordinaire. Les deux fichiers principaux sont **quantifiés** : chaque paramètre est stocké sur environ 4 bits au lieu de 16, ce qui réduit beaucoup la taille du modèle pour une petite perte de qualité.

| Fichier | Taille | À utiliser pour |
|---|---|---|
| KQuant-17GB-Q4_K_M | 16,8 Go | Le point de départ; tient dans 24 Go de mémoire graphique |
| KQuant-Dynamic-Q4_K_XL | 19,7 Go | Qualité légèrement meilleure; visez 32 Go |
| mmproj (encodeur de perception) | 1,4 Go | Nécessaire seulement pour les images en entrée |
| dflash (modèle de brouillon) | 1,6 Go | Facultatif, accélère les réponses |

Meta rapporte une baisse moyenne de 1,0 % sur 15 bancs d’essai pour la petite version et de 0,2 % pour la grande, par rapport à la pleine précision. Sur un Mac, c’est la mémoire unifiée qui compte; sur un PC, c’est la mémoire de la carte graphique. Les premiers utilisateurs rapportent que le petit fichier tourne sur une seule carte de 24 Go avec de longs documents en vue, parce que la conception de l’attention du modèle garde sa mémoire de travail petite.

Une exigence fait trébucher bien des gens : il vous faut llama.cpp **version b10353 ou plus récente**. La prise en charge de la nouvelle architecture a été ajoutée le 10 août, et les versions plus anciennes refusent de charger les fichiers.

## Un exemple d’installation

**1. Obtenir llama.cpp et vérifier la version.**

```bash
llama-cli --version    # le numéro de version doit être 10353 ou plus
```

Si elle est plus ancienne, mettez-la à jour depuis la page des versions de llama.cpp ou recompilez-la à partir du code source.

**2. Télécharger le modèle et l’encodeur d’images.**

```bash
pip install huggingface_hub
hf download meta-models/Muse-Glimmer-30B-GGUF \
    --local-dir Muse-Glimmer-30B-GGUF \
    --include "Muse-Glimmer-30B-KQuant-17GB-Q4_K_M.gguf" \
    --include "mmproj-Muse-Glimmer-30B-Q4_K_M.gguf"
```

**3. Lancer un serveur local.**

```bash
llama-server \
    -m Muse-Glimmer-30B-GGUF/Muse-Glimmer-30B-KQuant-17GB-Q4_K_M.gguf \
    --mmproj Muse-Glimmer-30B-GGUF/mmproj-Muse-Glimmer-30B-Q4_K_M.gguf \
    -ngl 99 -c 32768 --jinja \
    --temp 1.0 --top-p 0.95 --top-k 64
```

`-ngl 99` place toutes les couches sur le processeur graphique, `-c 32768` fixe le nombre de jetons de contexte que le modèle garde en vue, et les trois dernières valeurs sont les réglages d’échantillonnage recommandés par Meta. `--jinja` est obligatoire : il applique le gabarit de conversation stocké dans le fichier, et sans lui les réponses sortent brouillées ou le programme s’arrête.

**4. Ouvrez `http://127.0.0.1:8080`** dans votre navigateur et posez une question qui demande quelques étapes :

```prompt
J’ai 3 réunions mardi : de 9 h à 10 h 15, de 10 h 30 à 12 h et de 14 h à 15 h 30. J’ai besoin d’un bloc libre de 90 minutes pour du travail concentré. Où est-ce qu’il entre, et quelle est l’heure de début la plus tardive qui fonctionne encore?
```

Le serveur garde le raisonnement du modèle séparé de sa réponse finale, ce qui vous permet de vérifier comment il y est arrivé.

> **À essayer :** ajoutez `--chat-template-kwargs '{"reasoning_strength":"low"}'` à la commande du serveur, posez la même question et comparez la vitesse et la réponse avec le réglage par défaut.

## Les réglages à connaître

Glimmer réfléchit toujours avant de répondre; vous ne pouvez pas désactiver cela. Vous pouvez changer la quantité de réflexion avec une **intensité de raisonnement** (*reasoning strength*) faible, moyenne, élevée ou très élevée (low, medium, high ou xhigh), high étant la valeur par défaut; Meta suggère high ou xhigh pour la programmation et le travail d’agent. Pour accélérer les choses, téléchargez le fichier du modèle de brouillon et ajoutez `-md` avec son chemin. C’est le **décodage spéculatif** : le petit modèle de brouillon propose plusieurs mots à la fois et le modèle principal les vérifie; la sortie est donc la même, seulement plus rapide.

Deux mises en garde. Des testeurs indépendants jugent Glimmer solide pour sa taille, mais plus faible que certains de ses pairs pour reconnaître quand il ne sait pas quelque chose : vérifiez donc les faits qu’il vous donne. Et Meta elle-même recommande des protections supplémentaires, comme une confirmation humaine avant les actions irréversibles, chaque fois que vous le laissez utiliser des outils. Sa fiche indique aussi qu’il n’est pas destiné aux utilisateurs de moins de 18 ans.

## Que permet sa licence Apache 2.0?

Apache 2.0 est l’une des licences les plus permissives du monde du logiciel. Elle vous donne un droit gratuit, mondial et permanent d’utiliser, de copier, de modifier et de redistribuer le modèle, sans limite sur l’usage commercial ni sur le nombre de personnes qui utilisent ce que vous construisez. Vous pouvez faire tourner Glimmer dans un produit payant, lui faire subir un ajustement fin ou l’intégrer à des appareils sans payer Meta ni lui demander la permission. La fiche de Meta indique que toutes les parties publiées, des poids en pleine précision au modèle de brouillon, sont sous cette licence.

La licence demande quelques choses en retour. Si vous redistribuez le modèle ou une version modifiée, joignez une copie de la licence, conservez les avis de droit d’auteur et d’attribution existants, transmettez tout fichier NOTICE et indiquez les fichiers que vous avez modifiés. Vous pouvez appliquer vos propres conditions à vos modifications, pourvu que votre usage de l’original respecte toujours Apache 2.0.

Elle ne vous donne pas tout. Elle n’accorde aucun droit d’utiliser les marques de commerce de Meta au-delà de la mention de l’origine du modèle : vous ne pouvez donc pas présenter votre produit comme un modèle officiel de Meta. Elle ne comporte aucune garantie : si le modèle fait une erreur coûteuse, cette responsabilité vous revient. Et elle ne passe pas au-dessus de la loi : la fiche de Meta exclut les usages qui enfreignent les lois applicables, y compris les règles commerciales, et renvoie à une politique d’utilisation distincte. Lisez cette politique avant de bâtir sur le modèle, en même temps que la licence elle-même.

## Sources

- Muse Glimmer Model Card (meta-models/Muse-Glimmer-30B-GGUF): https://huggingface.co/meta-models/Muse-Glimmer-30B-GGUF/blob/43c7eadd4135/README.md
- Apache License, Version 2.0: https://www.apache.org/licenses/LICENSE-2.0
- [AINews] Muse Glimmer and Spark open weights: https://latent.space/p/ainews-muse-glimmer-and-spark-open