Meta выпустила открытую модель Glimmer, первую под руководством нового подразделения Meta Superintelligence Labs. Это возвращение компании в сегмент открытых моделей после провала Llama 4, который критиковали за подогнанные бенчмарки, а самая крупная версия так и не вышла. Гендиректор Марк Цукерберг параллельно опубликовал эссе «The Future is for Everyone», где защищает открытые модели и дистилляцию, а также анонсировал планы по монетизации дата-центров через облачный бизнес.
Glimmer — это компактная модель, предназначенная для запуска на собственном оборудовании пользователя. В полной точности она требует более 55 ГБ памяти, но Meta сжимает веса до 4 бит, уменьшая размер до 20 ГБ. Это позволяет запускать модель, включая обработку изображений, на современных потребительских видеокартах и MacBook. Вспомогательная модель ускоряет генерацию текста до 3,1 раза. Основной сценарий — агент, который работает с календарём, файлами и личными сообщениями прямо на устройстве, без отправки данных в облако.
| Модель | Размер | Сильные стороны |
|---|---|---|
| Glimmer (Meta) | ~20 ГБ | Агентные задачи, веб-поиск, длинный контекст |
| Gemma 3 (Google) | не указано | Мультимодальные задачи |
| Qwen 3.6 (Alibaba) | не указано | Управление рабочим столом, терминальные задачи |
Meta сравнивает Glimmer с Google Gemma 3 и Alibaba Qwen 3.6, двумя ведущими открытыми моделями этого класса. По большинству бенчмарков Glimmer выигрывает, особенно в агентных задачах: использовании инструментов, веб-поиске и работе с длинным контекстом. Однако Qwen заметно лучше справляется с управлением рабочим столом и терминальными задачами. В мультимодальных задачах все три модели показывают равные результаты. При этом Meta сама собирала данные для сравнения и признаёт, что её тестовый стенд не оптимизирован для моделей конкурентов, поэтому к цифрам стоит относиться с осторожностью.
Glimmer сравнивается с Google Gemma 3 и Alibaba Qwen 3.6, выигрывая большинство бенчмарков, но уступая Qwen в работе с рабочим столом.
Glimmer обучена методом дистилляции из более крупной модели Meta Muse Spark. Это стандартный подход для создания компактных моделей: малая модель учится копировать выходы большой. Однако дистилляция стала яблоком раздора в индустрии. OpenAI и Anthropic обвиняют китайские лаборатории в использовании их моделей без разрешения, называя это кражей. Цукерберг в эссе занимает противоположную позицию: он пишет, что «можно учиться на всём, что наблюдаешь», и призывает не ограничивать открытые модели, а делать так, чтобы лучшие открытые модели создавались в США. Он также предлагает ослабить правила на использование данных для обучения в обмен на ранний доступ к моделям для проверки безопасности.
Конфликт вокруг дистилляции обострился в июне, когда, по данным The Information, Meta ограничила использование инженерами Anthropic Claude Code и OpenAI Codex, чтобы их выходы не попали в обучающие данные Meta. Внутренняя памятка предупреждала о серьёзной эскалации с партнёрами. Теперь Цукерберг публично защищает дистилляцию, что фактически означает эскалацию риторики.
Для инвесторов главный вопрос — окупаемость инвестиций. Meta планирует потратить до $145 млрд в этом году, в основном на дата-центры, и до $600 млрд к 2028 году. Прямых доходов от ИИ пока нет: Meta отстаёт от OpenAI и Anthropic в топовых моделях, у неё нет сопоставимого API-бизнеса, а открытые модели вроде Glimmer не приносят лицензионных отчислений. В июле на звонке с инвесторами Цукерберг упомянул о планах облачного бизнеса, но без деталей, что вызвало падение акций. На внутреннем собрании он признал слабости в ИИ-инфраструктуре компании.
Возвращение Meta в открытые модели — это не только технологический шаг, но и стратегический манёвр. Открытые модели — единственная область, где Meta может претендовать на лидерство, тогда как в закрытых топовых моделях она уступает OpenAI и Anthropic. Однако без чёткой монетизации $600 млрд инвестиций остаются под вопросом, и рынок будет внимательно следить за следующими шагами компании.
