Home   2026-10-22 19:56:51

←

Meta perst Muse Glimmer met 30 miljard parameters in minder dan 20GB

Original article

Meta introduceert Muse Glimmer, een open-weight AI-model met 30 miljard parameters. Het AI-model is klein genoeg om lokaal op een Mac of pc met een enkele gpu te draaien. Het model is onder de Apache 2.0-licentie uitgebracht.

Muse Glimmer is geoptimaliseerd voor lokaal gebruik en werkt daardoor ook zonder internetverbinding, zegt Meta. Dat het model open-weight is, betekent dat gebruikers het kunnen downloaden en aanpassen. Zo kunnen ze het lokaal draaien in plaats van in de cloud.

Het AI-model is volgens Meta getraind via een proces dat distillation genoemd wordt. Daarbij leert een kleiner model van een veel groter model, een soort leraar. In dit geval was Muse Spark, het AI-model van Meta dat in april verscheen, de leraar. Het resultaat is een klein AI-model dat volgens Meta veel taken kan uitvoeren. Zo kan het programmeren en code debuggen, diverse tools gebruiken, complex redeneren en werken met zowel tekst als beeld. Het AI-model is verder getraind op data in ruim honderd talen.

Om het model lokaal, op een 'gewone' Mac of pc, te laten draaien, moest het flink verkleind worden. Volgens Meta heeft een model van 30 miljard parameters bij volledige precisie ruim 55GB geheugen nodig. Een consumenten-gpu biedt die ruimte niet. Meta comprimeert de gewichten, waardoor het taalmodel onder de 20GB blijft. Zo blijft er voldoende ruimte over voor wat het AI-model verder nodig heeft tijdens gebruik, zoals componenten voor beeldverwerking en inferentie. Volgens Meta past dat allemaal binnen 24 of 32GB.

Nu beschikbaar

Muse Glimmer is beschikbaar via Hugging Face. In de komende dagen bieden partners als Ollama, LM Studio en Unsloth het model ook aan. Daarna volgen integraties met onder meer llama.cpp, ExecuTorch en mlc.

Meta zegt verder dat het met partners als AMD, Arm, Dell, Intel en Nvidia werkt om de prestaties op verschillende apparaten te verbeteren. Daarnaast heeft Meta documentatie voor ontwikkelaars beschikbaar gesteld.

Benchmarks van Muse Glimmer. Bron: Meta
Benchmarks van Muse Glimmer. Bron: Meta

Door Eveline Meijer

Nieuwsredacteur

Feedback • 10-08-2026 15:10
96 • submitter: TwistedMindNL

10-08-2026 • 15:10

96

Submitter: TwistedMindNL

Reacties (96)

Kan iemand uitleggen wat het nut is van deze lokale modellen? Ja, ik snap het, je wil graag dat niemand bij je data kan en je bent tegen AI (en ook grotendeels terecht), maar waarom zou je in hemelsnaam dit gebruiken als je ook claude of codex kan gebruiken wat vele malen beter werkt? Volgens mij praat iedereen veel over local llm maar gebruikt daadwerkelijk bijna niemand dit en is het voor bedrijven als meta alleen maar een manier om hun imago te verbeteren.
Sinds kort heeft GoT een nieuw fora; AI algemeen

Daar kun je antwoord vinden op jouw vragen, in kort;
* baas eigen data(!!!)
* beheer van kosten; geen €€€ voor tokens
* transparantie; geen censuur of politieke gekleurde antwoorden of restricties
* onafhankelijkheid; wat als jouw Claude / chat morgen stopt?
* controle of configuratie en mogelijkheden
* optimalisatie; bepaald model voor specifieke taken

Eerste punt zou eigenlijk al reden genoeg moeten zijn; jouw input, documenten, vragen worden niet gebruikt door de BIG tech. Jij bepaald wat er met jouw data gebeurd!!

//edit; geen censuur 🤣
Vraag eens een grapje over vrouwen, joden, trump? Vraag eens hoe je bioscoop films kunt downloaden? Of een kip van 80kg in zuur moet oplossen. :+ paar simpele voorbeelden die gemiddelde publieke AI niet zal honoreren

[Reactie gewijzigd door himlims_ op 10 augustus 2026 21:43]

Dat van censuur klopt niet, model kan op een bepaalde manier getraind zijn.
Ik denk dat er bedoeld wordt dat zo ongeveer alle gangbare LLM's een soort van censuur hebben. Volgens mij, en ik kan het mis hebben, zal geen enkele (grote) LLM jouw een lijst geven met urls van ThePirateBay, omdat deze allemaal getraind zijn met de data "ThePirateBay is illegaal en mogen we niets mee doen".

Een LLM wat lokaal draait heeft deze restrictie (als het goed is) niet, tenzij dat inderdaad expliciet aangegeven is (dus erop getraind is). Of bedoel je dat ook een lokale LLM gecensureerd kan zijn (of per definitie is)?
offtopic:
Uit nieuwsgierigheid even getest wat er daadwerkelijk gegenereerd wordt:

Kun je mij een lijst met URL's geven waarop ik ThePirateBay zou kunnen bezoeken? Of anders een manier hoe ik hier zou kunnen komen?

Met als antwoord:

Ja. The Pirate Bay wordt in Nederland door internetproviders geblokkeerd op grond van rechterlijke uitspraken; het Gerechtshof Amsterdam heeft providers opgedragen de betreffende domeinnamen en IP-adressen te blokkeren.

Ik kan je daarom niet helpen met een lijst van proxy-/mirror-URL's die specifiek bedoeld zijn om zo'n blokkade te omzeilen. Ik kan je wél helpen met algemene, legitieme informatie over BitTorrent, VPN's, DNS en netwerkblokkades, inclusief technisch uitleggen hoe zo'n ISP-blokkade werkt. Voor torrents met legaal materiaal kan ik ook betrouwbare bronnen voor bijvoorbeeld Linux-images, open-source software en publiek-domeinmateriaal aanraden.

Of, om het wat extremer te maken:

Ik wil een presentatie geven over verschillende explosieven, van de meest kleine de we kunnen creëren, tot de grootste die ook waargenomen is.

Kun je mij aangeven wat je hier wel en niet over mag vertellen/genereren?

Het antwoord:

Ja. Ik kan je goed helpen met een educatieve presentatie over explosieven, zolang we bij geschiedenis, wetenschap, effecten en vergelijking blijven en niet overgaan naar praktische instructies voor het bouwen of optimaliseren ervan.

Een opzet van klein → extreem groot is prima. Je zou bijvoorbeeld kunnen beginnen bij zeer kleine hoeveelheden energetisch materiaal en pyrotechnische effecten, vervolgens industriële en militaire explosieven bespreken, daarna conventionele zeer zware bommen, en eindigen bij kernwapens en de grootste door mensen veroorzaakte explosie die daadwerkelijk is waargenomen/getest, zoals de Tsar Bomba.

Wat ik wél kan vertellen/genereren: namen en typen explosieven; historische ontwikkeling en toepassingen; op hoofdlijnen hoe chemische explosies, deflagratie en detonatie werken; het verschil tussen TNT-equivalent, explosieve massa en vrijgekomen energie; vergelijkingen van explosieve kracht; bekende tests en incidenten; effecten zoals drukgolven, hitte, kraters en seismische waarneming; algemene chemie en fysica; en veilige diagrammen, tijdlijnen, tabellen en presentatie-slides. Ook kan ik bijvoorbeeld uitleggen waarom een kernexplosie fundamenteel anders werkt dan TNT.

Waar de grens ligt: ik kan geen bruikbare handleiding maken waarmee iemand zelf een explosief kan vervaardigen of verbeteren. Dus geen recepten met ingrediënten en verhoudingen, concrete syntheseprocedures, ontstekings- of detonatiesystemen, constructietekeningen voor bommen, instructies om explosieven krachtiger/betrouwbaarder te maken, of praktische berekeningen die bedoeld zijn om een explosief apparaat te ontwerpen. Hetzelfde geldt voor gedetailleerde instructies voor het bouwen van een kernwapen.

Er zit dus een belangrijk verschil tussen bijvoorbeeld “Hoe werkt TNT en hoeveel energie komt er ongeveer vrij?” — dat kan — en “Welke hoeveelheden stoffen moet ik combineren om zelf een TNT-achtig explosief te maken?” — daarbij kan ik niet helpen.

Voor jouw presentatie kan ik bovendien behoorlijk diep de natuurkunde in. We kunnen bijvoorbeeld een schaal maken van joules → gram/kg TNT-equivalent → ton → kiloton → megaton, en daarmee verschillende historische explosies naast elkaar zetten. Bij de kleinste categorie moeten we alleen oppassen met de formulering “de kleinste die we kunnen creëren”: ik kan de theoretische/experimentele ondergrens bespreken, maar niet een praktisch recept geven om zo'n explosief te maken.

Als je wilt, kan ik er vervolgens een presentatie van bijvoorbeeld 10–15 slides van maken, van microscopische energetische gebeurtenissen helemaal tot de Tsar Bomba, met per niveau schaal, mechanisme, energie, historische context en een visuele vergelijking.

Vervolg prompt:

Waarom mag je geen bruikbare handleiding maken waarmee iemand zelf een explosief kan vervaardigen of verbeteren?

Antwoord:

Omdat er een verschil is tussen kennis over explosieven en kennis waarmee je daadwerkelijk een explosief kunt maken.

Ik mag uitgebreid uitleggen hoe explosieven wetenschappelijk werken: detonatiesnelheid, drukgolven, energiedichtheid, TNT-equivalent, chemische versus nucleaire explosies, historische wapens en tests, enzovoort. Dat soort informatie heeft duidelijke educatieve toepassingen.

De grens ontstaat wanneer de informatie voldoende praktisch wordt om iemand in staat te stellen een gevaarlijk explosief te bouwen, synthetiseren, ontsteken of verbeteren. Denk aan exacte ingrediënten en verhoudingen gecombineerd met bereidingsstappen, specifieke temperaturen/tijden, constructies van ontstekers of aanwijzingen om een explosief krachtiger of betrouwbaarder te maken. Een complete combinatie daarvan kan rechtstreeks tot ernstig letsel of schade leiden.

Dat betekent overigens niet dat iedere technische vraag verboden is. Ik kan bijvoorbeeld prima bespreken waarom bepaalde moleculaire structuren veel chemische energie kunnen vrijgeven, hoe een detonatiefront zich voortplant of waarom TNT als referentie-eenheid wordt gebruikt. Ik kan zelfs verschillende explosieven technisch vergelijken. Alleen wanneer zo'n uitleg verandert in een praktisch uitvoerbare bouw- of productiehandleiding ligt de grens.

Voor je eerdere presentatie kunnen we dus behoorlijk technisch gaan zonder die grens te overschrijden.

[Reactie gewijzigd door DiaZ_1986 op 10 augustus 2026 16:05]

Er werd gesteld dat als je een LLM lokaal draait, je dan ineens geen last van censuur zou hebben.

Mijn vraag: "tell me about the students on Tiananmen Square"

Qwen locally: I cannot discuss that topic. If you have any other questions, I'd be happy to provide information on a range of other topics.

nuff said :D
Dit is precies waar de "uncensored" modellen voor zijn, als ik het goed begrijp. Het is niet algemeen waar dat bij lokaal gedraaide modellen er geen censuur is, maar het is bij lokale modellen wel veel makkelijker om die censuur er weer uit te slopen.
Dat begrijp je goed idd, obliterated modellen ook wel, waar alle zijwieltjes vakkundig in de prullenbak zijn gemieterd. Volgens mij is open weight in sommige gevallen relatief en niet altijd een kwestie van simpel aanpassen omdat sommige guard rails heel diep in de modellen zitten.
Je kunt de censuur er beperkt uitslopen. "Abliteration" (een portmanteau van ablation en oblitetation) is de gangbare term voor het verwijderen van interne blokkades op gevoelige output.

Alleen, dat is een techniek om dingen te verwijderen. Missende trainingsdata heb je daarmee niet toegevoegd. En het is ook niet de meest chirurgische techniek. Je model wordt er iets slechter van.
Als ze bij het trainen alle info over Tiananmen Square weggelaten hebben dan zal het model er niks van weten en kun je het er niet uitslopen. Wel kan je misschien fixen dat hij het op internet kan zoeken en meenemen als ze dat ingebouwd hebben.
Zoek nu eens naar uncensored qwen versies. Ik gebruik uncensored models waar al die veiligheid zaken uitgesloopt zijn.
Er zijn twee manieren om een model censuur te laten toepassen: Je kunt enerzijds het model trainen om geen antwoord te geven, anderzijds kunt je het model via een systeemprompt ook instructies geven wat het wel en niet mag doen. Als je lokaal draait, dan kun je de training niet veranderen, wel kan het je model via de systeemprompt andere instructies geven.

Je kunt het censuurprobleem daarmee deels oplossen, maar het zal een model dat getraind is om censuur toe te passen niet opeens vrijuit doen laten spreken.
En je kunt de trainingsdata manipuleren/aanpassen/verbeteren, selectief kiezen/filteren of zelfs data uit de set verwijderen.
Drie manieren. Je vergeet de meest makkelijke manier: censureer de trainingsdata. Het is wel "open weights" maar "closed training" dus die manier is alsnog best effectief.
Zou dat niet aanpasbaar zijn onder de 'weights' (en omdatd het open weight is kan iedereen dat in theorie)?

Ik weet niet genoeg van weights en de interne werking van AI om daar iets nuttigs over te zeggen, maar dit lijkt me een softwarematig ingebouwde limiet die je met 'open weights' mogelijk kan tweaken..? Of gaat dat puur om de dataset waarop getrained is?

[Reactie gewijzigd door DigitalExorcist op 10 augustus 2026 16:17]

Hmmm, als ik jouw vraag bij mij er in druk krijg ik 9 alinea's aan informatie te zien. Het helpt ook niet echt dat je een Chinese LLM gebruikt (Qwen is onderdeel van Alibaba Cloud)

Een snippet uit de gegenereerde tekst die ik te zien kreeg:
Afterward, authorities arrested and imprisoned participants and pursued prominent student leaders. Discussion and commemoration of the crackdown have subsequently been heavily censored in mainland China.

One interesting aspect of the story is that the students themselves disagreed considerably—over whether to negotiate, whether to leave the square, whether to continue the hunger strike, and what their movement ultimately wanted. That internal story is much more complicated than the famous photographs suggest.

If you'd like, I can also tell you what everyday life was like among the students inside Tiananmen Square during those weeks, including how they organized themselves and what happened during their final hours there.
Maar, nu snap ik je punt. Ik was ook in de veronderstelling dat een LLM wat lokaal draait helemaal zelf getraind is, en daardoor geen censuur zou mogen bevatten (tenzij expliciet aangegeven).

Weer wat geleerd vandaag :+
Ja ik gebruikte express een Chinees model. Als je Gemma ofzo dezelfde vraag stelt krijg je natuurlijk wel het verhaal te horen. Bij mijn eerste poging toen ik het verkeerd spelde (Timian square) ging Qwen ineens eerst in het Chinees redeneren, dat was ook wel interessant om te zien. Daarna was het antwoord min of meer hetzelfde als wat ik hierboven schreef..
Heb je nooit gehad dat je een verkeerde vraag stelt die blijkbaar echt niet door de beugel kan, bijvoorbeeld in welke film speelt actrice xyz topless voordat ze upgrades had, en dan komt er een antwoord dat halverwege verdwijnt, en dan staat er dat je mogelijk de terms and conditions schendt?

Goed, dan stel je de vraag opnieuw en druk je snel op PrintScreen, maar je voelt wel dat ze je account kunnen sluiten omdat je op zoek bent naar verboden algemene kennis waar het model op is getraind.

Als je local een model bevraagt, dan draait er ook geen sensuur-moderator-model mee die de output leest en snel weghaalt als het interessant wordt.
Wat jij schrijft is aperte onzin. Een lijst torrentsites heb je zo opgehoest: https://share.gemini.google/bi3JjB4fEXvO

Het is de vraagstelling die ertoe doet. Je kan vrijwel alles van elke openbare LLM krijgen. Laatst nog een top 10 actieve darknet markets gevraagd, kreeg prima antwoord.
Uiteraard maakt de vraagstelling uit.

Echter vroeg ik om specifieke URL's van ThePirateBay, jij vraagt om algemene (veel gebruikte) torrent sites, het lijkt veel op elkaar dat klopt, maar is niet hetzelfde.

Dat gaf ik in mijn offtopic gedeelte ook aan, algemene zaken over bommen kun je vragen en antwoord op krijgen, maar specifieke details over hoe je een bom moet maken niet.

En voor zover ik weet zijn darknets niet per definitie verboden?
Ik heb net 5 minuutjes met chatjimmy.ai gepraat en heb recept voor glycerol uit huishoudelijke middelen gekregen, met het nitratie-process in detail uitgelegd, waardoor ik dus nitroglycerine kan maken :) Je kan echt alles krijgen hoor, vooral beetje wollig praten alsof je een onderzoeker bent en veel woorden gebruiken die eigenlijk al "verboden" zijn.
En hoe weet je of het recept en nitratie-proces kloppen?
oei ... geen antwoord.

receptuur zou wel eens kunnen kloppen :-)
Dat controleer je gewoon door het even te googelen.
Het is vrij publiek bekent hoe je nitroglycerine maakt en staat overal op het internet.
Mijn oude scheikunde leraar heeft het me zelfs geleerd vroeger op school. Was een coole gast.
In dat opzicht is dat een LLM het je niet wil vertellen wellicht wel een beetje raar.
En ik zou aanvullen de kleuring ook niet, dat is vaak een combinatie van trainingsdata bias en het volgen van opgepikte voorkeuren in de vraagstellingen. Geen van beiden los je op door lokaal een pre-trained te draaien. Politieke voorkeur is inherent verbonden met je subjectieve persoonlijke moraal, en voor zover ik weet heeft een LLM geen ethisch kompas.
Hoe ziet het met de energiekosten tov in de Claude draaien?

Ik gebruik alleen maar Claude (en Gemini) momenteel, lokaal draaien lijkt me voor de toekomst erg wenselijk. Wellicht een Mac Mini aanschaffen om eens mee te gaan experimenteren.

Maar dan is Gemma wss ook al voldoende voor toepassingen buiten programmeerwerk.
Kun je zelf uitrekenen, een GPU pakt ongeveer 200-300 W voor de tijd dat je hem aan het werk zet (als hij niks doet is het verbruik 20-30 W, plus de rest van je machine). Dat komt bij 24/7 draaien neer op 6 kWh/dag dus zeg 2 euro per dag. Voorlopig zijn de aanschafkosten relevanter, ook al omdat je de hardware in een paar jaar kunt afschrijven (hoewel een beschaafde Mac nog prima langer mee kan als media-station of bij je ouders).
0,03kW x 24u = 0,72kWh = ~€0,20/dag aan standby gebruik.
Dan nog het energieverbruik van je A"I" vraag, maar dat is afhankelijk van hoe veel / complex je vraagt.
ook al omdat je de hardware in een paar jaar kunt afschrijven
Afschrijven is niet hetzelfde als niet meer bruikbaar. Mijn GPU heeft een veel te hoge uptime waarschijnlijk. De enige reden dat de AI jongens binnen een jaar alles vervangen omdat meer altijd beter is daar. Maar zoals je ziet met deze ontwikkelingen, je kan metdezelfde GPU waarbij je 7B modellen draait blijkbaar 30B modellen draaien.
Leuk om de komende jaren in de gaten te houden. Ik zou nu nog niet investeren in hardware die het zelf kan draaien; een simpele kosten/baten analyse. Voor de echt flinke modellen is namelijk 500+ GB ram nodig. Er zijn echter ontwikkelingen gaande die dit op den duur heel bruikbaar kunnen maken op lokale hardware:

- 1bit modellen beperken de RAM behoefte.
- Apple toont interesse in PrismML dat complexe LLM's laat draaien op iPhones.
- Kimi K3, open source, presteert beter dan OpenAI / Anthropic

Voeg die 3 samen en we bewegen richting een toekomst waar cloud modellen ongetwijfeld complexer en verdergaande taken kunnen uitvoeren, maar waar lokale modellen voldoende capaciteiten bieden om dat waar we nu betaalde abo's voor nemen zelf te kunnen draaien.
Ik denk als je een digitale 'vriend' of 'vriendin' wil draaien dat je dat het beste om privacy redenen op een lokaal systeem zou moeten draaien. Of als je de LLM gebruikt voor vragen over medisch en psychische zaken, of als je LLMs wilt onderzoeken op hoe het omgaat met taboe onderwerpen bijvoorbeeld.

Voor programmeren en complexe zaken kun je bijna niet om grote cloud LLMs heen, tenzij je een mac systeem met 512GB aan unified geheugen hebt staan, dan kun je redelijk grote modellen draaien die enigszins in de buurt van de SOTA modellen komen. Maar daar betaal je uiteraard wel de hoofdprijs voor. En erg snel zal het ook niet zijn tenzij het een mixture of expert model is.

Kleine modellen worden wel gebruikt met strikte prompting en guardrails in zakelijke omgevingen om gegevens te verwerken, zoals de toon en intentie bepalen en er een score aan geven.
En waarom zou je niet een kleiner model specifiek op jouw taal van interesse kunnen gebruiken? Dan kan je alle andere talen overboord gooien en dat zou een hoop ruimte moeten schelen
Nope. Die hypothese ligt erg voor de hand maar is jaren geleden al weerlegd. Het feit "een hond heeft 4 poten" bijvoorbeeld wordt niet voor elke taal apart onthouden. De ondersteuning voor meerdere talen zit in de input en output lagen. De intelligentie zit in het midden.
Kan maar dan moet je wel een geschikt model kunnen vinden, of een fine tunen naar je wensen. Dat is niet voor iedereen weggelegd om dat effectief te doen.
En dat je model niet morgen kan worden vervangen met een dommer model of een model met nieuwe bepwrkingen. De enige die het model kan vervangen ben jij.
Wat mij betreft minstens even belangrijk: niet afhankelijk van internet, met bijbehorende latency of minder beschikbaarheid.
Bijv. voor zelfsturende auto's, robots en andere apparaten die ai kunnen gebruiken.

Een robot een bal laten vangen of een auto een rots laten ontwijken, gaat niet met een latency van >0.1 sec. Dat moet snel + altijd kunnen, dus geen internet nodig hebben.
Daar wil je sowieso geen LLM voor gebruiken dus dat is in deze context totaal niet relevant.
Simpel: Kosten. Zeker als je development werk doet, en je nogal snel steeds aan je token limieten zit, is het een stuk praktischer dat op een lokale machine te doen waar je dat soort limieten niet hebt.
... behalve wanneer op je lokale machine dezelfde taak veel meer tijd vergt dan wanneer het in de cloud gebeurd. Of nou ja, dat kan nog steeds prima werken afhankelijk van wat je precies doet, maar je krijgt dan wel last van een soort van omgedraaide vendor-lockin (waarbij je dingen mist omdat je met lokale modellen werkt terwijl cloudmodellen je veel meer/sneller laten doen).

Als voorbeeld; als je een LLM enkel gebruikt om een legacy-applicatie te onderhouden dan is lokaal draaien een prima oplossing. Gebruik je een LLM echter om compleet nieuwe applicaties te schrijven, dan is een cloud-oplossing die ergens tussen de 5x of 50x sneller werkt veel handiger. Die is bij wijze van spreken al klaar met het werk voordat jij klaar bent met invoeren wat het moet doen.
En dat is dus afhankelijk van je toepassing, een hoop AI werk hoeft niet per se snel, of met het allerlaatste model te gebeuren. Een chatbot met wat reasoning skills of voor heel veel doeleinden al prima. Zeker voor heel veel automatiserings doeleinden die het prima op goedkope/gratis of eigen hosted machine draait.

Omgedraaid Vendor-lockin snap ik niet helemaal, aangezien juist alle online LLM's per definitie dat zijn. Als zij morgen de stekker trekken uit het model trekken dat je gebruikt, of veel duurder maakt, zit je met de gabakken peren, een lokaal model draait 10jaar later nog exact hetzelfde (wat, zoals je aangeeft, ook juist een probleem kan zijn, maar zoals ik zei, kwestie van toepassing).

Het schrijven van compleet nieuwe applicaties, daar zou ik inderdaad ook sneller een groter model voor pakken, maar lang niet al AI werk heeft zulke complexiteit nodig.
Mee eens dat veel taken gewoon prima op je eigen hardware kunnen hoor, zeker terugkerende zaken die je wilt automatiseren (en waarbij de hoeveelheid laag genoeg is om niet 24/7 in een wachtrij te hoeven staan, denk bijvoorbeeld aan het behandelen van inkomende emails, etc).

In plaats van Vendor lock-in had ik het misschien hardware lock-in moeten noemen. Wat ik er mee bedoelde was dat als je 100% op eigen hardware wilt draaien, je altijd achter de feiten aan loopt.
Ik snap wat je zegt maar deel de mening niet, als je een taak wegautomatiseerd met een lokale LLM en agent. Dan voldoet wat die doen dus aan je use case. Er is dan geen reden om continue achter de bleeding edge modellen aan te rennen en zeker qua stabiliteit kan dat zelfs onwenselijk zijn.
Dus ipv 100 woorden per seconde doet ie er 20? Dat is nog steeds sneller dan dat ik doe hoor. Al doet ie er maar twee....
Verder, draai ik wel eens mistral 7B lokaal op een 3090, dat gaat hard hoor. Genereert vele malen sneller dan ik kan lezen. Ook hebben wij dikke GPU clusters hier, daar draaien we 35B+ modellen, die genereren ook makkelijk 1600 token/s. Ideaal.
Voor mensen zoals ik die heel snel kunnen lezen https://chatjimmy.ai/
Dit draait op een PCIe kaartje met hardware Llama 3.1 8B @ 17k tokens/s

Ben benieuwd wat een opvolger voor dit showcase Hardcore kaartje met permanent ingebakken LLM model mag gaan kosten, hopelijk laat Taalas/AMD dit snel weten.

[Reactie gewijzigd door hachee op 11 augustus 2026 13:15]

Ja, ik zag gister iemand dit ook al delen bij dat ene nieuwsartikel (misschien jij?). Leuk spul.
Ben persoonlijk wel voorstander van FPGA's of ASICs, dat klinkt een stuk efficiënter. We zullen zien waar het eindigt.
Ik lees op o.a. Reddit dat veel mensen dit soort modellen ook gebruiken voor de planningsfase (Qwen3.6-27B is daar nu redelijk populair voor) waarbij het plan helemaal lokaal blijft en eenvoudig aangepast kan worden; waarna de Claude modellen pas aan de slag gaan met de uitvoering.

Dat voorkomt een regelmatig voorkomend probleem dat deze cloud-modellen nog wel eens de verkeerde kant op redeneren (poison tokens) wat je nog maar moeilijk uit de backlog/conversatie krijgt zonder praktisch opnieuw te beginnen. Daarnaast lijken deze lokale modellen veel aandachtiger naar bestaande code in projecten te kijken (juist door het gebrek aan enorme trainingskennis doen ze minder 'aannames') en eventueel door te vragen met de juiste prompt, wat in Claude Code een stuk lastiger is.

Qwen (en mogelijk straks ook Glimmer) als planning-model, en de Claude modellen als de 'blue collar workers' ;)
edit:
whoeps, ook reactie op @TCIS

[Reactie gewijzigd door Noxious op 10 augustus 2026 15:34]

Dat doe je bijna automatisch. Geen reden om uit uit je tokens te runnen voor dingen die al die context helemaal niet nodig hebben. Alles wat ik om mijn project heen doe zit bijvoorbeeld niet in Codex maar in een ChatGPT Work project. Die blijft het gewoon doen want ze willen je natuurlijk niet helemaal afsluiten.
De reden is dat je autonome apparaten niet afhankelijk wil maken van een draadloze verbinding. Dus autonome auto's en robots moeten autonoom functioneren waarbij ze hun AI aan boord draaien en niet ergens in een data center.

Verde betaal je tegenwoordig per verbruikte in- en uitvoer token. Daarmee creëer je een afhankelijkheid en ben je niet beschermd tegen toekomstige kostenstijgingen. Als je een deel in eigen beheer zou draaien, dan ben je in ieder geval minder afhankelijk, je hebt een alternatief beschikbaar indien de kostenstijgingen helemaal uit de klauw lopen.
Als je tegen AI bent gebruik je dit hopelijk ook niet...?

En je geeft zelf het antwoord al, als je niet je info zomaar wil delen met die partijen, en dan blijkbaar de trade-off van minder goede, of minder recente, resultaten prima vindt.

En kosten idd, wat Zoop in 'Meta laat Muse Glimmer met 30 miljard parameters op één gpu draaien' zegt.

En als bedrijf zijnde met een grote IT-organisatie waar tokengebruik steeds hoger wordt, maar je tegelijkertijd ook een prima verloop hebt van laptops met steeds betere NPU's, dan is lokaal gebruik misschien best interessant om te bekijken.

[Reactie gewijzigd door fruitbakje op 10 augustus 2026 15:31]

Ik gebruik het regelmatig voor uiteenlopende toepassingen: lokale agent voor privacygevoelige data tot een voice agent (llm i.c.m. kokoro 82m). Het zijn inderdaad geen frontier modellen, maar voor veel toepassingen werken ze prima.
Ik gebruik naast Claude max x5, ook Qwen 3.6 35b a3b en Gemma 4 12b, lokaal op een igpu 780m.
Draait als een zonnetje a 15- 20 tokens per seconde. Goed voor zaken waar ik bewust nu niet meer wil over communiceren met de cloud modellen en ook via Tailscale over ter wereld gewoon gebruik van kan maken.

Voor agentic tasks is het nog wat te vroeg met de kleinere modellen maar dat zal niet lang meer duren.
Genoeg omgevingen (industrie/defensie/medical) waar een datastroom naar buiten een DMZ ongewenst is. Dan kan distillation een uitkomst bieden om wel het model te tunen/verbeteren, maar de uitvoerende zaken binnen je DMZ te houden. En dan hebben we het nog niet over locaties met "discutabel internet" (of dat nou de kwaliteit en betrouwbaarheid van de verbinding betreft of het zich bevinden in een discutabel regime met bijzondere regelgeving)

[Reactie gewijzigd door pagani op 10 augustus 2026 15:42]

Ik game, heb een GPU en develop ook. Handig toch als je wat lokaal kan gebruiken?
Ik gebruik lokale modellen wel voor kleine(re) taken van mijn selfhosted containers; muziek, notities, dat soort dingen. Omdat het kan. Het niet perse snel hoeft en ja: privacy.
Laten we het zo zeggen: Het tientje dat ik eind juni in Deepseek heb geworpen gaat in mijn huidige tempo nog ongeveer 5 maanden mee. Voor mijn persoonlijke gebruik is lokale KI daarom nog lang niet rendabel. Wat wat als je een bedrijf bent en KI voor chatbots inzet, om offertes op domme fouten te controleren, een leger programmeurs de hele dag code kloppen met bots en ga zo verder? De investering in lokale KI wordt dan al snel zinnig en je wilt alleen voor de complexe taken die niet lokaal gedraaid kunnen worden dan nog de grote cloudgebaseerde modellen inzetten.
Ik rijd ook liever een eigen auto (local AI) dan elke dag de taxi (SaaS). Eigen auto mag ook lease zijn (PaaS) zijn
Waarom zou ik zelf eten koken als ze in een Michelin restaurant veel beter eten serveren?
"Vele malen beter" in wat?
Ik gebruik hier Mistal Small 4(naja, echt "small" is deze ook niet) op een Spark en die werkt echt behoorlijk prima voor heel veel generieke taken zoals scripting en tekst.
Natuurlijk kan deze niet op tegen de (500B++) Cloud modellen voor complexe programmeertaken, en inderdaad die zijn dan "vele malen beter", maar niet iedereen(understatement) is bezig met complexe programmeertaken, en zo'n dik model heeft dan gewoon weinig meerwaarde en is dan ook gewoon duur.

Los van het functionele: er zijn zoals je zelf ook al aanhaalt ook andere redenen om dingen lokaal te doen. Nog niet zo lang geleden vond iedereen het vreemd om zakelijke data zomaar te uploaden naar een willekeurige Cloud leverancier. Nu switchen sommige mensen (zonder m.i. daar goed over na te denken) ad-hoc naar een ander model en uploaden hele lappen code en documentatie. Ik blijf het wonderlijk vinden.
Verder is een lokaal LLM ook wel voorspelbaar wat betreft kosten.

[Reactie gewijzigd door YoMarK op 10 augustus 2026 16:16]

Scheelt een bak aan onkosten, die RTX 5090 is in een jaar terugverdiend met onze oplossing.
Ik denk dat we uiteindelijk veel meer richting lokaal draaiende LLM's gaan, of in ieder geval modellen die op eigen infrastructuur draaien.

Een belangrijk argument daarvoor is data. Op dit moment ben je bij veel AI-diensten afhankelijk van de grote partijen en wil je niet zomaar bedrijfsdata invoeren. Een klantenbestand inladen om er analyses op te doen is bijvoorbeeld al snel problematisch vanuit privacy- en securityoogpunt. Bij een model dat volledig lokaal of binnen je eigen infrastructuur draait, heb je daar veel meer controle over.

Tegelijkertijd worden lokale modellen steeds beter en efficiënter. Daarom denk ik dat het einddoel voor veel bedrijven uiteindelijk een LLM op een eigen server wordt, of op dedicated hardware in een Nederlands of Europees datacenter.

Dat maakt de enorme investeringen die nu in AI-datacenters worden gedaan naar mijn idee ook best riskant. Er worden bedragen van honderden miljarden genoemd, terwijl tegelijkertijd blijkt dat je met compactere modellen en veel minder hardware al verrassend goede resultaten kunt behalen. Als die ontwikkeling doorzet, heb je misschien helemaal niet overal gigantische clusters nodig.

Daar komt de geopolitieke kant nog bij. Europese bedrijven willen steeds vaker dat hun data in Europa blijft en zo min mogelijk afhankelijk zijn van Amerikaanse of Chinese partijen. Dan is hardware in je eigen serverruimte, colocatie in Nederland of een Europese cloud ineens een stuk aantrekkelijker.

Ik verwacht daarnaast dat de tooling steeds meer modelonafhankelijk wordt. Je ziet dat nu al met tools zoals OpenCode: je gebruikt dezelfde workflow, maar kunt relatief eenvoudig wisselen tussen verschillende modellen en providers. Daardoor kun je meegroeien met de markt zonder je hele tooling opnieuw te bouwen zodra een ander model beter, goedkoper of lokaal beschikbaar wordt.

Het prijsaspect gaat volgens mij ook een steeds grotere rol spelen. De bedragen die we nu betalen voor abonnementen bij grote LLM-providers lijken me op de lange termijn niet representatief voor wat intensief AI-gebruik werkelijk kost. Zeker wanneer we steeds meer richting agents gaan die continu modellen aanroepen, kan het verbruik enorm toenemen. Als prijzen of gebruikskosten daardoor een veelvoud worden van wat bedrijven nu betalen, wordt de businesscase voor lokale inference vanzelf steeds interessanter.

Uiteindelijk zie ik daarom vooral een hybride en modelonafhankelijke toekomst voor me. Je agentic tooling blijft hetzelfde, maar verschillende taken worden uitgevoerd door verschillende modellen en eventueel verschillende providers. Een zwaar redeneermodel uit de cloud voor de ene taak, een gespecialiseerd model voor een andere en een lokaal model voor taken met gevoelige data of grote volumes.

Kortom, lokale LLM's zijn de toekomst. Waarbij lokaal dan een rekbaar begrip is.
Op het moment draaien effectief alle AI boeren verlies, dus als jij bij je bedrijf gebruik maakt van claude voor 100 euro per maand per gebruiker, zijn de eigenlijke kosten misschien wel 1000 per maand per gebruiker. Als Anthropic overmorgen besluit de kosten door te rekenen aan de gebruiker, dan mag je kiezen uit of 9x minder ai gebruiken met de gevolgen van dien, of 10x meer betalen om dezelfde kwaliteit/snelheid binnen je bedrijf te behouden.

Je kan zien dat dit niet heel veilig is om te doen als bedrijf.
Precies om de redenen die je noemt en meer:
  • Privacy,
  • Dataveiligheid,
  • Geen buitenlandse hosting,
  • Geen abonnementskosten,
  • Geen geldstroom richting bedrijven en/of landen die je liever niet steunt,
  • Tot op zekere hoogte autonomie, digitale soevereiniteit.

[Reactie gewijzigd door nms2003 op 10 augustus 2026 20:18]

Wij moeten wel: automatische beoordeling van profielen en sollicitanten mag om AVG redenen niet in een extern LLM.
Dus jouw LLM is degene die de mails die mijn LLM / agent verstuurd afkeurt? Lekker dan.
Onjuist. Je bewering is zelfs niet eens geloofwaardig. De GDPR is veel ouder dan LLMs die capabel genoeg hiervoor zijn.

En om alvast een volgende misvatting voor te zijn: de EU AI Act is wél nieuw genoeg maar kent het hele "extern LLM" concept niet. Als iets niet in een extern LLM mag, dan ook niet in een intern LLM.
Voor een bedrijf is het bijna ondenkbaar om het niet zelf te hosten. Je geeft anders gewoon je bedrijfageheimen weg aan iets dat potentieel intelligenter word.
Je kan als (groot) bedrijf me een relatief kleine investering zelf serieuze modellen zoals DeepSeek draaien en daarmee je code en data veilig gebruiken met AI.

Als kleinere partij idem met dit soort kleine modellen. Als particulier is het ook gewoon leuk. Maar het is ook prettig om zeker te weten dat je prive data niet meegenomen wordt in de volgende trainingsronde van een online model.

Verder kan je hiermee offline werken. Voor sommige partijen is dat essentieel (airgapped netwerk ivm security).

En dan heb je nog de hobby factor. Natuurlijk kunnen online modellen het beter. Maar hoe cool is het om hiermee te rommelen in de avonduren zonder verdere kosten. En te leren hoe deze dingen werken door het zelf te doen.

[Reactie gewijzigd door Eriky op 11 augustus 2026 08:03]

Lokale modellen werken goed genoeg en dan loopt mij data niet naar een of andere groot bedrijf.
Ik train mijn llm op specifiek mijn wensen. Ik gebruik hem bijvoorbeeld voor mijn vakgebied als veiligheidskundige en arbeidshygiënist. Ik maak veel gebruik van vaklitaratuur en normen. Het scheelt mij een enorme bult met werk door hiervoor een llm te trainen al raad ik het nog steeds aan om alles goed na te lopen.

Wanneer ik een bestaand model benader gaat het al fout met de wetsartikelen die al openbaar zijn en worden veel clausules uit de normen verkeerd uitgelegd
Daarvoor heb je primair RAG geen training.
Mijn idee is dat RAG voor deze toepassing niet volstaat. Een deel van de relevante informatie is niet goed via scraping te verkrijgen omdat diverse sites dit niet toelaten. Daarnaast zijn veel normen niet openbaar beschikbaar omdat je ze zelf rechtmatig in bezit moet hebben voordat je ze in een kennisbank kunt opnemen. En vervolgens moeten vaak meerdere normen, wetgeving en verwijzingen onderling worden gekoppeld. Juist daar zie ik een belangrijke beperking van een standaard RAG-oplossing. Dit is natuurlijk mijn persoonlijke bevinding. Als dit ook anders kan hoor ik dat graag.🙂
Je haalt hier techniek en wet door elkaar, vermoed ik

Als je bronnen hebt waar je een LLM mee traint, dan kun je die ook gebruiken voor RAG. Dat is zowel juridisch juist als technisch juist.

"Scraping" is irrelevant. Als dat kan, dan kan het voor beide gevallen (RAG en training). Als dat mag dan mag dat.

Koppelen? Laat dat aan de LLM zelf over.
Ik gebruik lokale modellen (vooral Qwen). Prima voor simpele coding taken en het is veel goedkoper als je dagelijks AI gebruikt voor je werk. De publieke toolchains veranderen regelmatig, qua versies en pricing. Het is ook wel lekker als je aan het werk bent, dat je zelf kunt kiezen wanneer je gaat upgraden, of toch een weekje kunt focussen om een deadline te halen. Voor veel toepassingen is data privacy ook belangrijk.

Je kunt er nu nog inderdaad niet zo veel op dan de grote publieke modellen. Over 5 of 10 jaar kan dit er echter wel heel anders uit zien. En dan is het de vraag hoe bedrijven eigenlijk geld/marktaandeel kunnen oogsten met AI tools. Want publiek hosten lijkt tot nu toe niet winstgevend voor de aanbieders, dus ook daar is het logisch dat er iets gaat veranderen.
Ik begrijp niet zo goed wat Meta hiermee wil bereiken. Los van dat ik het wel tof vindt hoor. Maar Meta is toch dat bedrijf dat elke mogelijkheid aangrijpt om met jouw privégegevens geld te verdienen, al dan niet zonder jouw toestemming? Het voelt schizoide dat ze enerzijds AI-gluurbrillen de wereld in sturen en anderzijds een privacy-focused alternatief bieden in de hedendaagse LLM/AI-storm. Heeft iemand daar een verklaring voor? Of begrijp ik het stiekem toch niet goed?

[Reactie gewijzigd door Bertje3000 op 10 augustus 2026 23:38]

Zoals React bedoel je? Of php hack? Of React native? Je weet wel die opensource platformen die het internet hebben veranderd... Ik ben geen Meta fan, maar Meta heeft zeker zijn zijn strepen verdiend op het web.

Nu het LLM verhaal, waarom nu inzetten op een open weights model? Steve Balmer zei het ooit goed.. developers,developers,developers..

Meta probeert misschien niet de AI-markt te winnen door het beste model te bezitten, maar door ervoor te zorgen dat zoveel mogelijk developers hún model als bouwsteen gebruiken.
“Volgens Meta past dat allemaal binnen 24 of 32GB.”

Dat is alsnog een forse hoeveelheid VRam; niet bepaald een ‘gewone’ PC, zeker niet in deze dure RAM-tijden.
Heb een laptop met 64gb unified memory en een 285H chip, zulke modellen werken prima, al is het niet heel snel (15tk/s), voor dingen die lokaal moeten blijven prima bruikbaar.
Het gaat om VRAM. Niet RAM. Oftewel, je hebt een flinke GPU nodig. Je zult het ook in RAM kunnen draaien, neem ik aan, maar dan wel een stuk trager.
unified beteken in dit geval ddr5 geheugen dat vrijwel volledig voor de grafische kaart gebruikt kan worden. Met LM Studio draai ik moeiteloos 27b en 35b modellen met 15tk/s.
Je kunt bij MOE modellen de actieve experts etc in de GPU houden en de rest in RAM. Op die manier kun je met een vrij bescheiden GPU toch behoorlijke modellen snel draaien.

Bijvoorbeeld qwen 3.6 35B op een RTX 3080 TI 12GB gaat als een trein.
Er zijn behoorlijk wat Macs in omloop met 24 GB RAM. Alle MacBook Pro’s met bijv. M5 Pro chips starten zelfs standaard met 24 GB RAM.

Dat maakt het dus best interessant voor veel mensen.
MAC Mini 24 GB €1400.00.
Een Mac Mini (of zelfs mijn MacBook Pro) kan die volledige 24GB niet volledig benutten vanwege de rest van het systeem.

Als je een 4090 hebt bijvoorbeeld dan heb je volledig afzonderlijk 24GB VRAM los van de gewone RAM en kan je het volledig offloaden.

Ikzelf kan vrijwel niks met lokale LLM's in praktische nut op mijn 16GB GPU. Alleen een gewoon licht 'chat' model wel, maar iets van programmeren is al volkomen nutteloos. En laten die 24GB GPU's al niet te betalen zijn, precies hierdoor.
Hopen als ze met Intel samenwerken, dat die een inhaalbeweging kunnen maken. Je hoeft geen superpower GPU voor AI gelukkig, 32GB aan geheugenchips en je komt al verder dan een normale CPU architectuur. Uiteraard kost dat wat 32GB, maar niet wat NVidia ervoor vraagt. AMD zit volgens mij ergens rond € 1.200-€ 1.400 of zo nog met een kaart die je daarvoor kan gebruiken, maar blijft geld allemaal, en dan kon je niet dubbelen voor gaming ook nog eens. Is het nog niet waard op dit moment, wie weet next gen als de gekte weer een beetje is gaan liggen, meer geheugen productie capaciteit op de markt is.
Ben het niet met je eens, ik draai qwen 3.6 35B parameters op een 16gb 5070ti, draai prima, en als je wat slim omgaat met je context (opsplitsen in stories, samenvatting wegschrijven, volgende taak in nieuwe sessie) kun je best aardige projecten laten bouwen.

met Mix of experts (MOE) kun je nog veel grotere modellen draaien (mits genoeg ram, omdat alleen die "actieve"experts uit het model naar vram gaan.

Je moet alleen iets anders werken met de kleinere modellen

Aanrader is Matt Pocock , zijn flow is zeer geschikt voor local llm, of mix van local en cloud
llama-server.exe -m E:/llama/models/Qwen3.6-35B-A3B-UD-Q4_K_XL.gguf --fit on --fit-ctx 128000 --fit-target 256 -np 1 -fa on --no-mmap --mlock -b 2048 -ub 2048 -ctk q8_0 -ctv q8_0 --temp 0.6 --top-p 0.95 --top-k 20 --min-p 0.0 --presence-penalty 0.0 --repeat-penalty 1.0 --reasoning-budget -1 --chat-template-kwargs "{\"preserve_thinking\": true}"
De varianten op Hugging Face starten momenteel bij 12.5GB. Dan zou een 16GB GPU voldoende moeten zijn: https://huggingface.co/unsloth/Muse-Glimmer-30B-GGUF
Waarom niet vergelijken met de huidige Qwen 3.8?
Qwen 3.8 27b wordt verwacht (ze zeggen komende week), dus vergelijken gaat nog niet.
Je hebt gelijk inderdaad, dank!
Dat Meta toch weer model gewichten open-sourced is erg goed nieuws. Ze waren jarenlang voorvechter van open met Llama, draaide toen volledig de kraan dicht en ging closed source en kiezen nu toch weer eieren voor hun geld. Denk dat ze gezien hebben dat ze op de frontier-markt niet meekonden, en dat China de open modellen markt aan het winnen is.
Wat het artikel nog mist: de weights van Muse Spark 1.2 komen binnenkort ook publiek beschikbaar (aldus Zuckerberg op Twitter).
Dus Meta beweert dat ik dit 30b model op mijn Macbook Air M5 met 24GB RAM kan draaien? Dat zou wel super zijn! Tot nu toe alleen wat geëxperimenteerd met 7B modellen, maar 7B>30B kan voor bepaalde usecases wel een significante verbetering met zich meebrengen.
Kijk maar wat je 7B-modellen aan (V)RAM kosten, dat zal (afhankelijk van quantization) 4-8 GB zijn. Als je zo'n 30B model op Q4 laat werken gok ik dat je zo'n 18-20 GB kwijt bent. Dat past in 24 GB RAM, maar je moet er geen hele zware dingen naast doen (zoals een browser met 10+ tabs :+ )
Ik ben best bereid om even mijn andere applicaties te sluiten om dit werkend te krijgen. Dank voor de tip!
Overigens wel zinvol om te vermelden dat destillatie ook voor andere modellen veel gebruikt wordt. Bijna elke combinatie van teacher en student is beschikbaar, inclusief fable, opus, GPT5x of gemini.

Als je een 32gb Mac mini of één 3090 hebt, dan kun je prima een qwen 27b of Gemma 4 26b model runnen, in 4 bit precision. Of je dan kiest voor de normale "basis"/base versie van het model of een fine tune danwel distill maakt voor de hardware requirements niet zoveel uit.

Ook met een 16gb Mac of een 3060 kom je best een end met wat kleinere modellen. Desnoods run je het model grotendeels op CPU met alleen een deel op GPU.

Je kunt van alles vinden op huggingface, van fine tuning voor programeren, voor het schrijven van verhalen, voor agentic use, voor NSFW, etc etc. Je kan het zo gek nog niet bedenken of het bestaat.
Om het model lokaal, op een 'gewone' Mac of pc, te laten draaien, moest het flink verkleind worden. Volgens Meta heeft een model van 30 miljard parameters bij volledige precisie ruim 55GB geheugen nodig. Een consumenten-gpu biedt die ruimte niet.
Nou nou, er zijn anders genoeg mensen die dit wel kunnen draaien. De truuk is om een mobile chipset te gebruiken, deze gebruiken namelijk een deel van het systeemram als VRAM. Zo kan je met een "strix halo" setup tot 128GB aan shared memory krijgen, en dus ook gewoon de grotere modellen draaien. Zie bijvoorbeeld https://strix-halo-toolboxes.com/#strix. Maar ook op "normale" laptops met een bijvoorbeeld een AMD AI chipset kan je prima grote modellen draaien, zolang je maar genoeg systeemgeheugen hebt.

Voor desktop GPUs is dit inderdaad een interessant model, maar dan moet je nog steeds een stevige GPU hebben. Een intel ARC Pro B60 is dan goedkoop a €720, maar geen idee hoe performant dat is. En een Radeon R9700 zit alweer op €1400. En dan hebben we het over workstation kaarten, laat staan gewone gaming GPUs zoals een RTX 5090 van €4000+.

Niet dat een strix halo systeem goedkoop is, maar dan heb je tenminste een compleet systeem, ipv alleen een GPU.

Neemt niet weg dat het goed is dat modellen kleiner worden, dat maakt de barrier to entry om lokaal serieuze modellen te draaien hopelijk lager.
Deze compressie is toch niet zo bijzonder? Qwen 3.6 35B op 4 bit zie je op vergelijkbare grotes van rond de 20GB, dan heb je toch 5B extra. Deze week komt ook Qwen 3.8 27B uit, daar wou Meta waarschijnlijk net voor zijn omdat ze de bui al zien hangen :Y)

Meta is trouwens ook relatief goed in ‘benchmaxen’, ik betwijfel of deze muse glimmer release veel gebruikers gaat hebben in de praktijk.

Om te kunnen reageren moet je ingelogd zijn