AI & computingGeneratieve AI & synthetische media

Meta opent AI-modellen weer: Zuckerberg wil compute gaan veilen

· Bijgewerkt 10 augustus 2026, 16:17 · 2 min leestijd

Generatieve AI & synthetische media
Beeld: The Decoder

Meta brengt na anderhalf jaar stilte weer een open AI-model uit: Muse Glimmer, gemaakt voor lokale AI-agents op een gewone pc. Topman Mark Zuckerberg verdedigt in een essay het kopiëren van modellen van concurrenten en onthult dat Meta rekenkracht straks wil veilen aan de hoogste bieder.

Techbedrijf Meta heeft een nieuw AI-model vrijgegeven onder een open licentie: Muse Glimmer. Het is de eerste keer sinds het in het voorjaar van 2025 gelanceerde Llama 4 dat Meta de bouwstenen van een eigen AI-model publiekelijk deelt. Het model telt 30 miljard parameters, een maat voor de omvang en het geheugen van een open-weightmodel, en is bedoeld voor AI-agents die dag en nacht op één grafische kaart in een gewone laptop of pc kunnen draaien, zonder dat gegevens naar een externe server hoeven.

Terug na een moeizame periode

De release komt na een roerige tijd voor Meta's AI-tak. Llama 4 kreeg vorig jaar kritiek vanwege opgeblazen testresultaten, en de grootste versie van die modelfamilie verscheen nooit. Meta bouwde daarop zijn onderzoeksafdeling om tot Meta Superintelligence Labs, investeerde miljarden in data-leverancier Scale AI en wierf toponderzoekers weg bij concurrenten. Ook vertrok chief scientist Yann LeCun, jarenlang het gezicht van Meta's AI-onderzoek. Muse Glimmer is het eerste open model van de vernieuwde afdeling. Meta test het model op benchmarks tegen Gemma4-31B van Google en Qwen3.6-27B van Alibaba, de twee bekendste concurrenten in dezelfde gewichtsklasse. Op agenttaken zoals het gebruiken van digitale hulpmiddelen en zoeken op het web scoort Glimmer goed, al erkent Meta zelf dat de testopzet niet is afgestemd op de modellen van de concurrentie.

Kleiner gemaakt voor thuisgebruik

Om op consumentenhardware te passen, comprimeert Meta de modelgewichten tot ongeveer 4 bit per parameter. Daardoor krimpt het geheugengebruik van ruim 55 gigabyte naar minder dan 20 gigabyte. Een extra, klein hulpmodel versnelt bovendien het genereren van tekst tot 3,1 keer. Glimmer is bovendien getraind via distillatie: het kleine model leert de antwoorden van Meta's grotere model Muse Spark na te bootsen. Die techniek staat centraal in een essay dat Zuckerberg gelijktijdig publiceerde onder de titel 'The Future is for Everyone'. Daarin verdedigt hij expliciet het overnemen van kennis uit modellen van andere bedrijven: wie iets kan waarnemen, mag er ook van leren, stelt hij. Dat raakt een gevoelige snaar. OpenAI en Anthropic beschuldigen Chinese AI-labs er al langer van hun modellen zonder toestemming te gebruiken als lesmateriaal voor eigen agentic AI-systemen. Zuckerberg draait het verhaal om: niet minder open modellen zijn de oplossing, maar zorgen dat de beste open modellen uit de Verenigde Staten komen, distillatie inbegrepen.

Wat leveren de miljardeninvesteringen op?

Achter de ideologische boodschap schuilt ook een zakelijk probleem. Meta trekt dit jaar tot 145 miljard dollar uit voor datacenters, en tot 2028 zou dat oplopen tot 600 miljard dollar, meldde de Wall Street Journal eerder. Concrete inkomsten daaruit ontbreken vooralsnog: Meta heeft geen dominant topmodel zoals OpenAI of Anthropic, geen vergelijkbare betaalde API-markt, en gratis modellen als Glimmer leveren per definitie geen licentie-inkomsten op. In zijn essay laat Zuckerberg doorschemeren hoe hij dat wil oplossen: gratis modellen voor een breed publiek, maar wie meer rekenkracht wil, betaalt via een veilingmechanisme waarbij vraag en aanbod de prijs bepalen. Dat principe kent Meta goed uit zijn advertentietak, die al jarenlang op dezelfde manier werkt. Concrete producten of een tijdpad ontbreken echter nog, en of beleggers deze strategie de komende jaren blijven steunen, is nog onzeker.

Achtergrond & begrippen

Wat betekent dit voor de toekomst? Metas terugkeer naar open AI-modellen kan de balans in de AI-industrie verschuiven, weg van een handvol gesloten topmodellen naar breed toegankelijke techniek die iedereen kan aanpassen en lokaal draaien. Tegelijk laat het zien hoe bedrijven op zoek gaan naar verdienmodellen voor de enorme rekenkracht die ze opbouwen, wat de prijs en beschikbaarheid van AI-diensten wereldwijd kan beïnvloeden.

Open-weightmodel
Een AI-model waarvan de getrainde parameters (gewichten) openbaar worden gedeeld, zodat anderen het gratis kunnen gebruiken en aanpassen.
Modeldistillatie
Een trainingstechniek waarbij een kleiner AI-model leert de uitkomsten van een groter, krachtiger model na te bootsen.
Benchmark
Een gestandaardiseerde test waarmee de prestaties van verschillende AI-modellen onderling worden vergeleken.
Agentic AI
AI-systemen die zelfstandig meerdere stappen kunnen uitvoeren om een taak te voltooien, zoals bestanden beheren of op internet zoeken.
Modelkwantisatie
Het comprimeren van de getallen in een AI-model naar minder bits, waardoor het minder geheugen nodig heeft en sneller draait.
Speculatief decoderen
Een techniek waarbij een klein hulpmodel alvast tekst voorspelt die het grotere model vervolgens controleert, wat de output versnelt.

Bronnen

Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.

Meer over Generatieve AI & synthetische media