Metaは4月、Muse Sparkで閉じた旗艦モデルの路線を示した。8月10日には同じMuse系列からMuse Glimmer 30BをHugging Faceで公開し、Macや消費者向けGPU搭載PCで動くローカルAgentモデルとして打ち出した。
焦点は30Bという数字だけではない。長いコンテキストや高いベンチマーク値は、すでに米中のオープンモデルで珍しくなくなった。Metaが問うているのは、商用利用しやすいダウンロード可能なモデルが、長い作業、画像理解、ツール呼び出し、失敗後の再試行までローカルで回せるかだ。
“Some argue that superintelligence itself or a small set of experts who control it should decide what is best for humanity. We disagree.”
30Bはメモリ設計の数字
Hugging Faceのモデルカードによると、Muse Glimmerは約29.6Bパラメータのdense causal Transformerで、約1.8BパラメータのViT-G/14知覚エンコーダを持つ。コンテキスト長は131,072+ token、語彙は202,048、100を超える言語で訓練され、知識カットオフは2026年1月4日だ。
実務上の数字はメモリである。Metaは、30Bをフル精度で動かすには55GB超が必要だと説明する。Glimmerは約4-bit量子化で言語モデルを20GB未満に圧縮し、KV cache、画像エンコーダ、投機的デコード用drafterを24GBまたは32GBの枠に収める設計を示した。
これはクラウドAPIの遅延値でも、トークン単価でもない。ローカルでAgentループを回すための最低ラインに近い。 DFlashベースのdrafterは16 token単位の候補を出し、主モデルが並列で検証する。MetaはK-Quant-17GB構成で、RTX 5090は3.1倍、M5 Maxは1.8倍、M4 Maxは1.5倍のデコード速度向上を示している。
評価軸はチャットよりAgent
Metaの説明は、タスク完了、信頼できるツール利用、多段推論、失敗復旧、マルチモーダル入力、OpenClaw系scaffoldとの互換、reasoning effortの調整、多言語対応に寄っている。
モデルカードでは、MCP Atlas Publicが75.5、DeepSearch QAが74.6、SWE-Bench Proが51.2、SWE-Bench Verifiedが76.0。マルチモーダルではCharxiv Reasoningが78.8、ScreenSpot Proが75.4とされ、Gemma4-31B Thinking ModeやQwen3.6-27B Thinking Modeと比較されている。
企業の実運用では、ブラウザ、リポジトリ、権限、ログ、データベースが絡むため、ベンチマークはそのまま成功率にならない。それでもMetaが、ローカルモデルの評価を「会話がうまいか」から「ツールを使う長いループを回せるか」に寄せた点は意味がある。
オープンウェイト復帰と制約
ライセンスはApache 2.0。MetaはHugging Faceから入手でき、Ollama、LM Studio、Unslothでローカル実行し、llama.cpp、ExecuTorch、MLX、vLLM、SGLang、Together AI、Fireworks AI、OpenRouterなどにつなげる道筋を示している。
Muse Sparkとの対比は明確だ。Sparkはより強い閉鎖型モデルとしてAPI課金へ進んだ。Glimmerは、最強モデルそのものではなく、個人端末で試せるAgentモデルを開発者に渡す。
安全面の注記も軽くない。Metaは、Glimmerを単独の裸のエンドポイントとして使わず、不可逆操作の確認、データ最小化、scaffold境界、間接プロンプトインジェクション対策を含む追加のガードレールを求めている。ローカルで動くAgentは画面を読み、ファイルに触り、ツールを呼べる。端末内で動くこと自体は安全保証ではない。
次に見るべき点は、24GB/32GB機での実速度、OllamaやSGLangやOpenClawの実装品質、長時間タスクで人間が何度介入するかだ。そこが持てば、MetaはLlama後のオープンな入口を取り戻す。外れれば、Glimmerはダウンロードされ、量子化され、ベンチマークされ、次の30Bに押し流される。
情報源：Meta AI Research、Hugging Faceモデルカード、Business Insider、FoneArena、CocoLoop；29.6Bパラメータ、1.8B知覚エンコーダ、131,072+ tokenコンテキスト、Apache 2.0、20GB未満の量子化重み、24GB/32GBローカル実行、DFlashの3.1倍/1.8倍/1.5倍加速、MCP AtlasとSWE-Benchの評価範囲を確認。