Meta 4 月用 Muse Spark 表明自己也會做閉源旗艦模型。8 月 10 日，它又把 Muse 系列的一部分拉回開源權重路線：Muse Glimmer 30B 已在 Hugging Face 上架，定位是可在 Mac 或單張消費級 GPU PC 上運行的本地 Agent 模型。
這件事的重點不只在 30B。過去半年，中國和海外開源模型已把參數、上下文和跑分堆到很高。Meta 更想驗證的是：一個可下載、可商用授權的模型，能否在本地完成長任務、讀圖、調用工具、失敗後重試，而不必把每一步都交給雲端 API。
“Some argue that superintelligence itself or a small set of experts who control it should decide what is best for humanity. We disagree.”
30B 不是炫參數，是卡記憶體
Hugging Face 模型卡寫得很具體：Muse Glimmer 是約 29.6B 參數的 dense causal Transformer，帶約 1.8B 參數的 ViT-G/14 感知編碼器；上下文長度 131,072+ token，詞表 202,048，訓練覆蓋 100 多種語言，知識截止到 2026 年 1 月 4 日。
最實用的數字是記憶體。Meta 稱 30B 全精度需要 55GB 以上記憶體，消費級設備很難承受；Glimmer 透過約 4-bit 量化，把語言模型壓到 20GB 以下，為 KV cache、圖像感知編碼器和推測解碼 drafter 留出空間，目標落在 24GB 或 32GB 本地配置。
這不是雲端 MaaS 的延遲口徑，也不是價格表。它說的是本地部署門檻。 Meta 還提供基於 DFlash 的輕量 drafter，一次提出 16 個 token 區塊，再由主模型並行驗證。官方數字顯示，在 RTX 5090 上，K-Quant-17GB 模型配合量化 drafter 解碼速度提升 3.1 倍；M5 Max 為 1.8 倍，M4 Max 為 1.5 倍。
評測重點落在 Agent
Muse Glimmer 的材料沒有主打閒聊。Meta 列出的是端到端任務完成、可靠工具調用、多步推理、失敗恢復、多模態輸入、OpenClaw 等 scaffold 相容、reasoning effort 可控，以及多語言支援。
模型卡顯示，Muse Glimmer 在 MCP Atlas Public 上為 75.5，DeepSearch QA 為 74.6，SWE-Bench Pro 為 51.2，SWE-Bench Verified 為 76.0；多模態側，Charxiv Reasoning 為 78.8，ScreenSpot Pro 為 75.4。對照組是 Gemma4-31B Thinking Mode 和 Qwen3.6-27B Thinking Mode。
這些 benchmark 不能直接等於真實工作完成率。企業裡一個 Agent 要接瀏覽器、程式碼倉庫、權限、日誌和資料庫，任何一層工具失敗都會影響體驗。Meta 這次的變化，是把本地模型的驗證重點從「回答是否聰明」推到「能否完成帶工具的長循環」。
開源權重回歸，邊界也更細
授權採 Apache 2.0。Meta 稱權重已可在 Hugging Face 下載，後續可透過 Ollama、LM Studio、Unsloth 跑本地版本，適配 llama.cpp、ExecuTorch、MLX，也可在 vLLM、SGLang 上服務，並接入 Together AI、Fireworks AI、OpenRouter。
這與 4 月 Muse Spark 形成反差。Muse Spark 是閉源旗艦，後續 Muse Spark 1.1 又進入 Meta Model API 計費；Muse Glimmer 則把重點放在下載、量化、本地推理和開放生態。Meta 沒有把最強模型直接開出來，而是給了一個能在個人設備上試錯的 Agent 版本。
限制也要看。模型卡寫明訓練資料包括公開資料、第三方提供資料、Meta 產品與服務資訊，以及外部供應商網絡和 Meta 人員整理增強的資料。安全部分提醒，Glimmer 不應被當成獨立端點裸用，應用側仍需額外護欄，尤其是不可逆操作確認、資料最小化、scaffold 邊界和間接提示注入防護。
下一步可核驗的是三件事：24GB/32GB 設備上的真實速度，OpenClaw、SGLang、Ollama 等工具鏈落地品質，以及社群複測時它在長任務裡的人類接管次數。若能跑穩，Meta 就重新拿到一個 Llama 之後的開放生態入口；若跑不穩，它只是又一個被下載、量化、跑分後很快被新模型蓋過去的 30B。
參考來源：Meta AI Research、Hugging Face 模型卡、Business Insider、FoneArena、CocoLoop；核驗 29.6B 參數、1.8B 感知編碼器、131,072+ token 上下文、Apache 2.0 授權、20GB 以下量化權重、24GB/32GB 本地部署口徑、DFlash 3.1 倍/1.8 倍/1.5 倍解碼加速和 MCP Atlas/SWE-Bench 等 benchmark 口徑。