Meta 发布开源模型 Muse Glimmer
先了解这件事
报道摘要推出 Muse Glimmer，一款开放权重、300 亿参数的模型，专为本地、常驻运行的智能体工作流优化。 与同尺寸领先模型相比，Muse Glimmer 在关键智能体用例和基准测试中表现出色，并设计为完全在消费级硬件（如 Mac 或配备高性能 GPU 的 PC）上运行。 秉承我们长期分享基础 AI 研究的传统，我们以宽松的 Apache 2.0 许可证发布模型权重。
报道时间线
沿着报道，了解事件的不同侧面。
- Meta 发布开源模型 Muse Glimmer：30B 参数、Apache 2.0 许可
Meta 推出全新 30B 参数开源模型 Muse Glimmer，采用 Apache 2.0 许可。该模型主打端到端智能体任务完成、可靠工具调用与多步推理，在 DeepSearch QA、MCP-Atlas、𝛕-Bench 和 SWE-Bench 等基准上表现强劲。Muse Glimmer 同时具备视觉能力，LM Studio 版本体积为 18.16 GB。
- Meta 发布开源模型 Muse Glimmer，并承诺数周内开放 Muse Spark 1.2 权重
Meta 宣布将重心转向开源权重大语言模型，并发布开源模型 Muse Glimmer，同时承诺在未来几周内开放其更强模型 Muse Spark 1.2 的权重。CEO 扎克伯格发表逾 6000 字长文阐述公司 AI 与治理理念，意在区别于 OpenAI、Anthropic 等闭源模型厂商，并回应中国实验室大规模知识蒸馏带来的竞争压力。
- Meta 发布开源权重模型 Muse Glimmer，一窥扎克伯格“个人超级智能”愿景
Meta 发布开源权重模型 Muse Glimmer，旨在本地消费级硬件上驱动 AI 智能体。该 30B 参数模型采用 Apache 2.0 许可，支持文本与图像，训练覆盖超 100 种语言，可在单张消费级 GPU 的 Mac 或 PC 上本地运行多步任务。此举呼应扎克伯格“个人超级智能”愿景，但更强大的 Muse Spark 仍保持闭源。
- Meta 开源 30B 本地 Agent 模型 Muse Glimmer
Meta 开源 30B 参数的 Muse Glimmer，Apache 2.0 许可，专为本地常驻 Agent 工作流优化，支持工具调用、多步推理与失败恢复，量化后单张 24G/32G 消费级 GPU 即可运行。
- Meta 发布 Muse Glimmer：可在单张消费级 GPU 上运行的 300 亿参数开源智能体模型
Meta 发布 Muse Glimmer，一个从 Muse Spark 蒸馏而来的 300 亿参数多模态模型，采用 Apache 2.0 开源协议。通过约 4-bit 量化与 DFlash 块级投机解码，模型可在单张 24 GB 消费级 GPU 或 Mac 上本地运行；在 RTX 5090 上吞吐量从 74.9 提升至 233.4 tok/s，实现 3.1 倍加速。
- Meta 重返开源模型：发布 Muse Glimmer，扎克伯格计划以拍卖方式出售算力
Meta 发布 300 亿参数的 Muse Glimmer，权重以 Apache 2.0 许可在 Hugging Face 开放，可在单张消费级 GPU 的 Mac 或 PC 上本地运行，是自 2025 年春季 Llama 4 以来的首个开源模型。
- Meta Muse Glimmer：开放权重 30B 本地编码模型
Meta 发布 Muse Glimmer，一款开放权重的 30B 参数本地编码模型。该模型面向本地部署场景，相关研究细节已在 research.meta.ai 公布。
- Meta 发布开源 30B 模型 Muse Glimmer
Meta 发布开源权重模型 Muse Glimmer，为 30B 参数规模，采用 Apache 2.0 许可证，可在 24GB 显存上运行且不损失智能体可靠性。该模型在多项基准测试中超越 Gemma 4 31B 和 Qwen 3.6 27B，量化后体积可压缩至 20GB 以下。Meta 同时宣布将很快开源 Muse Spark 1.2。
- Meta 发布 Muse Glimmer：30B 本地智能体模型
Meta Superintelligence Labs 发布 Muse Glimmer，一款 30B 参数、专为单消费级 GPU 上的常驻本地智能体设计的模型，权重以 Apache 2.0 协议开源。
- Meta 开源 30B 模型 Muse Glimmer，4bit 量化可在 24GB 显存 GPU 本地运行
Meta 今日发布 300 亿参数模型 Muse Glimmer，并在 Apache 2.0 许可下开源权重。该模型专为全天候常驻的本地智能体工作流优化，应用 4bit 量化后可在 24GB/32GB 显存的 Mac 或 PC 上运行，实测性能几乎无衰减。在 MacBook M4 Max、M5 Max 及 RTX 5090 上，其速度可胜任流畅对话与实时智能体交互，所有计算均在本地完成。
- Meta 开源 Muse Glimmer 30B，多项基准领先
Meta 发布开源模型 Muse Glimmer（30B 参数，支持本地部署），在 24 项基准中 12 项取得最佳成绩，对比 Gemma4-31B 胜 19 项、对比 Qwen3.6-27B 胜 14 项，最强领域为智能体任务（MCP Atlas 75.5 vs 62.5）。
- Meta 开源 Muse Glimmer 30B 模型
Meta 今日开源 Muse Glimmer，一个可在单张消费级 GPU 上本地运行的 30B 参数稠密模型，并即将开源最新基础模型 Muse Spark 1.2 的权重。Meta 表示坚定支持开源，Alexandr Wang 与 MSL 团队参与了模型开发。
- Meta 开源 Muse Glimmer 与 Spark 1.2 权重
今天，我们还开放了 Muse Glimmer 的权重，这是一个出色的 30B 参数稠密模型，可以在本地运行。很快，我们还将发布最新基础模型 Muse Spark 1.2 的权重。Meta 是开源的坚定支持者，我为这些发布感到自豪。祝贺 @alexandr_wang 和 MSL 团队在这些模型上的出色工作。
- Meta 发布开源模型 Muse Glimmer
推出 Muse Glimmer，一款开放权重、300 亿参数的模型，专为本地、常驻运行的智能体工作流优化。 与同尺寸领先模型相比，Muse Glimmer 在关键智能体用例和基准测试中表现出色，并设计为完全在消费级硬件（如 Mac 或配备高性能 GPU 的 PC）上运行。 秉承我们长期分享基础 AI 研究的传统，我们以宽松的 Apache 2.0 许可证发布模型权重。