Meta开源30B模型Muse Glimmer：专为本地AI智能体打造，可在单卡24GB显存运行
8月11日，Meta今日正式发布AI模型Muse Glimmer，并在Apache 2.0许可协议下开源其模型权重。这款拥有300亿参数（30B）的模型，专为全天候常驻运行的本地智能体（Agent）工作流深度优化，标志着Meta在开源AI领域的再次加码。
Muse Glimmer的核心突破在于其对消费级硬件的友好适配。官方表示，通过应用4bit量化技术，模型权重被压缩至20GB以下，可在配备24GB或32GB显存的Mac或PC上本地运行，且实测验证这种压缩对智能体任务性能的影响微乎其微，几乎没有任何衰减。该模型由Meta Superintelligence Labs从其旗舰闭源模型Muse Spark蒸馏而来，集成多步推理、工具调用、多模态理解（文本+图像）和故障恢复等核心能力，适用于日程管理、文件整理、代码编写等高度依赖个人数据的日常场景，所有计算均在本地完成，无需连接云端。
在性能表现上，Muse Glimmer在多项主流基准测试中展现出同尺寸级别的强劲实力。与Google的Gemma4-31B和阿里巴巴的Qwen3.6-27B相比，Muse Glimmer在MCP Atlas（75.5 vs 54.2/62.5）、DeepSearch QA（74.6 vs 61.7/71.1）和WildClawBench（47.6 vs 37.6/43.2）等多项测试中均取得领先。第三方机构Artificial Analysis的评估也显示，Muse Glimmer的综合指标超越了Claude Haiku 4.5，并接近Gemini 3.5 Flash-Lite。
为了提升本地推理速度，Muse Glimmer还采用了名为DFlash的推测解码技术，利用一个轻量级的“实习生”模型快速生成令牌草案，再由主模型进行并行校验。这一机制在RTX 5090上实现了3.1倍的解码加速，吞吐量达到每秒233个令牌；在M5 Max和M4 Max上的加速分别为1.8倍和1.5倍，足以支撑无延迟感的实时交互。随着Hugging Face开放下载以及对llama.cpp、MLX、Ollama等框架的支持，Muse Glimmer有望成为开发者构建本地AI智能体的热门选择。
