Meta Muse Glimmer: 30miliardový otevřený AI model, který běží zcela na jedné spotřebitelské grafické kartě

Společnost Meta Superintelligence Labs uvedla 10. srpna 2026 model Muse Glimmer – otevřený model s přibližně 29,6 miliardami parametrů, který je navržen tak, aby běžel zcela na jedné spotřebitelské grafické kartě bez nutnosti jakéhokoli cloudového připojení . Jde o první otevřený model od Mety po více než roce, čímž se firma vrací ke svým kořenům v oblasti otevřené AI po zklamání s modelem Llama 4 .

Klíčové specifikace

Muse Glimmer je hustý kauzální transformer (nikoli Mixture-of-Experts) s vyhrazeným percepčním kodérem ViT-G/14 o velikosti ~1,8 miliardy parametrů pro multimodální vstup . Má 52 vrstev, skrytou dimenzi 6 656 a 32 dotazovacích hlav s patternem Grouped Query Attention v poměru 16:1 .

Specifikace	Detail
Celkové parametry	~29,6B (27,8B jazykový model + ~1,8B vizuální kodér)
Kontextové okno	131 072+ tokenů (až 262K v některých konfiguracích)
Multimodální vstup	Text + obrázky přes vyhrazený percepční kodér
Licence	Apache 2.0 – umožňuje komerční použití, úpravy a redistribuci
Offline/lokální provoz	Běží zcela na jedné spotřebitelské GPU nebo Macu – bez nutnosti cloudu
Znalostní střih (knowledge cutoff)	4. ledna 2026
Trénovací data	Pokrývají více než 100 jazyků

Model v plné přesnosti vyžaduje ~55 GB VRAM, ale Meta jej dodává s 4bitovou kvantizací, která model komprimuje pod 20 GB .

Kvantizované VRAM varianty

Meta dodává dvě kvantizované konfigurace, obě postavené na K-Quant a měřené proti 15 benchmarkům :

• K-Quant-Dynamic – cílí na ~32 GB VRAM, s pouze 0,2% průměrnou degradací oproti plné přesnosti
• K-Quant-17GB – cílí na ~24 GB VRAM (model je pod 20 GB), s 1,0% průměrnou degradací

Nezávislé laboratoře zatím tato agregovaná tvrzení o degradaci neověřily .

DFlash spekulativní dekódování a lokální propustnost

K vyřešení problému latence při lokálním běhu 30miliardového modelu Meta nasazuje DFlash – malý pětivrstvý spekulativní dekodér, který navrhuje bloky o 16 tokenech najednou, jež hlavní model následně paralelně ověřuje .

Meta uvádí následující propustnost na 17GB kvantizovaném modelu při velikosti dávky 1 a greedy dekódování :

Hardware	Základ (tok/s)	S DFlash (tok/s)	Zrychlení
NVIDIA RTX 5090	74,9	233,4	3,1x
Apple M5 Max	26,6	50,2	1,9x
Apple M4 Max	23,7	37,8	1,6x

Společnost SGLang naměřila na stejném hardwaru RTX 5090 v den vydání 236,4 tok/s . První nezávislé testy na RTX 5090 s llama.cpp někdy ukazují nižší hodnoty (např. ~137 tok/s), což naznačuje, že hodnota 233+ tok/s vyžaduje specifické optimalizace .

Agentní schopnosti

Muse Glimmer není primárně chatbot – je to lokální AI agent navržený pro autonomní workflow . Meta jej explicitně vyladila na to, aby plánoval, volal nástroje a sám se zotavoval z vlastních chyb . Nativně podporuje Model Context Protocol (MCP) a integruje se s populárními frameworky pro agenty .

Klíčové případy použití zahrnují: volání funkcí, lokální kódování, dlouhé relace s nástroji, vyhodnocování LLM-as-a-judge, analýzu dokumentů a osobní asistenty .

Výkon v benchmarkách ve srovnání s konkurencí

Meta publikovala přímá srovnání s Google Gemma 4 31B a Alibaba Qwen 3.6 27B (oba v režimu myšlení/uvažování) :

Benchmark	Muse Glimmer 30B	Gemma 4 31B	Qwen 3.6 27B	Co testuje
MCP Atlas (Public)	75,5	54,2	62,5	Vícekolové použití 20+ MCP serverů
DeepSearch QA	74,6	61,7	71,1	Autonomní webový výzkum
SWE-Bench Pro	51,2	36,9	50,2	Náročné úlohy na úrovni repozitářů
SWE-Bench Verified	76,0	66,6	77,2	Ověřené programátorské úlohy
AIME 2026 (matematické uvažování)	94,7	89,2	94,1	Matematické uvažování
τ³-Banking (agentní)	23,5	15,1	16,7	Agentní bankovní úlohy
OSWorld-Verified	65,9	58,5	75,6	Automatizace desktopového OS
Terminal-Bench 2.1	51,7	43,4	60,7	Práce v terminálu/systémové úlohy

Muse Glimmer vede ve většině agentních benchmarků, včetně MCP Atlas (75,5 vs. 62,5 pro Qwen) a DeepSearch QA (74,6 vs. 71,1) . Dosahuje také 94,7 na AIME 2026, čímž poráží oba konkurenty .

Upozornění: Jedna analýza třetí strany poznamenává, že Glimmer zaostává za Qwen 3.6 27B v TerminalBench 2.1 (51,7 vs. 60,7) a OSWorld-Verified (65,9 vs. 75,6) a má tendenci odmítat některé úlohy automatizace na úrovni OS .

Destilace z Muse Spark

Muse Glimmer byl destilován z Muse Spark (většího, uzavřeného modelu Mety) pomocí logitové destilace během předtréninku, následované supervised fine-tuningem a RLHF . Muse Spark samotný zůstává uzavřený – je dostupný pouze jako hostované API – což z Glimmeru činí otevřenou destilaci pro uživatele, kteří chtějí lokální nasazení . Meta naznačila, že by otevřené vydání Muse Spark mohlo následovat .

Strategický kontext: Superinteligence pro každého

Muse Glimmer je dosud nejjasnějším produktem vize Marka Zuckerberga o „osobní superinteligenci“ – výkonné AI běžící lokálně na osobních zařízeních, bez nákladů na cloud, předplatného nebo odesílání dat ze zařízení . TechCrunch to označil za „dosud nejjasnější obrázek“ této vize .

Vydání následuje po měsících interních turbulencí po zklamání s modelem Llama 4 na jaře 2026, po kterém Meta vypadala, že opouští otevřenou AI. Muse Glimmer tuto strategii znovu otevírá .

Investice 14,3 miliardy dolarů do Scale AI

V červnu 2025 Meta investovala 14,3 miliardy dolarů do firmy Scale AI, která se specializuje na označování dat, a získala tak přibližně 49% podíl . Součástí dohody byl i příchod 28letého CEO Scale Alexandra Wanga, který vede novou divizi Mety pro „superinteligenci“ . Investice byla zaměřena na zajištění kvalitních trénovacích dat a talentu pro modelovou rodinu Muse . CNBC v lednu 2026 informovala, že Wang vede jednotku TBD AI, která buduje nástupce Llamy s kódovým označením Avocado .

Dostupnost a podpora v den vydání

Muse Glimmer je ke stažení na Hugging Face pod názvem meta-models/Muse-Glimmer-30B pod licencí Apache 2.0 . Má podporu v den vydání v:

• Ollama — stažení a lokální spuštění jedním příkazem
• LM Studio — podpora pro lokální inferenci s grafickým rozhraním
• SGLang — 230+ tok/s na RTX 5090
• llama.cpp — komunitní GGUF konverze dostupné v den vydání
• NVIDIA NIM — optimalizovaná inference skrze mikroslužby NVIDIA
• AMD ROCm — oficiální podpora pro Ryzen AI Max a Radeon GPU

První komunitní zprávy ukazují, že i RTX 3090 (24 GB) dokáže provozovat kvantizovaný model Q4_K_XL s DFlash a 262K kontextovým oknem s využitím přibližně 22-23 GB VRAM .