Die wichtigsten Spezifikationen

Muse Glimmer ist ein dichter kausaler Transformer (kein Mixture-of-Experts) mit einem dedizierten ~1,8-Milliarden-Parameter-ViT-G/14-Perception-Encoder für multimodale Eingaben . Es verfügt über 52 Schichten, eine verborgene Dimension von 6.656 und 32 Query-Heads mit einem 16:1 Grouped-Query-Attention-Muster .

In voller Präzision benötigt das Modell ~55 GB VRAM, aber Meta liefert es mit 4-Bit-Quantisierung, die das Modell auf unter 20 GB komprimiert .

Quantisierte VRAM-Varianten

Meta liefert zwei quantisierte Release-Konfigurationen aus, beide mit K-Quant und gegen 15 Benchmarks gemessen :

• K-Quant-Dynamic – zielt auf ~32 GB VRAM, mit nur 0,2 % durchschnittlicher Benchmark-Verschlechterung gegenüber voller Präzision
• K-Quant-17GB – zielt auf ~24 GB VRAM (Modell unter 20 GB), mit 1,0 % durchschnittlicher Verschlechterung

Unabhängige Labore haben diese aggregierten Verschlechterungsangaben noch nicht reproduziert .

DFlash-Spekulatives Decoding & Lokaler Durchsatz

Um das Latenzproblem beim Ausführen eines 30B-Modells lokal zu lösen, kombiniert Meta Muse Glimmer mit DFlash – einem kleinen, fünfschichtigen spekulativen Decoding-Drafter, der Blöcke von 16 Token auf einmal vorschlägt, die das Hauptmodell dann parallel verifiziert .

Meta gibt den folgenden Durchsatz für das 17-GB-quantisierte Modell bei Batch-Größe 1 mit Greedy-Decoding an :

SGLang meldete 236,4 Tok/s auf derselben RTX-5090-Hardware in einer separaten Tag-0-Messung . Erste unabhängige Tests auf einer RTX 5090 mit llama.cpp zeigen manchmal niedrigere Werte (z. B. ~137 Tok/s), was darauf hindeutet, dass die 233+ Tok/s bestimmte Optimierungen erfordern .

Agentische Fähigkeiten

Muse Glimmer ist in erster Linie kein Chatbot – es ist ein lokaler KI-Agent, der für autonome Workflows entwickelt wurde . Meta hat es explizit darauf abgestimmt, zu planen, Werkzeuge zu nutzen und aus eigenen Fehlern zu lernen . Es unterstützt nativ das Model Context Protocol (MCP) und integriert sich in gängige Agenten-Frameworks .

Zu den wichtigsten Anwendungsfällen gehören: Funktionsaufrufe, lokales Coden, lange Tool-Nutzungssitzungen, LLM-als-Richter-Evaluierung, Dokumentenanalyse und persönliche Assistenten .

Benchmark-Leistung im Vergleich

Meta hat direkte Vergleiche mit Googles Gemma 4 31B und Alibabas Qwen 3.6 27B (beide im Thinking/Reasoning-Modus) veröffentlicht :

Muse Glimmer führt bei den meisten agentischen Benchmarks, einschließlich MCP Atlas (75,5 vs. 62,5 für Qwen) und DeepSearch QA (74,6 vs. 71,1) . Es erreicht ebenfalls 94,7 bei AIME 2026 und liegt damit vor beiden Mitbewerbern .

Einschränkung: Eine externe Analyse stellt fest, dass Glimmer bei TerminalBench 2.1 (51,7 vs. 60,7) und OSWorld-Verified (65,9 vs. 75,6) hinter Qwen 3.6 27B zurückbleibt und dazu neigt, bestimmte OS-Automatisierungsaufgaben zu verweigern .

Destillation aus Muse Spark

Muse Glimmer wurde aus Muse Spark (Metas größerem, geschlossenem Frontier-Modell) destilliert, und zwar mittels Logit-Destillation während des Pre-Trainings, gefolgt von überwachtem Feintuning und RLHF . Muse Spark selbst bleibt geschlossen – nur als gehostete API verfügbar –, was Glimmer zur Open-Weight-Destillation für Nutzer macht, die eine lokale Bereitstellung wünschen . Meta hat angedeutet, dass eine offene Veröffentlichung von Muse Spark folgen könnte .

Strategischer Kontext: Superintelligenz für alle

Muse Glimmer ist das bislang klarste Produkt von Mark Zuckerbergs Vision einer "persönlichen Superintelligenz" – leistungsstarke KI, die lokal auf persönlichen Geräten läuft, ohne Cloud-Kosten, Abonnementgebühren oder Datenverlassen des Geräts . TechCrunch nannte es "das bisher klarste Bild" dieser Vision .

Die Veröffentlichung erfolgt nach monatelangen internen Turbulenzen nach dem enttäuschenden Start von Llama 4 im Frühjahr 2026, nach dem Meta seine Open-Weight-KI-Strategie aufgegeben zu haben schien. Muse Glimmer eröffnet diese Strategie neu .

Die 14,3-Milliarden-Dollar-Investition in Scale AI

Im Juni 2025 investierte Meta 14,3 Milliarden Dollar in das Datenlabeling-Unternehmen Scale AI und erwarb einen Anteil von ~49 % . Der Deal brachte den 28-jährigen CEO von Scale, Alexandr Wang, an die Spitze von Metas neuer "Superintelligence"-Abteilung . Die Investition zielte darauf ab, hochwertige Trainingsdaten und Talente für die Muse-Modellfamilie zu sichern . CNBC berichtete im Januar 2026, dass Wang Metas TBD-KI-Einheit leitete, die einen Nachfolger für Llama mit dem Codenamen Avocado entwickelte .

Verfügbarkeit und Tag-0-Support

Muse Glimmer kann von Hugging Face unter meta-models/Muse-Glimmer-30B mit der Apache-2.0-Lizenz heruntergeladen werden . Es gibt Tag-0-Unterstützung in:

• Ollama – mit einem einzigen Befehl lokal ausführen
• LM Studio – für lokale GUI-basierte Inferenz
• SGLang – 230+ Tok/s auf RTX 5090
• llama.cpp – Community-GGUF-Konvertierungen am Tag der Veröffentlichung verfügbar
• NVIDIA NIM – Optimierte Inferenz über NVIDIAs Microservice-Framework
• AMD ROCm – Offizielle Unterstützung für Ryzen AI Max und Radeon-GPUs

Erste Community-Berichte zeigen, dass sogar eine RTX 3090 (24 GB) das Q4_K_XL-quantisierte Modell mit DFlash und einem 262K-Kontextfenster mit etwa 22-23 GB VRAM ausführen kann .

Die wichtigsten Spezifikationen

Muse Glimmer ist ein dichter kausaler Transformer (kein Mixture-of-Experts) mit einem dedizierten ~1,8-Milliarden-Parameter-ViT-G/14-Perception-Encoder für multimodale Eingaben . Es verfügt über 52 Schichten, eine verborgene Dimension von 6.656 und 32 Query-Heads mit einem 16:1 Grouped-Query-Attention-Muster .

In voller Präzision benötigt das Modell ~55 GB VRAM, aber Meta liefert es mit 4-Bit-Quantisierung, die das Modell auf unter 20 GB komprimiert .

Quantisierte VRAM-Varianten

Meta liefert zwei quantisierte Release-Konfigurationen aus, beide mit K-Quant und gegen 15 Benchmarks gemessen :

• K-Quant-Dynamic – zielt auf ~32 GB VRAM, mit nur 0,2 % durchschnittlicher Benchmark-Verschlechterung gegenüber voller Präzision
• K-Quant-17GB – zielt auf ~24 GB VRAM (Modell unter 20 GB), mit 1,0 % durchschnittlicher Verschlechterung

Unabhängige Labore haben diese aggregierten Verschlechterungsangaben noch nicht reproduziert .

DFlash-Spekulatives Decoding & Lokaler Durchsatz

Um das Latenzproblem beim Ausführen eines 30B-Modells lokal zu lösen, kombiniert Meta Muse Glimmer mit DFlash – einem kleinen, fünfschichtigen spekulativen Decoding-Drafter, der Blöcke von 16 Token auf einmal vorschlägt, die das Hauptmodell dann parallel verifiziert .

Meta gibt den folgenden Durchsatz für das 17-GB-quantisierte Modell bei Batch-Größe 1 mit Greedy-Decoding an :

SGLang meldete 236,4 Tok/s auf derselben RTX-5090-Hardware in einer separaten Tag-0-Messung . Erste unabhängige Tests auf einer RTX 5090 mit llama.cpp zeigen manchmal niedrigere Werte (z. B. ~137 Tok/s), was darauf hindeutet, dass die 233+ Tok/s bestimmte Optimierungen erfordern .

Agentische Fähigkeiten

Muse Glimmer ist in erster Linie kein Chatbot – es ist ein lokaler KI-Agent, der für autonome Workflows entwickelt wurde . Meta hat es explizit darauf abgestimmt, zu planen, Werkzeuge zu nutzen und aus eigenen Fehlern zu lernen . Es unterstützt nativ das Model Context Protocol (MCP) und integriert sich in gängige Agenten-Frameworks .

Zu den wichtigsten Anwendungsfällen gehören: Funktionsaufrufe, lokales Coden, lange Tool-Nutzungssitzungen, LLM-als-Richter-Evaluierung, Dokumentenanalyse und persönliche Assistenten .

Benchmark-Leistung im Vergleich

Meta hat direkte Vergleiche mit Googles Gemma 4 31B und Alibabas Qwen 3.6 27B (beide im Thinking/Reasoning-Modus) veröffentlicht :

Muse Glimmer führt bei den meisten agentischen Benchmarks, einschließlich MCP Atlas (75,5 vs. 62,5 für Qwen) und DeepSearch QA (74,6 vs. 71,1) . Es erreicht ebenfalls 94,7 bei AIME 2026 und liegt damit vor beiden Mitbewerbern .

Einschränkung: Eine externe Analyse stellt fest, dass Glimmer bei TerminalBench 2.1 (51,7 vs. 60,7) und OSWorld-Verified (65,9 vs. 75,6) hinter Qwen 3.6 27B zurückbleibt und dazu neigt, bestimmte OS-Automatisierungsaufgaben zu verweigern .

Destillation aus Muse Spark

Muse Glimmer wurde aus Muse Spark (Metas größerem, geschlossenem Frontier-Modell) destilliert, und zwar mittels Logit-Destillation während des Pre-Trainings, gefolgt von überwachtem Feintuning und RLHF . Muse Spark selbst bleibt geschlossen – nur als gehostete API verfügbar –, was Glimmer zur Open-Weight-Destillation für Nutzer macht, die eine lokale Bereitstellung wünschen . Meta hat angedeutet, dass eine offene Veröffentlichung von Muse Spark folgen könnte .

Strategischer Kontext: Superintelligenz für alle

Muse Glimmer ist das bislang klarste Produkt von Mark Zuckerbergs Vision einer "persönlichen Superintelligenz" – leistungsstarke KI, die lokal auf persönlichen Geräten läuft, ohne Cloud-Kosten, Abonnementgebühren oder Datenverlassen des Geräts . TechCrunch nannte es "das bisher klarste Bild" dieser Vision .

Die Veröffentlichung erfolgt nach monatelangen internen Turbulenzen nach dem enttäuschenden Start von Llama 4 im Frühjahr 2026, nach dem Meta seine Open-Weight-KI-Strategie aufgegeben zu haben schien. Muse Glimmer eröffnet diese Strategie neu .

Die 14,3-Milliarden-Dollar-Investition in Scale AI

Im Juni 2025 investierte Meta 14,3 Milliarden Dollar in das Datenlabeling-Unternehmen Scale AI und erwarb einen Anteil von ~49 % . Der Deal brachte den 28-jährigen CEO von Scale, Alexandr Wang, an die Spitze von Metas neuer "Superintelligence"-Abteilung . Die Investition zielte darauf ab, hochwertige Trainingsdaten und Talente für die Muse-Modellfamilie zu sichern . CNBC berichtete im Januar 2026, dass Wang Metas TBD-KI-Einheit leitete, die einen Nachfolger für Llama mit dem Codenamen Avocado entwickelte .

Verfügbarkeit und Tag-0-Support

Muse Glimmer kann von Hugging Face unter meta-models/Muse-Glimmer-30B mit der Apache-2.0-Lizenz heruntergeladen werden . Es gibt Tag-0-Unterstützung in:

• Ollama – mit einem einzigen Befehl lokal ausführen
• LM Studio – für lokale GUI-basierte Inferenz
• SGLang – 230+ Tok/s auf RTX 5090
• llama.cpp – Community-GGUF-Konvertierungen am Tag der Veröffentlichung verfügbar
• NVIDIA NIM – Optimierte Inferenz über NVIDIAs Microservice-Framework
• AMD ROCm – Offizielle Unterstützung für Ryzen AI Max und Radeon-GPUs

Erste Community-Berichte zeigen, dass sogar eine RTX 3090 (24 GB) das Q4_K_XL-quantisierte Modell mit DFlash und einem 262K-Kontextfenster mit etwa 22-23 GB VRAM ausführen kann .