Metan Muse Glimmer: 30 miljardin parametrin tekoälymalli, joka pyörii kokonaan yhdellä kuluttajan näytönohjaimella

10. elokuuta 2026 Meta Superintelligence Labs julkaisi Muse Glimmerin – noin 29,6 miljardin parametrin avoimen painon tekoälymallin, joka toimii täysin yhdellä kuluttajan näytönohjaimella ilman pilviyhteyttä . Se on Metan ensimmäinen avoimen painon julkaisu yli vuoteen, mikä merkitsee paluuta avoimen lähdekoodin AI-juurille pettymystä herättäneen Llama 4:n jälkeen .

Keskeiset tekniset tiedot

Muse Glimmer on tiivis kausaalimuunnin (ei Mixture-of-Experts), jossa on erillinen noin 1,8 miljardin parametrin ViT-G/14-havaintoenkooderi multimodaalista syötettä varten . Siinä on 52 kerrosta, piilotettu ulottuvuus 6 656, 32 kyselypäätä ja 16:1 Grouped Query Attention -malli .

Ominaisuus	Yksityiskohta
Parametrit yhteensä	~29,6 mrd (27,8 mrd kielimalli + ~1,8 mrd näköenkooderi)
Konteksti-ikkuna	131 072+ tokenia (jopa 262 000 joissakin kokoonpanoissa)
Multimodaalinen syöte	Teksti + kuvat erillisen havaintoenkooderin kautta
Lisenssi	Apache 2.0 – sallii kaupallisen käytön, muokkauksen ja uudelleenjakelun
Offline/paikallinen	Toimii täysin yhdellä kuluttajan näytönohjaimella tai Macilla – ei pilviyhteyttä
Tietojen katkaisupäivä	4. tammikuuta 2026
Koulutusdata	Kattaa yli 100 kieltä

Täystarkkuusmalli vaatii noin 55 Gt VRAM-muistia, mutta Meta toimittaa sen 4-bittisenä kvantisoituna, jolloin malli mahtuu alle 20 Gt:een .

Kvantisoidut VRAM-versiot

Meta toimittaa kaksi kvantisoitua julkaisukokoonpanoa, molemmat K-Quant-menetelmällä ja mitattuna 15 vertailuarvossa :

• K-Quant-Dynamic – noin 32 Gt VRAM, keskimäärin vain 0,2 % heikennys täystarkkuuteen verrattuna
• K-Quant-17GB – noin 24 Gt VRAM (malli alle 20 Gt), keskimäärin 1,0 % heikennys

Riippumattomat laboratoriot eivät ole vielä toistaneet näitä kokonaisheikennysväitteitä .

DFlash-spekulatiivinen dekoodaus ja paikallinen läpäisy

Ratkaistakseen 30 miljardin parametrin mallin paikallisen käytön viiveongelman Meta yhdistää Muse Glimmeriin DFlashin – pienen viisikerroksisen spekulatiivisen dekoodauksen luonnostelijan, joka ehdottaa kerralla 16 tokenin lohkoja, jotka päämalli sitten tarkistaa rinnakkain .

Meta raportoi seuraavat läpäisynopeudet 17 Gt:n kvantisoidulla mallilla eräkoko 1 ja ahne dekoodaus :

Laitteisto	Perustaso (tok/s)	DFlashin kanssa (tok/s)	Nopeutus
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

SGLang raportoi 236,4 tok/s samalla RTX 5090 -laitteistolla erillisessä päivä-0-mittauksessa . Varhaiset riippumattomat testit RTX 5090:lla ja llama.cpp:llä tuottavat joskus alhaisempia lukemia (esim. ~137 tok/s), mikä viittaa siihen, että 233+ tok/s -luku vaatii tiettyjä optimointeja .

Agenttikyvykkyydet

Muse Glimmer ei ole ensisijaisesti keskustelubotti – se on paikallinen tekoälyagentti, joka on suunniteltu autonomisiin työnkulkuihin . Meta on nimenomaisesti virittänyt sen suunnittelemaan, kutsumaan työkaluja ja palautumaan omista virheistään . Se tukee natiivisti Model Context Protocol (MCP) -protokollaa ja integroituu suosittuihin agenttikehyksiin .

Keskeisiä käyttötapauksia ovat: funktiokutsut, paikallinen koodaus, pitkät työkaluistunnot, LLM-tuomariarviointi, dokumenttianalyysi ja henkilökohtaiset avustajat .

Vertailuarvot vs. kilpailijat

Meta julkaisi suorat vertailut Googlen Gemma 4 31B:tä ja Alibaban Qwen 3.6 27B:tä vastaan (molemmat ajettuna ajattelu-/päättelytilassa) :

Vertailuarvo	Muse Glimmer 30B	Gemma 4 31B	Qwen 3.6 27B	Mitä se testaa
MCP Atlas (julkinen)	75,5	54,2	62,5	Monivaiheinen käyttö 20+ MCP-palvelimen kanssa
DeepSearch QA	74,6	61,7	71,1	Autonominen verkkotutkimus
SWE-Bench Pro	51,2	36,9	50,2	Vaativat repositoriotason ohjelmistotehtävät
SWE-Bench Verified	76,0	66,6	77,2	Vahvistetut koodaustehtävät
AIME 2026 (matematiikka)	94,7	89,2	94,1	Matemaattinen päättely
τ³-Banking (agentti)	23,5	15,1	16,7	Agentilliset pankkitehtävät
OSWorld-Verified	65,9	58,5	75,6	Työpöydän OS-automaatio
Terminal-Bench 2.1	51,7	43,4	60,7	Pääte-/järjestelmätyö

Muse Glimmer johtaa useimmissa agenttivertailuarvoissa, mukaan lukien MCP Atlas (75,5 vs. Qwenin 62,5) ja DeepSearch QA (74,6 vs. 71,1) . Se saa myös 94,7 AIME 2026:ssa, johtaen molempia kilpailijoita .

Huomautus: Eräs kolmannen osapuolen analyysi toteaa, että Glimmer jää jälkeen Qwen 3.6 27B:stä TerminalBench 2.1:ssä (51,7 vs. 60,7) ja OSWorld-Verified:ssä (65,9 vs. 75,6), ja sillä on taipumus kieltäytyä tietyistä OS-tason automatisointitehtävistä .

Tislaus Muse Sparkista

Muse Glimmer tislattiin Muse Sparkista (Metan suurempi, suljetun lähdekoodin huippumalli) käyttäen logiittitislautta esikoulutuksen aikana, jota seurasivat ohjattu hienosäätö ja RLHF . Muse Spark itse pysyy suljettuna – saatavilla vain isännöitynä API:na – joten Glimmer on avoimen painon tislaus paikallista käyttöä varten . Meta on vihjannut, että Muse Sparkin avoin julkaisu saattaa seurata .

Strateginen konteksti: Superälykkyyttä kaikille

Muse Glimmer on selkein tuote tähän mennessä Mark Zuckerbergin visiosta "henkilökohtaisesta superälykkyydestä" – tehokas tekoäly, joka toimii paikallisesti henkilökohtaisilla laitteilla, ilman pilvikustannuksia, tilausmaksuja tai tietojen poistumista laitteelta . TechCrunch kutsui sitä "selkeimmäksi kuvaksi" tästä visiosta .

Julkaisu seuraa kuukausien sisäistä myllerrystä Llama 4:n pettymystä herättäneen kevään 2026 julkaisun jälkeen, jonka jälkeen Meta vaikutti hylkäävän avoimen painon tekoälyn. Muse Glimmer avaa tämän strategian uudelleen .

14,3 miljardin dollarin Scale AI -investointi

Kesäkuussa 2025 Meta sijoitti 14,3 miljardia dollaria data-merkintäyritys Scale AI:hin, hankkien noin 49 %:n osuuden . Kauppa toi Scale AI:n 28-vuotiaan toimitusjohtajan Alexandr Wangin johtamaan Metan uutta "Superälykkyys"-divisioonaa . Investointi tähtäsi korkealaatuisen koulutusdatan ja osaamisen varmistamiseen Muse-malliperheelle . CNBC raportoi tammikuussa 2026, että Wang johti Metan TBD AI -yksikköä, joka rakensi seuraajaa Llama-sarjalle, koodinimeltään Avocado .

Saatavuus ja päivä-0-tuki

Muse Glimmer on ladattavissa Hugging Facesta osoitteesta meta-models/Muse-Glimmer-30B Apache 2.0 -lisenssillä . Sillä on päivä-0-tuki:

• Ollama – vedä ja aja paikallisesti yhdellä komennolla
• LM Studio – tuettu paikalliseen GUI-pohjaiseen päättelyyn
• SGLang – 230+ tok/s RTX 5090:llä
• llama.cpp – yhteisön GGUF-muunnokset saatavilla julkaisupäivänä
• NVIDIA NIM – optimoitu päättely NVIDIAn mikropalvelukehyksen kautta
• AMD ROCm – virallinen tuki Ryzen AI Maxille ja Radeon-näytönohjaimille

Varhaiset yhteisöraportit osoittavat, että jopa RTX 3090 (24 Gt) pystyy ajamaan Q4_K_XL-kvantisoidun mallin DFlashilla ja 262K konteksti-ikkunalla käyttäen noin 22-23 Gt VRAM-muistia .