Meta Muse Glimmer: 30-миллиардная ИИ-модель, которая целиком работает на одной потребительской видеокарте

10 августа 2026 года Meta Superintelligence Labs выпустила Muse Glimmer — открытую весовую модель с ~29,6 млрд параметров, работающую полностью на одной потребительской видеокарте без подключения к облаку . Это первый за год открытый весовой релиз Meta, знаменующий возвращение к истокам открытого ИИ после неудачного запуска Llama 4 .

Ключевые характеристики

Muse Glimmer — это плотный каузальный трансформер (не Mixture-of-Experts) со специализированным кодировщиком восприятия ViT-G/14 на ~1,8 млрд параметров для мультимодального ввода . Модель включает 52 слоя, скрытое измерение 6 656 и 32 запросные головки с шаблоном Grouped Query Attention 16:1 .

Параметр	Значение
Общее число параметров	~29,6 млрд (27,8 млрд языковая модель + ~1,8 млрд кодировщик изображений)
Контекстное окно	131 072+ токенов (до 262 000 в некоторых конфигурациях)
Мультимодальный ввод	Текст + изображения через специальный кодировщик восприятия
Лицензия	Apache 2.0 — разрешает коммерческое использование, модификацию и распространение
Работа офлайн	Полностью на одном потребительском GPU или Mac — облако не требуется
Дата среза знаний	4 января 2026 года
Данные обучения	Охватывают более 100 языков

Модель в полной точности требует ~55 ГБ видеопамяти, но Meta поставляет её с 4-битным квантованием, сжимающим модель до объёма менее 20 ГБ .

Квантованные варианты по видеопамяти

Meta выпускает две квантованные конфигурации, построенные на K-Quant и протестированные на 15 бенчмарках :

• K-Quant-Dynamic — рассчитана на ~32 ГБ видеопамяти, снижение производительности в среднем всего 0,2%
• K-Quant-17GB — рассчитана на ~24 ГБ видеопамяти (модель занимает менее 20 ГБ), среднее снижение 1,0%

Независимые лаборатории пока не воспроизвели эти показатели деградации .

DFlash-спекулятивное декодирование и локальная пропускная способность

Чтобы решить проблему задержки при работе 30-миллиардной модели локально, Meta использует DFlash — небольшой пятислойный спекулятивный декодер, предлагающий блоки по 16 токенов за раз, которые основная модель проверяет параллельно .

Meta сообщает о следующей пропускной способности для 17-гигабайтной квантованной модели при размере пакета 1 и жадном декодировании :

Оборудование	Базовый режим (токен/с)	С DFlish (токен/с)	Ускорение
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 сообщил о 236,4 токен/с на том же RTX 5090 в отдельном измерении . Ранние независимые тесты на RTX 5090 с llama.cpp иногда показывают меньшие значения (около ~137 токен/с), что говорит о том, что показатель 233+ токен/с требует определённых оптимизаций .

Агентные возможности

Muse Glimmer — это не просто чат-бот, а локальный ИИ-агент, предназначенный для автономных рабочих процессов . Meta явно настраивала его на планирование, вызов инструментов и самостоятельное исправление ошибок . Модель нативно поддерживает Model Context Protocol (MCP) и интегрируется с популярными агентными фреймворками .

Ключевые сценарии: вызов функций, локальное программирование, длительные сессии с инструментами, оценка «ИИ как судья», анализ документов и работа в качестве личного ассистента .

Результаты бенчмарков в сравнении с конкурентами

Meta опубликовала прямые сравнения с Google Gemma 4 31B и Alibaba Qwen 3.6 27B (в режиме рассуждения) :

Бенчмарк	Muse Glimmer 30B	Gemma 4 31B	Qwen 3.6 27B	Что проверяет
MCP Atlas (Public)	75,5	54,2	62,5	Многошаговое использование 20+ MCP-серверов
DeepSearch QA	74,6	61,7	71,1	Автономный веб-поиск
SWE-Bench Pro	51,2	36,9	50,2	Сложные задачи на уровне репозитория
SWE-Bench Verified	76,0	66,6	77,2	Проверенные задачи по программированию
AIME 2026 (математика)	94,7	89,2	94,1	Математическое рассуждение
τ³-Banking (агентный)	23,5	15,1	16,7	Агентные банковские задачи
OSWorld-Verified	65,9	58,5	75,6	Автоматизация рабочего стола
Terminal-Bench 2.1	51,7	43,4	60,7	Работа с терминалом/системой

Muse Glimmer лидирует в большинстве агентных бенчмарков, включая MCP Atlas (75,5 против 62,5 у Qwen) и DeepSearch QA (74,6 против 71,1) . Также модель набирает 94,7 балла на AIME 2026, опережая обоих конкурентов .

Важное уточнение: Согласно анализу третьей стороны, Glimmer уступает Qwen 3.6 27B в TerminalBench 2.1 (51,7 против 60,7) и OSWorld-Verified (65,9 против 75,6), а также склонна отказываться от некоторых задач по автоматизации ОС .

Дистилляция из Muse Spark

Muse Glimmer была дистиллирована из Muse Spark (более крупной закрытой флагманской модели Meta) с использованием дистилляции логитов на этапе предобучения, за которой последовали контролируемая донастройка и RLHF . Muse Spark остаётся закрытой — доступна только в виде API, поэтому Glimmer представляет собой открытую весовую дистилляцию для пользователей, желающих локального развёртывания . Meta намекнула, что открытый релиз Muse Spark может последовать позже .

Стратегический контекст: сверхинтеллект для всех

Muse Glimmer — самый яркий на сегодня продукт видения Марка Цукерберга, получившего название «персональный сверхинтеллект»: мощный ИИ, работающий локально на персональных устройствах, без затрат на облако, подписок или передачи данных с устройства . TechCrunch назвал её «самой чёткой картиной» этой концепции .

Релиз последовал за месяцами внутренних неурядиц после провального запуска Llama 4 весной 2026 года, после которого Meta, казалось, отказалась от открытых весовых моделей. Muse Glimmer возрождает эту стратегию .

Инвестиции $14,3 млрд в Scale AI

В июне 2025 года Meta инвестировала 14,3 млрд долларов в компанию по разметке данных Scale AI, приобретя около 49% акций . Сделка привела 28-летнего генерального директора Scale AI Александра Вана к руководству новым подразделением «Сверхинтеллект» Meta . Инвестиция была нацелена на обеспечение высококачественных обучающих данных и талантов для семейства моделей Muse . В январе 2026 года CNBC сообщила, что Ванг руководит подразделением Meta TBD AI, которое создаёт преемника Llama под кодовым названием Avocado .

Доступность и поддержка в день запуска

Muse Glimmer доступна для загрузки на Hugging Face по адресу meta-models/Muse-Glimmer-30B под лицензией Apache 2.0 . Поддержка обеспечивается с первого дня в:

• Ollama — запуск локально одной командой
• LM Studio — поддержка локального инференса с графическим интерфейсом
• SGLang — 230+ токен/с на RTX 5090
• llama.cpp — готовые GGUF-конверсии от сообщества в день выпуска
• NVIDIA NIM — оптимизированный инференс через микрофреймворк NVIDIA
• AMD ROCm — официальная поддержка Ryzen AI Max и Radeon GPU

Ранние сообщения сообщества показывают, что даже RTX 3090 (24 ГБ) может запустить квантованную модель Q4_K_XL с DFlash и контекстным окном 262K при использовании примерно 22–23 ГБ видеопамяти .