# Meta 开源 Muse Glimmer：一个能在本地单 GPU 上跑的 30B agent 模型

> 原标题：Meta Muse Glimmer – open weights 30B local coding model

- 来源：Hacker News 首页
- 发布时间：2026-08-10T10:10:02.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/49810
- 原文：https://research.meta.ai/blog/introducing-muse-glimmer-open-agentic-model

## 摘要

Meta 把 Muse Glimmer 的权重以 Apache 2.0 协议放出来了。这是一个 30B 参数的模型，专门为常驻本地的 agent 工作流设计，小到能在 Mac 或 PC 的单张消费级显卡上跑。用 4-bit 量化能把模型压到 20 GB 以下，在 24 GB 或 32 GB 显存里还能留出空间给 KV cache 和视觉编码器。训练上，...

## 推荐理由

Meta 把 Muse Glimmer 的权重以 Apache 2.0 协议放出来了，一个 30B 参数、专为本地 agent 工作流设计的模型。4-bit 量化后不到 20 GB，能在单张消费级显卡上跑，还留出显存给 KV cache 和视觉编码器。定位很明确——不是通用聊天模型，而是常驻本地的 agent 引擎。我会先打个折：目前只有发布博客的信息，没有第三方跑分和实际部署反馈，所以分数没往上拉。但开源协议、显存占用和本地 agent 这个组合，对自部署和隐私敏感场景确实有吸引力。

## 锐评

Meta 把 Muse Glimmer 的权重以 Apache 2.0 协议开源了，这是一个 30B 参数的模型，专门为常驻本地的 agent 工作流设计。它小到能在 Mac 或 PC 的单张消费级显卡上跑，用 4-bit 量化能把模型压到 20GB 以下，在 24GB 或 32GB 显存里还能留出空间给 KV cache 和视觉编码器。训练上用了从更大的 Muse Spark 老师模型做 logit 蒸馏，然后在中段训练里喂长上下文 agent 数据，最后用 SFT、在线策略蒸馏和强化学习做后训练。Meta 自己的跑分显示它在 agent、编程、多模态和安全评测上超过了 Gemma4-31B 和 Qwen3.6-27B。

不过这篇博客没给具体的延迟数字，只说做了推理优化来保证响应速度。这点先别太激动，本地跑 30B 模型的实际体感延迟，尤其是带视觉输入的长流程 agent 任务，还得等社区实测。另外，模型虽然支持 100 多种语言，但中文场景下的工具调用和指令遵循能力也没给单独数据，需要自己试。

整体看，这是个定位清晰的模型：把 agent 能力打包进一个能塞进消费级硬件的尺寸里。如果你在找能本地跑、能调工具、能看图的 agent 基座，值得下载试一下，但别指望它能在复杂任务上替代云端大模型。