刚刚，Meta 开源 30B 智能体模型 Muse Glimmer，性能超 Qwen3.6-27B

刚刚，Meta 开源了一个 30B 的智能体模型，Muse Glimmer。

Muse Glimmer

Apache 2.0 协议，权重已经发布到了 Hugging Face，只需要一张 24GB 的消费级显卡就能跑起来，地址是：https://huggingface.co/meta-models。

而这也是继 Llama 之后，Meta 再一次回到开源社区的牌桌。而 Llama 系列模型，则呆在了另一个老地方：huggingface.co/meta-llama。

Alexandr Wang 推文

Meta 超级智能实验室负责人 Alexandr Wang 在其官宣推文中写道：

“

很高兴今天放出 Muse Glimmer 的开源权重，这是一个能在单张消费级 GPU 上运行的 30B 模型。Muse Spark 1.2 的一个开源权重版本，也即将放出。

两个非常不同的模型，都在走进大家的手里，后面还有更多。

Meta 发布 Muse Glimmer

这透露出，除了本次 30B 的小模型，Meta 最新最强的基础模型 Muse Spark 1.2，也决定向国产模型们学习，要开源了。

挑战 Qwen3.6

01

先来看眼模型的成绩单。

有意思的是，官方给出的数据里，就只对比了 Gemma4-31B 和 Qwen3.6-27B 两个同级别参数的模型：

benchmark 对比

在主打的智能体类的 Benchmark 上，Muse Glimmer 基本都实现了领先：MCP Atlas 75.5 远高于 Qwen3.6 的 62.5，以及 DeepSearch QA 74.6 战胜了 71.1，在 GAIA2 和 SWE-Bench Pro 上也都要更高一些。

在 AIME 2026 的数学能力上拿到了 94.7 分，也略微超 Qwen3.6 的 94.1。

不过在 OSWorld-Verified（桌面操作）和 TerminalBench 2.1 两个榜单上，Qwen3.6 则以 75.6 和 60.7 明显领先于 Muse Glimmer，均高出了近 10 分。

也就是说，在工具调用、检索、软件工程等智能体相关场景上，Muse Glimmer 确实超过了 Qwen3.6-27B，但在桌面和终端操作上，还是 Qwen 胜出。

4-bit 量化

02

Muse Glimmer 定位是跑在用户的电脑上，成为一个全天候常驻的本地智能体，不上云。

但端侧部署的第一个问题是：显存。

但 30B 参数在全精度部署时可是需要 55GB 以上的内存，这在大部分消费级设备上都很难装下。

量化

Meta 通过 4-bit 量化将模型权重压到了 20GB 以内，这样在 24GB 或 32GB 的显存预算下，也能给 KV 缓存、感知编码器和投机解码留出空间。

推理速度

Meta 表示，量化模型在智能体任务上经过了全面的验证，几乎没有质量损失。

DFlash

03

然后是端侧的第二个问题：速度。

智能体能在本地工作且实用的另一个前提是，推理速度需要足够快。

Dflash

Muse Glimmer 使用了投机解码的方案，配备一个轻量级的 DFlash 起草模型，先由它一次性生成一批 token，再交给主模型来并行进行验证。

相比于逐个生成 token，这大幅提升了推理速度，且质量几乎完全一致。起草模型也同样提供了量化版本，只有很小的内存开销。

这样，模型便能支撑流畅的用户对话和实时的智能体交互，并且全程都跑在用户的设备上，不需要联网。

故障自愈

04

Muse Glimmer 针对智能体循环进行了专门的训练，覆盖规划、函数调用、多步推理、自行检查结果，到一路解决故障等各个 Agent 工作场景。

针对智能体场景训练

而关于故障恢复的能力，Meta 称这是在训练阶段就设下的目标：当某次工具调用失败、或者返回了预期之外的东西时，模型会自行诊断原因并重试，而非中断摆烂。

模型规格上，Muse Glimmer 是一个 30B 的原生多模态稠密模型，可支持文本 + 图像的交织输入，并带有专门的感知编码。同时覆盖 100 多种语言，并支持调节推理强度，灵活控制质量和速度。

官方还演示了一个案例，仅给出一句自然语言指令，它便能自己发现局域网中的智能家居设备，并进行 API 查询，然后从零写出并部署好了一个控制面板页面，全过程均在本地完成。

另外它还适配了 OpenClaw 等智能体框架，还在玩🦞的可以安排上。

如何部署

05

权重已经发布到了 Hugging Face 上，并将在本周内完成 Ollama、LM Studio、vLLM、SGLang、llama.cpp、MLX、ExecuTorch 的支持；同时，OpenRouter，Together 和 Fireworks 也已经上线可以直接调用了。

权重下载

同时，Meta 还在和 AMD、Arm、Dell、Intel、英伟达合作进行设备级的推理优化。

值得一提的是，这个模型是在 Meta 的前沿 AI 风险评估框架下过审之后，才放出了开源权重的。

如果你有 24GB 显卡、或者大内存的 Mac 可以先把这个 30B 跑起来试试了！

但我呢，还是等等本周即将开源的 Qwen-3.8 27B 吧……

（Meta 是真的会抢时间）

◇ ◆ ◇

Hugging Face：https://huggingface.co/meta-models

技术博客：https://go.meta.me/museglimmer

开发者资源：https://developer.meta.com/ai/models/muse-glimmer/

官方推文：https://x.com/AIatMeta/status/2086757844544811485