Základní parametry

• Má 30 miliard parametrů a vychází pod licencí Apache 2.0.
• Je navržený tak, aby běžel lokálně na Macu nebo PC s jednou běžnou spotřebitelskou GPU, tedy bez nutnosti připojení k cloudu.
• Weights jsou dostupné na Hugging Face, integrace pro llama.cpp, MLX a ExecuTorch mají dorazit v následujících dnech.

K čemu má sloužit

Model je zaměřený na „always-on“ agentní workflow – tedy asistenty, kteří mají přístup k osobnímu kontextu a dokážou spravovat kalendář, psát zprávy nebo organizovat soubory. Mezi klíčové schopnosti patří:

• spolehlivé volání nástrojů (tool use) a práce s API,
• víceklokové (multi-step) uvažování a plánování,
• zotavení z chyb – pokud selže volání nástroje, model se snaží problém diagnostikovat a zopakovat akci místo toho, aby se zastavil,
• multimodální vstup (obrázky, screenshoty, dokumenty vedle textu),
• podpora více než 100 jazyků.

Jak byl trénovaný

Meta popisuje třífázový proces – pre-training pomocí destilace z většího „teacher“ modelu (Muse Spark), mid-training na agentních datech s delším kontextem a post-training kombinující fine-tuning s reinforcement learningem.

Optimalizace pro lokální nasazení

Aby se model vešel do paměti běžné GPU, Meta použila kvantizaci na cca 4bitovou přesnost, čímž zmenšila model z přes 55 GB na méně než 20 GB. Navíc obsahuje techniku spekulativního dekódování (drafter model založený na DFlash), který podle testů zrychluje generování 3,1× na RTX 5090, 1,8× na M5 Max a 1,5× na M4 Max.

Výkon

V benchmarcích Meta srovnává Muse Glimmer s modely Gemma4-31B a Qwen3.6-27B, přičemž tvrdí, že si ve své váhové kategorii vede silně na řadě agentních, kódovacích a multimodálních testů.

Model je dostupný ke stažení už teď, v následujících dnech přibude podpora přes Ollama, LM Studio, Unsloth, vLLM, SGLang a další partnery.

Pro více informací: https://research.meta.ai/blog/introducing-muse-glimmer-open-agentic-model