导语：Meta Superintelligence Labs 于 2026 年 8 月 10 日发布 30B 稠密多模态开放权重模型 Muse Glimmer。

摘要

Meta Superintelligence Labs 于 2026 年 8 月 10 日发布 30B 稠密多模态开放权重模型 Muse Glimmer，采用 Apache 2.0 许可（Meta 迄今对其开放模型使用的最宽松许可）。模型专为本地 / 常驻（always-on）智能体工作流优化：支持文本 + 图像输入、长序列工具调用、失败自恢复与长程推理，无需 API key、无按 token 计费，可在单张消费级 GPU 或 Apple 芯片 Mac 上运行；上下文窗口 131,072 token，由闭源大模型 Muse Spark 经逻辑蒸馏而来。官方提供约 60GB BF16 权重及 4-bit GGUF 量化（可压至 24GB 显存内）。

正文（译文）

Muse Glimmer：为本地智能体打造的开放权重模型来自 Meta Superintelligence Labs 的 300 亿参数开放模型，以 Apache 2.0 发布，针对工具调用循环调优，并优化为可在单张 GPU 上运行。

本周，我们发布了 Muse Glimmer ——一个 300 亿参数的开放权重模型，专为 Mac 或单张消费级 GPU 上的常驻智能体工作流优化。基于它构建的智能体能够处理连续的工具调用、多模态推理与理解，无需 API key，也没有按 token 计费。Muse Glimmer 同样以 Apache 2.0 发布，这是我们用于开放模型的最宽松许可。本文介绍 Muse Glimmer 能做什么，以及如何开始用它构建。训练配方与完整架构见 Meta 研究博客。

要点速览

从 Hugging Face 下载：链接

关键文档

部署指南

Muse Glimmer 表现如何我们先看表格，因为有趣之处在于它的 " 形状 "。Muse Glimmer 在它为之构建的智能体工作上领先：工具编排、智能体搜索、智能体编程、指令遵循与长上下文记忆，正是一个本地智能体赖以生存的能力，也是训练投入的方向。完整评测与基准集见 Meta 研究博客。

为工具调用循环而生上述基准来自特定的训练选择，并体现在智能体运行中通常出问题的环节。

快速开始开始使用 Muse Glimmer 是相对简单的过程。开发者可从 Hugging Face 下载权重，通过 Ollama、LM Studio、Unsloth 等合作伙伴在本地运行，用 Llama.cpp 与 ExecuTorch 在端侧部署，或用 vLLM、SGLang 大规模服务。

（文章为作者独立观点，不代表艾瑞网立场）