Muse Glimmer: yerli agentlər üçün 30 milyard parametrli açıq model

Meta Superintelligence Labs 30 milyard parametrli Muse Glimmer modelini təqdim etdi; modelin çəkiləri icazəli Apache 2.0 lisenziyası ilə açıq şəkildə yayımlandı. Şirkət modeli daim aktiv yerli agent iş axınları üçün nəzərdə tutur: model tək istehlakçı GPU-su olan Mac və ya PC-də işləyəcək qədər kiçikdir. Hədəf istifadə sahələri arasında yerli agentlər, funksiya çağırışları, yerli kodlaşdırma və LLM-as-a-judge qiymətləndirməsi göstərilir.

Model nə edə bilir

Muse Glimmer DeepSearch QA, MCP-Atlas, τ-Bench və SWE-Bench kimi başdan-başa agent testlərində qiymətləndirilib və öz ölçü sinfində Gemma4-31B ilə Qwen3.6-27B modelləri ilə müqayisə edilib. Şirkətin sözlərinə görə, model uzun iş axınlarında alətləri dəqiq sxemlərlə çağırır, uzun horizontda ardıcıl plan saxlayır və alət çağırışı uğursuz olduqda dayanmaq əvəzinə xətanı diaqnoz edib yenidən cəhd etməyə öyrədilib. Ayrı perception kodlaşdırıcısı sayəsində mətn və şəkilləri birlikdə qəbul edir; beləliklə agent ekran görüntülərini, qrafikləri və sənədləri söhbətlə yanaşı oxuya bilir. Həmçinin OpenClaw kimi agent skeletləri ilə uyğunluq, tənzimlənən düşünmə dərinliyi və 100-dən çox dildən toplanan təlim məlumatları qeyd olunur.

Model necə öyrədilib

Təlim üç mərhələdə aparılıb. İlkin mərhələdə model daha böyük müəllim model olan Muse Spark-ın nəticələri üzərində logit distillation üsulu ilə, oxşar məlumat qarışığı ilə öyrədilib. Orta mərhələdə daha uzun kontekstli və agent yönümlü məlumatlar, daha zəngin düşünmə izləri ilə birlikdə əlavə edilib. Son mərhələdə nəzarətli incə tənzimləmə, on-policy distillation və ümumi, düşünmə, kodlaşdırma və agent sahələrində gücləndirməli öyrənmə birləşdirilib. Şirkət bildirir ki, buraxılış Advanced AI Scaling Framework standartları ilə qiymətləndirilib.

30 milyard parametr cihaza necə sığır

Tam dəqiqliklə 30 milyard parametrli model 55 GB-dan çox yaddaş tələb edir — bu, hər hansı istehlakçı GPU-nun imkanlarından qat-qat yuxarıdır. Çəkilərin təxminən 4 bit dəqiqliyə kvantlaşdırılması dil modelini 20 GB-dan aşağı salır və KV keşi, perception kodlaşdırıcısı və speculative decoding qaralaması üçün 24 və ya 32 GB çərçivəsində yer saxlayır. Sürət üçün Muse Glimmer DFlash əsaslı yüngül qaralama modeli ilə təchiz olunub: kiçik şəbəkə tokenlərin bütöv bloklarını təklif edir, əsas model isə onları paralel yoxlayır. Şirkətin ölçmələrinə görə dekodlama sürəti RTX 5090-da 3,1 dəfə, M5 Max-də 1,8 dəfə, M4 Max-də isə 1,5 dəfə artır.

Çəkilər artıq Hugging Face-də, tərtibatçı sənədləri isə Meta-nın portalında əlçatandır. Yaxın günlərdə llama.cpp, MLX və ExecuTorch üçün optimallaşdırılmış inteqrasiyalar, həmçinin Ollama, LM Studio, Unsloth, vLLM, SGLang, Together AI, Fireworks AI və OpenRouter vasitəsilə işə salma imkanları vəd edilir.