Muse Glimmer: מודל פתוח עם 30 מיליארד פרמטרים לסוכנים מקומיים

Meta Superintelligence Labs הציגה את Muse Glimmer, מודל עם 30 מיליארד פרמטרים שהמשקולות שלו פורסמו ברישיון מתירני Apache 2.0. המודל מיועד לתהליכי עבודה של סוכנים מקומיים שפועלים כל הזמן: לפי החברה הוא קטן מספיק כדי לרוץ על Mac או PC עם כרטיס מסך צרכני אחד. בין שימושי היעד נמנים סוכנים מקומיים, קריאה לכלים, כתיבת קוד מקומית והערכה מסוג LLM-as-a-judge.

מה המודל יודע לעשות

Muse Glimmer הוערך במבחני סוכנים מקצה לקצה, בהם DeepSearch QA, ‏MCP-Atlas, ‏τ-Bench ו-SWE-Bench, והושווה ל-Gemma4-31B ול-Qwen3.6-27B בקטגוריית הגודל שלו. לפי החברה, המודל קורא לכלים לפי סכמות מדויקות לאורך תהליכים ארוכים, שומר על תוכנית עקבית לאורך זמן, ובמקרה של כשל בכלי הוא מאומן לאבחן את השגיאה ולנסות שוב במקום לעצור. מקודד תפיסה נפרד מאפשר לו לקבל טקסט ותמונות יחד, כך שסוכן יכול לקרוא צילומי מסך, גרפים ומסמכים לצד השיחה. עוד נמנים תאימות לשלדי סוכנים כמו OpenClaw, עומק חשיבה מתכוונן ואימון על נתונים ביותר מ-100 שפות.

איך המודל אומן

האימון נעשה בשלושה שלבים. בשלב הקדם-אימון המודל אומן על פלטי Muse Spark, מודל מורה גדול יותר, בשיטת logit distillation ועל תמהיל נתונים דומה. בשלב הביניים נוספו נתונים בהקשר ארוך יותר ובעלי אופי סוכני מובהק, עם עקבות חשיבה עשירים. בשלב הסופי שולבו כיוונון מפוקח, on-policy distillation ולמידת חיזוק בתחומי הכלל, החשיבה, הקוד והסוכנים. החברה מציינת שהשחרור הוערך לפי התקנים של Meta Advanced AI Scaling Framework.

איך 30 מיליארד פרמטרים נכנסים למכשיר

ברמת דיוק מלאה מודל עם 30 מיליארד פרמטרים דורש יותר מ-55 GB זיכרון — הרבה מעבר לכל כרטיס מסך צרכני. כימות המשקולות לדיוק של כ-4 סיביות מכווץ את מודל השפה לפחות מ-20 GB, כך שזיכרון ה-KV, מקודד התפיסה ומודל הטיוטה לדקוד ספקולטיבי נכנסים יחד למסגרת של 24 או 32 GB. לצורך המהירות מגיע Muse Glimmer עם מודל טיוטה קל המבוסס על DFlash: רשת קטנה מציעה בלוקים שלמים של טוקנים והמודל המרכזי מאמת אותם במקביל. החברה מדדה שיפור של פי 3.1 בהאצת הפענוח על RTX 5090, פי 1.8 על M5 Max ופי 1.5 על M4 Max.

המשקולות זמינות כעת ב-Hugging Face, והתיעוד למפתחים בפורטל של Meta. בימים הקרובים מובטחות אינטגרציות מותאמות ל-llama.cpp, ‏MLX ו-ExecuTorch, לצד הרצה דרך Ollama, ‏LM Studio, ‏Unsloth, ‏vLLM, ‏SGLang, ‏Together AI, ‏Fireworks AI ו-OpenRouter.