摘要： Meta Superintelligence Labs 於 2026 年 8 月 10 日發表 30B 代理模型 Muse Glimmer，權重以 Apache 2.0 上架 Hugging Face。4-bit 版本低於 16 GB，可在 20 至 24 GB 消費級 GPU 上運行，官方稱 RTX 5090 達每秒 75 到 233 個 token。這是 Meta 相隔一年多再釋開放權重，但稠密架構速度先天不如稀疏模型。
2026 年 8 月 10 日，Meta Superintelligence Labs 讓 Muse Glimmer 正式亮相。這是一個參數規模 30B 的代理模型，權重以 Apache 2.0 授權放上 Hugging Face。官方對定位的說明毫不含糊：瞄準「常駐本地」這類代理工作流，體積小到一張消費級 GPU 的 Mac 或 PC 就能撐住，涵蓋的用途包括本地代理、函式呼叫、本地寫程式，以及拿 LLM 當評審的 LLM-as-a-judge 評測。
不僅如此，這也是 Meta 相隔一年多才再度端出的開放權重模型。Llama 4 失利、AI 部門改組、Zuckerberg 的開源承諾遭到外界質疑——在這樣的背景下，這次發布的份量遠不只是「多了一個小模型」。
30B 參數，單張消費級 GPU 就能跑
30B 若走全精度，記憶體需求突破 55 GB，消費級 GPU 根本塞不下，Meta 的對策是量化：4-bit 版本把權重壓在 16 GB 以下，20 至 24 GB 這一級距的卡，例如 RTX 3090/4090 與 RX 7900 XT/XTX，都能整顆容納。速度方面，Meta 給出的數字是 RTX 5090 每秒 75 到 233 個 token，高段靠投機解碼撐出來；M5 Max 筆電則約 26 至 58。軟體配套也很快補齊，llama.cpp、MLX、ExecuTorch 的整合會在數日內到位，Ollama 與 LM Studio 現在就能下載。Simon Willison 親手實測後給出兩項好評：Apache 2.0 比過去繁瑣的 Llama 授權乾淨得多；模型本身還看得懂影像，他讓 coding agent 插件直接探索 Datasette 程式庫，得到的結論是 32 GB 記憶體的機器跑起來就很舒服。
從教師模型蒸餾代理能力
公告把工程難題攤得很坦白：代理要真正好用，長時程執行、精確工具呼叫、多模態理解、長上下文記憶與指令遵循得同時成立，而這些能力偏偏要擠進本地硬體的記憶體與算力上限裡。Meta 搬出的是一套「新穎的蒸餾配方」，把規模大上許多的教師模型所具備的代理推理，轉移到 30B 的學生模型身上；The Register 直接點名，這位教師正是旗艦 Muse Spark。官方 benchmark 拿 Gemma4-31B 與 Qwen3.6-27B 當對照組；Willison 引用的評測範圍更廣，涵蓋 DeepSearchQA、MCP-Atlas、τ-Bench、SWE-Bench 等完整任務基準。
Meta 為什麼重返開源
時間點並不難解讀。The Register 把來龍去脈寫得很直白：近幾個月的新聞週期由 Kimi K3、Qwen 3.8-Max、DeepSeek V4 Flash 等中國開放權重模型主導，美國業界正為缺少「本土開放替代品」而焦慮。Meta 的開源聲譽是靠 Llama 掙來的，Llama 4 之後卻淡出一年多。就在同一天，Meta 超級智能部門負責人 Alexandr Wang 在 X 上承諾，Muse Spark 1.2 的開放權重版「很快」就會釋出。換句話說，Glimmer 只是先鋒，真正的主菜是旗艦模型的開放版本——那份版本成色如何，才是檢驗 Meta 開源誠意的指標。
對本地 AI 生態的影響
有三件事值得追蹤。第一，開放權重模型做到 30B 級又具備完整代理能力，會直接把本地 coding assistant 與個人代理的可用下限往上抬，免網路、免金鑰的代理就此成為日常。第二，Apache 2.0 讓企業部署少了法律摩擦，Nous Research 這類社群微調團隊幾乎必然會推出衍生版本。第三，局限別略過：稠密 30B 對上只啟用少數參數的稀疏模型，速度上天生吃虧；The Register 也提醒，Qwen 3.8-27B 隨時可能發布，這份對比未必經得起考驗。