2026年8月10日，Meta发布Muse Glimmer，一款专门面向本地、常驻式Agent工作流的300亿参数开放权重模型。它支持文本与图片输入、超过100种语言、131K级上下文、工具调用、代码任务、失败恢复和可调节推理强度；经过约4-bit量化后，语言模型权重可以压缩至20GB以内，从而在24GB或32GB内存/显存的高端消费级设备上运行。Meta还为它配套了一款基于DFlash的轻量草稿模型，通过推测解码把RTX 5090上的生成速度提高约3.1倍。官方评测显示，Muse Glimmer在多项Agent与编程基准上超过同体量的Gemma 4 31B和Qwen 3.6 27B，但并非全面领先，且主要数字仍来自Meta自测。它最重要的意义不只是“又一个本地大模型”，而是把能够持续读取文件、理解截图、调用工具和执行长流程的Agent，从按Token付费的云端服务搬回用户自己的电脑。
文章作者、来源：Meta Superintelligence Labs
它不是为聊天设计，而是为“一直在工作”设计
大多数大语言模型的典型使用方式，是用户提出一个问题，模型生成一段回答，然后本轮任务结束。但一个真正的个人Agent需要面对完全不同的工作负载。
它可能需要长期读取文件、整理消息、管理日程、分析截图、调用多个应用，并在工具返回错误后修正计划。整个过程可能持续数十分钟甚至更长，模型还必须记住此前做过什么，避免重复操作或在环境已经变化后继续使用过时信息。
Muse Glimmer就是针对这种工作方式训练的。Meta称，它能够执行完整的多步骤任务，按照严格的参数结构调用工具，在工具失败时诊断原因并重试，同时通过专用视觉编码器理解截图、图表和文档。
模型支持超过100种语言，并允许开发者调整推理强度，在任务质量与响应速度之间作出选择。它也可以接入OpenClaw、Hermes等Agent框架，不只作为聊天界面的后端模型。
Meta在官方演示中让Muse Glimmer接收一条自然语言指令，自主发现本地Home Assistant系统中的设备，再调用工具完成后续操作。这类案例要展示的不是模型能不能写出正确答案，而是它是否能够在一个持续变化的环境里规划、执行和检查。
300亿参数如何装进个人电脑
Muse Glimmer采用稠密架构，也就是处理每个Token时都会激活模型的全部参数。模型主体由约280亿参数的文本解码器和约20亿参数的视觉编码器组成。
如果以BF16全精度运行，300亿参数的权重本身便需要超过55GB内存，再加上KV缓存、图片处理和推测解码模块，普通消费级显卡很难容纳。
Meta因此提供了约4-bit量化版本，把语言模型权重缩小到20GB以内。其目标不是让模型在任意轻薄笔记本上无条件运行，而是把完整Agent模型放入24GB或32GB的内存/显存范围。
这一区别很重要。官方所说的“可以在Mac或PC上运行”，并不意味着一台只有8GB内存的普通办公电脑便能获得流畅体验。更现实的目标设备是配备较大统一内存的Apple Silicon电脑、RTX 5090级显卡、32GB专业显卡或部分高内存AI PC。
Meta称，其K-Quant-Dynamic量化版本以约32GB为目标，综合精度下降约0.2%；更紧凑的K-Quant-17GB版本面向约24GB设备，综合下降约1%。这些数据来自Meta自己的15项评测平均值，实际损失仍会因任务、上下文长度和推理框架不同而变化。
AMD发布的初步测试显示，Muse Glimmer配合DFlash后，在Ryzen AI Max+ 395上最高约为每秒24个Token，在单张Radeon AI PRO R9700上最高约为每秒53个Token。硬件厂商测试通常使用特定量化、驱动和提示设置，因此不能直接代表所有用户的持续运行速度。
用“小模型起草，大模型检查”提高三倍速度
Muse Glimmer还配套了一款DFlash草稿模型，用于推测解码。
传统语言模型按照顺序逐个生成Token，每一步都需要运行完整模型。在长篇推理或连续工具调用中，即使单个Token只增加少量延迟，累积起来也会让Agent显得反应迟缓。
DFlash的做法是先用一个更小的模型同时提出一组候选Token，再交给Muse Glimmer并行验证。正确部分被直接接受，错误部分才由主模型重新生成。因为验证通常比从头生成更快，系统可以在理论上保持相同输出结果的同时提高解码速度。
Meta公布的测试显示，K-Quant-17GB版本在RTX 5090上启用DFlash后，生成速度从每秒74.9个Token提高至233.4个Token，约为3.1倍；在M5 Max上约提高1.8倍，在M4 Max上约提高1.5倍。
速度提升会消耗额外内存，因为主模型和草稿模型需要同时驻留。开发者需要根据设备容量决定是否启用。对于代码生成、JSON结构输出和规则较强的工具调用，草稿模型更容易准确预测后续Token，推测解码的收益通常也更明显。
Agent评测很强，但没有全面击败Qwen
Meta将Muse Glimmer与同体量的Gemma 4 31B和Qwen 3.6 27B进行了比较。
在测试工具使用的MCP Atlas上，Muse Glimmer得到75.5分，高于Gemma的54.2和Qwen的62.5；在DeepSearch QA上得到74.6，Gemma与Qwen分别为61.7和71.1；在SWE-Bench Pro上，三者分别为51.2、36.9和50.2。
Muse Glimmer在SciCode、CharXiv Reasoning、AIME 2026和长上下文Beam 128K评测中也取得较好成绩。其中，AIME 2026为94.7，略高于Qwen的94.1；CharXiv Reasoning为78.8，略高于Qwen的78.4。
但它并不是各项测试的统一第一名。在SWE-Bench Verified上，Muse Glimmer为76.0，低于Qwen的77.2；TerminalBench 2.1分别为51.7和60.7；OSWorld-Verified分别为65.9和75.6；SkillsBench、OmniDocBench、MMMU Pro、GPQA Diamond与Humanity’s Last Exam也由Qwen或Gemma领先。
因此，更准确的结论是：Muse Glimmer在工具调用、部分Agent任务和特定编程评测上具有明显竞争力，同时以本地部署和开放许可形成差异化；它没有证明自己在全部推理、编程和多模态任务上优于其他开放模型。
评测结果主要由Meta发布，模型上线时间很短，目前还缺少大规模独立复现。不同模型所使用的Agent脚手架、推理预算、量化方式和提示模板也会显著改变结果，单一分数不能完整代表真实环境中的可靠性。
本地运行改变的不只是Token账单
云端Agent的优势是能够随时调用最强模型，但它也带来持续费用、网络依赖和数据治理问题。
一个常驻Agent可能需要读取代码库、邮件、私人文档、聊天记录、浏览器内容和访问凭证。如果每一次推理都需要上传到外部服务器，用户必须信任服务提供商如何存储、处理和隔离这些数据。
本地模型让这些内容留在用户设备或企业内部服务器中，也可以在离线环境下运行。调用次数增加时，边际Token费用不会同步增长。对于每天持续分析文件、检查状态和运行自动化的Agent，这种成本结构可能比偶尔聊天更重要。
但“本地”不等于“自动安全”。一旦Agent能够访问终端、文件系统、消息和智能家居设备，它仍可能受到提示注入、恶意文档、错误工具调用和过度授权影响。模型运行地点可以降低数据外传风险，却不能替代沙箱、最小权限、操作确认和审计日志。
Meta的安全评测也暴露了这一点。在Siren AgentDojo提示注入测试中，Muse Glimmer的攻击成功率为28.4%，略高于Gemma的25.6%，但低于Qwen的40.3%。这说明它并没有获得免疫提示注入的能力，尤其不应在缺少隔离的情况下直接获得无限制系统权限。
Apache 2.0让它更接近真正可用的开放基础设施
Muse Glimmer以Apache 2.0许可发布。开发者可以在许可条款下下载、修改、微调、重新分发并用于商业产品，不必把每一次请求发送给Meta。
首发生态也相当完整。Hugging Face为Transformers、llama.cpp和vLLM提供支持，Meta还宣布将陆续接入MLX、ExecuTorch、Ollama、LM Studio、Unsloth、SGLang、Together AI、Fireworks AI和OpenRouter。AMD、Arm、Dell、Intel与NVIDIA也参与硬件优化。
这意味着Muse Glimmer并非只发布一组难以运行的研究权重。它同时提供量化版本、推测解码模块、Agent框架示例和多种服务接口，开发者可以把同一模型放在个人电脑、企业工作站或托管端点上运行。
不过，开放权重与完全开放训练过程仍不是同一概念。Meta披露了预训练、长上下文中期训练、监督微调、在线蒸馏和强化学习等阶段，但没有公开全部训练数据、数据比例、完整训练代码和可复现训练流程。因此，将其称为“Apache 2.0开放权重模型”比笼统称为“完全开源模型”更加准确。
Meta正在把AI竞争从云端拉回设备
Muse Glimmer的发布恰逢Mark Zuckerberg重新强调开放AI和个人超级智能。Meta希望证明，未来的AI不必全部集中在少数公司的云端：用户可以拥有一套持续运行、了解个人环境并由自己控制的模型。
这也是Meta在竞争策略上的一次换轴。OpenAI、Anthropic和Google主要依靠更强的云端旗舰模型争夺Agent入口；Meta则尝试把模型所有权、本地隐私、固定硬件成本和开放生态变成新的竞争维度。
Muse Glimmer不会取代最强云端模型。复杂研究、前沿编程和高难度决策仍可能需要更大模型。更可能出现的架构是：本地模型负责持续观察、整理数据和执行日常工作，在遇到高难度任务时再把经过筛选的上下文交给云端模型。
这让本地Agent从“离线聊天玩具”向个人AI基础设施迈进了一步。真正决定它是否成功的，不会只是基准分数，而是它能否在连续运行数天后仍然可靠调用工具、正确恢复失败、控制权限，并且不把用户的电脑变成一个由模型随意操作的黑箱。