8月10日，Meta Superintelligence Labs 正式发布并开源了 Muse Glimmer——一个约 30B 参数（精确约 29.6B）的开源智能体模型，专为“始终在线的本地代理工作流”（always-on local agent workflows）优化。模型权重以 Apache 2.0 宽松许可在 Hugging Face 开放下载，小到可以在一张消费级 GPU 的 Mac 或 PC 上运行，完全不需要云端或网络连接。
这是 Meta Superintelligence Labs 在开源道路上的又一次重要落子。该实验室由 Alexandr Wang 领导，此前已于 4 月 8 日发布首个模型 Muse Spark，7 月发布 Muse Spark 1.1（Meta 首个收费模型，API 定价约为 Anthropic 和 OpenAI 同级模型的四分之一），8 月 5 日又推出了基于 Muse Spark 1.2 的终端编码代理 Muse Code。此次 Muse Glimmer 的开源，加上 Alexandr Wang 同步宣布“几周内将发布 Muse Spark 1.2 的开放权重版本”，意味着 Meta 正在全面回归开源 AI 阵营。
Muse Glimmer 的核心定位是让强大的代理能力跑在本地设备上。它从更大的 Muse Spark 系列模型通过 logit 蒸馏等方式衍生而来，专门覆盖三大类场景：本地代理与函数调用、本地代码编写、以及 LLM-as-a-Judge 评估。按照 Meta 的说法，一个管理日历、起草消息、整理文件的本地代理需要深度访问个人上下文，而这些上下文留在设备本地才更安全——这也正是“始终在线”本地代理的核心价值。Alexandr Wang 在 X 上强调，这是一款能像更大模型一样进行规划、工具调用、自我检查与失败恢复的完整代理模型，且为尺寸与代理性能需求专门设计了独特架构与训练配方。
在训练方面，Muse Glimmer 采用三阶段流程：首先在更大模型输出上进行 logit 蒸馏，采用类似教师模型的数据混合；然后是 Mid-Training，针对更长上下文、更偏代理的数据与丰富推理轨迹进行训练；最后是 Post-Training，结合监督微调（SFT）、on-policy 蒸馏与强化学习，覆盖通用、推理、代码与代理领域。模型已通过 Meta 的 Advanced AI Scaling Framework 评估，并获准以开源权重形式发布。
最值得关注的是它对消费级硬件的适配能力。全精度下模型需要 55GB 以上内存，Meta 将权重压缩到约 4-bit 精度后，语言模型本体缩小到 20GB 以下，从而在 24GB 或 32GB 显存预算内为 KV Cache、屏幕截图感知编码器和投机解码草稿模型留出空间——也就是说，一张 24GB 显存的消费级显卡就能跑起完整的本地智能体。Alexandr Wang 明确表示：Muse Glimmer 可以在 24GB VRAM 上运行且不损失代理可靠性。此外，Meta 还引入了一个名为 DFlash 的轻量辅助模型做投机解码：不再一个词一个词地生成，而是让辅助模型一次猜测一整块 token，主模型一次性检查，保留正确的猜测并修正错误的部分，大幅提升生成速度。
性能方面，在与同尺寸级别的 Gemma4-31B、Qwen3.6-27B 对比中，Muse Glimmer 在多个代理相关基准上表现强劲：MCP Atlas 得分 75.5，显著领先 Gemma4-31B 的 54.2 和 Qwen3.6-27B 的 62.5；在 DeepSearch QA、τ3-Banking、WildClawBench、Gaia2、SWE-Bench Pro 等任务上同样表现不俗。不过在计算机使用和终端编码方向，Qwen3.6-27B 在 OSWorld-Verified、TerminalBench 2.1 和 SWE-Bench Verified 上得分更高，两者互有胜负。
生态适配方面，Muse Glimmer 被设计为与开发者现有工具链无缝协作：llama.cpp、MLX 和 ExecuTorch 的优化集成将在未来几天内落地，开发者可以几分钟内从下载到跑起可用代理；Ollama、LM Studio、Together AI、Fireworks AI 等合作伙伴也将提供支持。Meta 同时在与 AMD、Arm、Dell、Intel、Nvidia 合作进行设备级优化。
这次发布的大背景同样值得关注。Meta CEO 扎克伯格周一发布了一篇约 6500 字的 AI 长文并在 Instagram 视频中亲自官宣：公司将为最新模型 Muse Spark 1.2 开放权重，并推出面向笔记本的 Muse Glimmer 开源模型家族。在长文中，扎克伯格将此举定位为对美国开源 AI 的支持，正面对抗来自中国 DeepSeek、阿里、Moonshot 等厂商激进的开放权重策略；他还公开为“蒸馏”（AI 模型互相学习）辩护，认为这是美国保持竞争力的必要实践，并提出一个新框架：与其延迟发布等待政府审查，不如在模型完成前与美国政府共享中间训练检查点和技术人员，让政府提前加固关键基础设施而不影响消费级访问。受此消息影响，Meta 股价当日上涨。
对开发者而言，Muse Glimmer 的意义在于：Meta 延续了 Llama 时代的开源传统，并把“本地可运行的完整代理”真正交到了社区手中——无需云端、无需联网、隐私可控，一张消费级显卡就能跑。可以期待社区基于它打造出更多个人化、离线可用的智能应用。