Meta发布Muse Glimmer：面向本地运行的30B开放权重AI模型
Meta发布了Muse Glimmer，这是一款拥有300亿参数的新型开放权重人工智能模型，目标是在个人电脑和工作站上本地运行智能体工作负载，而不是让所有任务都依赖云端处理。
此次发布的重要之处在于，Meta把相对紧凑的dense架构与开放权重、长上下文能力和智能体工作方式结合起来。开发者可构建能够进行多步骤推理、调用工具、处理多模态信息并持续执行工作流的AI系统，同时让更多计算留在本地硬件上。
Muse Glimmer瞄准常驻本地AI智能体
Muse Glimmer是Meta Superintelligence Labs推出的300亿参数dense模型，专为能够持续运行在用户设备上的智能体工作负载打造。Meta将其定位于多步骤推理、编程、工具调用、多模态理解以及工作流失败后的恢复，而不仅仅是短问短答。
30B模型设计为单GPU本地运行
该模型被设计为可在一块性能足够的GPU上本地运行，让过去通常依赖云基础设施的一类AI任务更接近消费级PC和工作站。Meta以宽松的Apache 2.0许可证提供模型权重，开发者可在遵守许可条款的前提下使用、修改和再分发，包括商业项目。
由Muse Spark蒸馏并支持长上下文
Muse Glimmer由Meta更大的Muse Spark模型蒸馏而来。Meta及生态资料显示，其上下文窗口超过120,000 tokens，并配有用于多模态输入的专用感知组件。这一组合旨在让智能体在长时间的决策链、工具调用和结果处理中保持大量工作上下文。
AMD与NVIDIA推动本地部署
硬件合作伙伴已经开始推广本地部署。AMD公布的Windows初步测试显示，Ryzen AI Max+ 395系统最高可达24 tokens/秒，启用dFlash的Radeon AI PRO R9700最高可达53 tokens/秒。NVIDIA也强调Muse Glimmer可用于其平台上的本地智能体工作流。实际性能会随量化方式、内存、软件栈和硬件配置而变化。
本地开放权重AI为何重要
本地运行智能体可以降低持续产生的云端token成本，并让更多工作数据保留在用户设备中。这对于涉及本地文件、消息或专有资料的工作流尤其重要，同时也让开发者更能控制推理、定制和集成。不过，30B模型仍需要较大的内存和较强硬件，并不意味着它能在每一台普通笔记本上都以同样水平运行。
Meta还将推出Muse Spark 1.2开放权重版
Glimmer的发布也表明Meta重新加强开放权重战略。Mark Zuckerberg表示，公司计划很快发布更强大的Muse Spark 1.2开放权重版本。对开发者而言，Glimmer既是现在即可使用的本地模型，也显示Meta希望让更多Muse系列模型走出封闭的纯云端模式。
