在這兩年的 Llama 4 不如預期、FAIR 團隊解散等紛紛擾擾之後，Meta 終於又回到開源陣營了。執行長 Mark Zuckerberg 8 月 10 日在個人 X 帳號（@finkd）發文，宣布開放 Muse Glimmer 的模型權重。這是一款 30B 參數的稠密模型，可以完整跑在單張消費級顯示卡或 Mac 上；他在同一篇貼文中還預告，Meta 最新的旗艦基礎模型 Muse Spark 1.2，權重也將在近期釋出。
Today we’re also opening the weights for Muse Glimmer, a great 30B parameter dense model that can run locally. Soon we’ll also release the weights for Muse Spark 1.2, our latest foundation model. Meta is a strong supporter of open source and I’m proud of these releases. Congrats…
— Mark Zuckerberg (@finkd) August 10, 2026
除了祖克柏的表態以外，Meta 超級智慧實驗室（MSL）負責人 Alexandr Wang 緊接著也在 X 上證實：「今天有重大宣布，我們很快就會釋出 Muse Spark 1.2 的開源權重版本」，並補充 Muse Glimmer 採用 Apache 2.0 授權，在 24GB 顯示卡記憶體上的一般電腦即可運作。
1/ big announcement today: we will be releasing an open weight version of muse spark 1.2 soon.
we also are releasing muse glimmer, a 30B agentic model with open weights under apache 2.0. muse glimmer can run on 24GB of VRAM without losing agentic reliability. 🧵
— Alexandr Wang (@alexandr_wang) August 10, 2026
Muse Glimmer 是什麼
Muse Glimmer 是 Meta 超級智慧實驗室推出的第一款開源模型，主打「常駐本機的 Agent 工作流」。它是一顆 30B 參數的稠密模型，具備多模態能力，內建專用的感知編碼器，可以同時理解文字與圖片，適合處理本機端 Agent、函式呼叫、本機編寫程式、以及用模型當裁判（LLM-as-a-judge）這類用途。
2/ just like much larger models, muse glimmer can operate as a fully capable agent via planning, tool calls, checking its own results, and failure recovery. pic.twitter.com/CMnroWLTe8
— Alexandr Wang (@alexandr_wang) August 10, 2026
訓練方式上，Glimmer 是從旗艦模型 Muse Spark 蒸餾而來。Meta 先以 Muse Spark 的輸出做 logit 蒸餾完成預訓練，再加入長上下文、高密度 Agent 任務的中段訓練，最後以監督式微調搭配強化學習收尾，把推理、寫程式與工具呼叫能力一併塞進 30B 的體積裡。模型權重已上架 Hugging Face，授權為 Apache 2.0，允許商業使用、修改與再散佈。
Muse Glimmer – Hugging Face
Meta 這波布局瞄準的是本機執行這條路。官方部落格指出，多數 AI 部署仍依賴雲端與網路連線，模型能在本機執行，代表隨時隨地都能用，沒有網路也照常運作，個人化資料也不必離開裝置。 對照其他大廠把旗艦模型綁定雲端 API 的做法，Glimmer 等於把 Agent 的執行環境直接搬到開發者自己的機器上，省下逐次呼叫 API 的 token 費用。
壓進 24GB 的關鍵：量化與推測解碼
30B 模型要能在消費級硬體上跑，最大的障礙是記憶體。Meta 官方部落格說明，全精度下這顆模型需要超過 55GB 記憶體，遠超出任何消費級顯示卡的負荷。Meta 用量化把權重壓到大約 4-bit，語言模型本體縮到 20GB 以下，再把 KV 快取、視覺編碼器與推測解碼用的 drafter 一起塞進 24GB 或 32GB 的記憶體預算內。
速度方面，Glimmer 內建基於 DFlash 架構的輕量 drafter 模型，一次提出整批 token 讓主模型平行驗證，跳過逐字生成的瓶頸。Meta 公布的實測數字是，RTX 5090 上解碼速度提升 3.1 倍、M5 Max 提升 1.8 倍、M4 Max 提升 1.5 倍。 NVIDIA 官方部落格則提到，Glimmer 支援 120K 以上的上下文長度，在 Blackwell Ultra 上可達每秒 2 萬 token 的吞吐量。
哪些硬體跑得動：從 12GB 到 58GB
Unsloth 整理了 Muse Glimmer 30B 各量化版本的最低硬體需求，單位是 RAM 與 VRAM 合計的總記憶體，Mac 則看統一記憶體。2-bit 版本（UD-Q2_K_XL）最低 12 到 14GB 就能跑，對應 RTX 4080 等級的顯示卡；3-bit 約 14 到 15GB；官方建議的 4-bit 版本（UD-Q4_K_XL 或 NVFP4）需要 17GB 以上，Mac 32GB 機型即可；6-bit 要 20 到 22GB，對應 RTX 5090 或 Mac 48GB；8-bit 與全精度分別需要 34GB 與 58GB 以上。
以實際檔案大小來算，4-bit 的語言模型本體約 15.9GB，加上推測解碼用的 dflash drafter 約 1.6GB、視覺編碼器約 1.4GB，整套接近 19GB。 顯示卡要順跑 4-bit，實務上抓 24GB VRAM（RTX 4090、RTX 5090 等級）最保險，這也正是 Alexandr Wang 在 X 上掛保證的數字；16GB VRAM 的顯示卡可以全速跑 2-bit，或把 4-bit 的一部分權重移到系統記憶體硬跑，速度會打折。Mac 用戶以統一記憶體為準，32GB 機型跑 4-bit 沒問題，Unsloth 也提到 18GB 記憶體的裝置或純 CPU 環境可以跑，只是生成速度較慢。我自己實測在 RTX-5090 Laptop 顯卡上每秒有 50 t/s 以上的表現（上下文開128KB），在HERMES上工作表現也相當不錯。
效能定位：與 Gemma 4、Qwen 3.6 同場較勁
Meta 在官方部落格中把 Muse Glimmer 與同級對手放在一起比較，包括 Google 的 Gemma4-31B 與阿里巴巴的 Qwen3.6-27B，宣稱在 Agent 任務、推理與多模態基準上都有競爭力，特別是在完整任務執行（SWE-Bench、MCP-Atlas、τ-Bench）與工具呼叫可靠性上表現突出。
在 Agent 能力上，Glimmer 對工具呼叫的容錯下了功夫。工具呼叫失敗或回傳意外結果時，模型會診斷錯誤並重試，而不是中斷流程；它也支援不同強度的推理模式，開發者可以自行切換追求速度或品質的配置。模型訓練資料涵蓋 100 多種語言，並相容 OpenClaw 等多種 Agent 編排框架。 Alexandr Wang 特別強調，Glimmer 在 24GB 顯示卡記憶體上運作時，不會犧牲 Agent 的可靠性。安全評估方面，Meta 依自家 Advanced AI Scaling Framework 完成評估，結論是 Glimmer 未達 Frontier AI 定義門檻，化學生物、網路安全與失控風險均為中低等級。
從 Ollama 到 vLLM 一次到位
Meta 這次的支援生態系佈局比過往開源釋出更完整，Ollama、LM Studio、Unsloth 近期就會提供一鍵執行方案，vLLM 與 SGLang 支援大規模部署，Together AI、Fireworks AI 與 OpenRouter 則提供代管 API。Unsloth 宣稱與 Meta、Hugging Face 合作實作 llama.cpp 支援，Glimmer 在 18GB 記憶體的裝置上就能跑，也能直接微調。邊緣裝置方面有 llama.cpp、MLX 與 ExecuTorch，AMD、Arm、Dell、Intel、NVIDIA 都參與了效能調校，NVIDIA 另外提供了 NIM 容器，方便直接部署到既有 GPU 環境。Meta 也釋出了開發者文件與自訂 Agent 框架的建置指南。
旗艦也開源：Muse Spark 1.2 的權重預告
比 Glimmer 本身更讓社群騷動的，是 Zuckerberg 與 Alexandr Wang 同時預告的 Muse Spark 1.2 開源計畫。Muse Spark 是 MSL 的主力模型線，8 月 5 日發表的終端機編碼 Agent「Muse Code」就是由 Muse Spark 1.2 驅動，具備跨大型程式庫規劃變更、撰寫程式與驗證結果的能力。先前 Muse Spark 1.1 已經透過 Meta Model API、Meta AI 與 OpenRouter 提供服務，但都是雲端 API 形式。一旦 Spark 1.2 的權重開放，開發者就能把旗艦級模型搬到自己的硬體上跑，這是 Meta 從 Llama 4 惡評如潮之後相隔 16 個月後對開源社群釋出的最大規模訊號。
Meta 推 Muse Spark 1.2 模型，能力超強、價格砍到比 DeepSeek V4 Flash 還低，代價是交出你的資料
小結
Muse Glimmer 現在就可以到 Hugging Face 下載，Muse Spark 1.2 的權重釋出日期則尚未公布。對開發者來說，30B 等級、Apache 2.0、單卡可跑的 Agent 模型，加上完整生態系支援，短期內就會出現在各種本機 Agent 專案裡；而 Spark 1.2 開源的後續，才是更值得期待的下一步。