Meta 时隔多时重开权重：Muse Glimmer 30B 走 Apache 2.0，一张消费级显卡就能跑本地 Agent
8 月 10 日，Meta 超级智能实验室（MSL）把 Muse Glimmer 的权重挂上 Hugging Face，Apache 2.0 许可、30B 稠密参数、128K 上下文，从旗舰 Muse Spark 用 logit 蒸馏压下来，配 DFlash 草稿模型做投机解码，4-bit 量化后显存占用从 55GB 压到 20GB 以内。扎克伯格同日发了约 6500 字长文为开源权重辩护，并预告 Muse Spark 1.2 的开权重版本。
发生了什么
8 月 10 日，Meta 超级智能实验室（Meta Superintelligence Labs，MSL，由 Alexander Wang 领导）发布并开放了 Muse Glimmer 的模型权重，许可证是 Apache 2.0，可在 Hugging Face 上直接下载，无需申请、无需等待名单。
同一天，Hugging Face Transformers 发布 v5.15.0，把 Muse Glimmer 列为本次版本的第一个新增模型，官方描述是「Meta 全新的多模态模型，专为智能体场景设计，从 Muse 蒸馏到 30B，以 Apache 2.0 发布，可部署到本地环境用于注重隐私的应用，例如编码、文档分析、个人助理，以及 Claw 或 Hermes 这类配置」。
这个模型是什么规格
按 Meta 与第三方模型库披露的口径：
- 架构：带感知编码器的稠密因果 Transformer（Dense Causal Transformer with Perception Encoder），52 层，约 296 亿语言模型参数 + 约 18 亿 ViT-G/14 视觉编码器，合计对外称 30B。
- 上下文：131,072 tokens（128K）。
- 输入模态：文本 + 图像。
- 训练方式：不是从零预训练，而是对旗舰模型 Muse Spark 的输出做 logit 蒸馏，再叠加安全 SFT 与强化学习；训练数据为合成数据与真实数据混合，覆盖 100 多种语言。
- 推理优化：主模型 + 一个叫 DFlash 的草稿网络（drafter），一次处理整块 token 再由主模型校验，替代传统逐 token 生成；权重压到约 4-bit 精度后，显存需求从一般 30B 模型的 55GB 以上降到 20GB 以内。
换句话说，Meta 这次不是在拼参数规模，而是照着「用户机器里已经有的那张显卡」来定尺寸。
跑分与硬件生态
Meta 自己的模型卡给出的成绩（均为厂商自评口径，第三方评测机构 Artificial Analysis 在发布时尚未打分）：SWE-Bench Verified 76.0、SWE-Bench Pro 51.2、AIME 2026 94.7、GPQA Diamond 83.5、MMMU Pro 74、MCP Atlas 75.5、DeepSearch QA 74.6；Terminal-Bench 2.1 为 51.7，落后于 Qwen3.6-27B 的 60.7。Meta 称其在同尺寸开源模型中全面领先 Gemma 4 31B，与 Qwen3.6-27B 互有胜负。
硬件侧的 Day-0 支持铺得很快：SGLang 当天适配，报出在单张 NVIDIA RTX 5090 上约 230 tokens/s；模型同时可跑在 NVIDIA RTX Pro 6000 与 DGX Spark 上，通过 MLX 跑 Apple 芯片；AMD 确认 Ryzen AI Max+ 系统与 Radeon AI PRO R9700 显卡当天可用。
为什么重要
第一，这是 Meta 在 Yann LeCun 离职后对开源路线的部分回归。 Meta 早年用 Llama 系列（自定义许可）领过开源大旗，后来在与 OpenAI、Anthropic 的竞争中掉队，转向闭源专有模型。Muse Glimmer 是 Muse 这条原本全闭源产品线（Spark、Muse Code）里的第一个开权重成员，而且直接给了比 Llama 更宽松的 Apache 2.0。
第二，扎克伯格把它上升成了政策议题。 模型发布同时，扎克伯格发表了约 6500 字的长文，核心论点是美国实验室在训练数据上要遵守更多额外限制，相比海外竞争者处于结构性劣势，美国政策必须减少这种摩擦；他同时否定了「限制访问海外开源模型」这种做法的有效性，并为蒸馏技术辩护，称其是正当的工程原则而非投机取巧。他在 X 上写道：「Meta 是开源的坚定支持者，我为这些发布感到自豪。」
第三，后面还有更大的。 Meta 表示未来几周会发布迄今最强模型 Muse Spark 1.2 的开权重版本——也就是说开放的不再只是低一档的衍生模型。另有内部代号 Watermelon 的更强模型在研，是否开放尚未确定。此外，Meta 同步确认了一笔 10 亿美元基金，用于投资其数据中心周边的美国社区。
需要留一分警惕的地方
上述基准分数目前主要来自 Meta 自评的模型卡，独立第三方评测尚未完成，实际表现要等社区复现。安全方面，Meta 称 Muse Glimmer 按其内部的开权重模型安全框架完成了评估，但该框架属自愿性质、缺少外部强制约束，细节披露也有限。
把时间线拉长看，这次发布落在一个更大的背景里：Moonshot 的 Kimi K3、阿里 Qwen 等中国开权重模型在性能上持续逼近前沿、在成本上明显更低，硅谷内部对「开还是不开」的分歧被重新点燃。Muse Glimmer 是 Meta 给出的回答之一——不是在万亿参数那一档硬碰，而是把能力压进一张消费级显卡里。
信息来源：Hugging Face 官方博客 Muse Glimmer 介绍页与 Transformers v5.15.0 发布说明（一手）；AI at Meta 与 Mark Zuckerberg 在 X 的公开发布；Inside AI、Indian Express、genaidaily 等媒体报道为交叉核验。基准分数为 Meta 自评口径，尚无独立复现。