Meta 正式发力，其超级智能实验室发布全新 30B 大模型 Muse Glimmer 并重磅开源。该模型专为本地设备打造，经极限压缩后内存占用不足 20GB，仅需消费级 GPU（如 RTX 5090）或 M4/M5 Max MacBook 即可流畅运行。此外，Meta 采用宽松的 Apache 2.0 协议，允许免费商用。
与此同时，Meta CEO 扎克伯格发表万字宣言《未来属于每个人》，直指 AI 权力集中风险，暗讽 OpenAI 与 Anthropic 等闭源阵营，强调超级智能应普惠大众。
Muse Glimmer：本地运行的「超级智能」
针对开源模型“能跑的智能弱，智能强的跑不动”的痛点，Muse Glimmer 旨在实现完全离线、本地化运行，既保障隐私安全，又能在无网环境下随时调用。Meta 通过以下三大核心技术突破性能瓶颈：
极限压缩：20GB 以内的完美瘦身
常规 30B 模型显存需求超 55GB，远超消费级硬件极限。Meta 团队利用 4-bit 量化压缩技术，将模型权重压缩至 20GB 以下，且未造成智能体任务性能的明显衰减。这使得拥有 24GB 显存（如 RTX 3090/4090）或 32GB 统一内存的设备，在运行模型的同时仍有充足空间处理视觉编码与上下文缓存。
DFlash 投机解码：生成速度飙升
为解决本地推理速度慢的问题，Muse Glimmer 引入基于 DFlash 技术的轻量级“草稿模型”。该模型预先猜测一段 Token，由主模型并行验证，错误则修正。这种“投机解码”机制在不牺牲输出质量的前提下，使 RTX 5090 上的生成速度提升 3.1 倍，在 MacBook M4/M5 Max 上亦能支撑流畅的实时对话与复杂代码生成。
真正的「智能体」能力
Muse Glimmer 并非普通 LLM，而是经由顶级闭源模型 Muse Spark“逻辑蒸馏”而成，专为智能体工作流优化，具备五大核心能力：
端到端任务完成：在 DeepSearch QA、SWE-Bench 等高难测试中表现优异，可独立完成写代码、DeBug 及资料查询。
可靠的工具调用：精准判断何时调用计算器、搜索本地文件或执行代码。
失败恢复能力：遇错不宕机，能像人类程序员般自动诊断、修改参数并重试。
长程多步推理：制定长期连贯计划，避免任务执行中的“失忆”现象。
多模态理解：直接解析屏幕截图、图表和文档，实现图文穿插推理。
基准测试显示，Muse Glimmer 在同体量模型中与 Gemma4-31B、Qwen3.6-27B 持平，且在智能体操作层面表现突出。目前模型权重已上线 Hugging Face，并将接入 Ollama、LM Studio 等主流工具。
前 Meta 超能实验室评估负责人 Zengyi Qin 指出，依托 Meta 高达 1450 亿美元的基础设施预算及合规优势，Muse Glimmer 将对全球开源模型形成降维打击。Meta 无需依赖 API 盈利，其免费开源策略将深刻冲击现有开源实验室的商业逻辑。
扎克伯格万字檄文：撕下硅谷「AI 安全」假面
扎克伯格在宣言中猛烈抨击"AI 末日论”及权力集中倾向，主张超级智能必须属于每个人。
抨击「AI 末日论」与权力垄断
针对部分巨头以"AI 危险”为由垄断超级智能的叙事，扎克伯格指出，历史证明绝对权力从未带来安全。若超级智能律师或黑客工具仅由少数人掌握，将导致社会不公与基础设施脆弱；唯有普及至每个人，通过权力制衡才能实现真正的安全。
重构「AI 对齐」：听用户的，而非公司的
扎克伯格强调，人类文化多元，不存在满足所有冲突利益的单一技术方案。他批评竞品将公司教条强加于用户（如因内部道德标准拒绝辅助用户），提出 AI 应与用户个人价值观对齐。为此，Meta 承诺为个人 Agent 提供类似 WhatsApp 的端到端加密“完全私密模式”。
呼吁放宽监管，捍卫开源生态
文章后半段直斥美国过度严苛的 AI 监管政策是在“资敌”。扎克伯格公开支持模型蒸馏技术，认为从已有模型中学习是开源生态的核心原则。他警告，限制美国开源模型只会削弱其全球话语权，让其他国家填补空白。他建议以分享“中间训练检查点”替代禁止发布，以平衡安全与创新。
Muse Glimmer 的问世证明了超级智能不必高高在上，而是可以装入每个人的背包。随着开源生态的演进，AI 权力的天平正悄然改变。
参考资料：
编辑：Aeneas