Meta推出了可在本地消费硬件上运行的开源权重AI模型Muse Glimmer。该拥有300亿参数的模型定位为公司在4月推出的闭源模型Muse Spark的更小、开源权重的版本。
Muse Glimmer 的模型权重在 Apache 2.0 许可下发布，允许商业使用和修改模型。该模型已针对拥有单消费级 GPU 的 Mac 或 PC 进行优化。因此，开发者可以直接在用户的设备上运行某些人工智能应用，而无需依赖云基础设施或持续的网络连接。
支持文本和视觉输入的Muse Glimmer在100多种语言上进行了训练。当模型的上下文窗口超过12.8万token时，Meta指出Glimmer专为执行长程和多阶段任务的智能体系统而开发。
该模型具备工具调用、代码编写与调试、处理文件和屏幕截图、评估结果以及重试失败任务等能力。用户还可以调整模型的推理层级，以在速度与响应质量之间做出选择。
Meta 提供的用例包括日历管理、起草消息和整理文件。此类任务可能需要 AI 代理访问个人文件、消息以及不同应用中的数据。而在设备本地而非云端执行这些操作，可以减少数据发送到第三方服务器，从而提供更可控的使用体验。
Muse Glimmer 约 17 GB 大小的压缩版本可在高性能消费级设备上运行。Meta 发布的测试数据显示，该版本在 Nvidia RTX 5090 上可达到每秒 233.4 个 token，在 Apple M5 Max 上则达到每秒 50.2 个 token。该模型目前可通过 Hugging Face 下载；并可使用 Ollama、LM Studio、llama.cpp 和 ExecuTorch 等工具运行。
在公司发布的对比中，Muse Glimmer 在一些代理和编码测试中落后于规模相近的 Google Gemma 4 31B 和 Alibaba Qwen 3.6 27B 模型。然而，结果因模型而异。Glimmer 在一些工具使用和软件开发测试中表现强劲，但在模拟信息工作和操作系统使用等测试中落后于 Qwen。因此，该模型的主要优势并非最高的整体性能，而是能够在单个消费级设备上运行代理能力。
Muse Glimmer 的发布表明 Meta 正在重新重视其在 Llama 4 之后有所减弱的开放模型战略。中国公司 DeepSeek 和 Alibaba 等在开放权重模型方面取得的进展，促使近期开发者和企业转向这些模型。Meta 通过使用 Apache 2.0 许可证，提供了比之前的 Llama 模型更自由的使用框架。
马克·扎克伯格（Mark Zuckerberg）在发布模型的同时也在文章中写道，他反对人工智能能力集中在少数几家公司手中。据扎克伯格称，开放权重模型不仅使企业能够以更低的成本开发定制系统，而且对于美国与中国的人工智能公司竞争也具有重要意义。
Muse Glimmer 也是扎克伯格此前提出的 "个人超级智能" 这是该理念如何落地的首批具体案例之一。该方法论的核心在于，让了解用户上下文且始终在线的个人智能体直接在手机、电脑或可穿戴设备上运行，而非依赖云端。
预计Meta将在未来发布更先进的Muse Spark 1.2模型。该公司同时开发开源权重的Muse Glimmer与闭源且更强大的Muse Spark模型，表明Meta将本地个人智能体与云端高级模型定位为两个互补的产品线。
图片来源：ChatGPT