Meta、ローカルで動くエージェントに最適なモデル「Muse Glimmer」を発表

Meta、「Muse Glimmer」を公開

　米Metaは8月10日（現地時間）、新しいオープンウェイトモデル「Muse Glimmer」を発表した。同社のMeta Superintelligence Labsが手掛ける最新モデルで、ローカルかつ常時稼働するエージェントワークフローに最適化されているという。

Introducing Muse Glimmer, an open-weight 30B-parameter model optimized for local, always-on agent workflows.

Muse Glimmer delivers strong performance on key agentic use cases and benchmarks compared with leading models in its size category, and is designed to run entirely on…pic.twitter.com/mI4z91GPnE

— AI at Meta (@AIatMeta)August 10, 2026

　「Muse Glimmer」は、300億（30B）パラメーター、既定で128Kトークンのコンテキスト長を備えたマルチモーダルモデル（テキストと画像を入力として受け付けるが、出力はテキストのみ）。モデルの重みは「Apache License 2.0」の下で公開されており、現在「Hugging Face」からダウンロードできる。

　本モデルは、コンシューマー向けのハードウェア――高性能GPUを搭載したPC、Macなど――で動かせるよう、効率性と能力のバランスをとったアーキテクチャーになっているのが特徴。

　たとえば、30Bパラメーター規模のモデルを量子化せずに動かすには55GBを超えるメモリが必要となるが、量子化と呼ばれる手法で精度をあまり損なうことなく、モデルの重みを約17～20GBにまで削減している。

　また、「Speculative Decoding」と呼ばれる高速化技術を採用。通常のLLMのように1トークンずつ生成するのではなく、軽量モデル（ドラフター）が先回りしてトークンのまとまり（ブロック）を予測・提案し、「Muse Glimmer」本体がそれらを並行して検証することで、大幅な速度向上を実現しているという。

ベンチマークで競合モデルと比較（前半）。エージェント・コーディング系では「Gemma 4」（31B）を全項目で上回る

同（後半）。マルチモーダルや推論では一長一短で、安全性の2項目は「Gemma 4」に軍配

　性能面でも、「Muse Glimmer」は同サイズカテゴリの競合モデルと比較して、主要なエージェント用途とベンチマークで優れた結果を示しているとのこと。実際、エージェントやコーディングのベンチマークでは「Gemma 4」（31B）を凌駕しており、「Qwen3.6」（27B）とも拮抗している。ローカル・オフラインでAIエージェントを動かすうえで、有力な選択肢となりそうだ。

　ちなみに、本モデルはゼロから学習したモデルではない。事前学習では上位モデル「Muse Spark」の出力をロジット蒸留で学習しており、データの配合も教師モデルに近い。中間学習ではより長いコンテキストとエージェント寄りのデータ、そしてより豊かな推論の痕跡（reasoning traces）を与え、事後学習では教師ありファインチューニングに、オンポリシー蒸留と強化学習を組み合わせているという。学習データに用いられた言語は、100以上にも上る。