- Muse Glimmer は、Apache 2ライセンスの下でリリースされたMetaの300億（30B）パラメータの_dense（稠密）_言語モデルです
- ハードウェアターゲット: RTX 3090、4090、5090などの24GB～32GBのコンシューマーGPUでの動作に特化して設計されています
- コアフォーカス: エージェントタスク、マルチステップ推論、ツール使用に最適化されています
- 訓練方法: より大規模なMuse Sparkモデルからの蒸留と強化学習を組み合わせて利用しています
- 入手方法: オープンウェイトは現在Hugging Faceでホストされており、すぐにローカルで展開可能です
Muse Glimmerとは？ コア概要
Muse Glimmerは、MetaがオープンウェイトAIモデルの領域へ戦略的に復帰したことを象徴するモデルです。Mark Zuckerberg自らが発表したこの300億パラメータの稠密モデルは、Qwen 3.6 27Bのようなミッドサイズのオープンモデルに対する直接的な競合相手として位置づけられています。
ビデオハイライト:
- Apache 2ライセンスでオープンウェイトモデルのリリースに復帰したMeta
- Qwen 3.6 27Bと直接競合するよう設計された30Bの稠密アーキテクチャ
- コンシューマーGPU向けの公式4-bit量子化バージョンが利用可能
- より大規模なMuse Sparkモデルからの蒸留を用いて訓練されている
- エージェントワークフローとマルチステップ推論のための根本からの最適化
Museモデルファミリーの開発チームは、2026年4月初旬のオリジナルMuseリリース以来、大幅に拡大しました。その加速能力の鍵となったのは、Googleからの大量の著名な退職者の波の前に、Geminiチームから推論責任者を引き抜いたことでした。この強化された体制により、チームはより新しいバージョンのMuse Spark、画像モデル、ビデオモデル、そして現在のMuse Glimmerをスピーディーに出荷することに成功しました。
Muse Glimmerは**稠密モデル（Dense Model）**であり、Mixture of Experts（MoE）アーキテクチャではありません。これは、同規模のMoEモデルほど推論速度が計算量的に速くない可能性を意味しますが、生成されるすべてのトークンに対して、すべてのパラメータで一貫したパフォーマンスを提供します。
アーキテクチャとベンチマークパフォーマンス
Muse Glimmerの背後にあるアーキテクチャの選択は、実用的でローカルな展開とエージェントユーティリティへの明確な焦点を反映しています。30Bパラメータの稠密モデルを維持することで、チームはエンタープライズ級のインフラを必要とせず、広く入手可能なコンシューマーハードウェアに適合するよう効果的に量子化できることを確認しました。
ベンチマーク比較
| モデル | パラメータ数 | アーキテクチャ | 主要な焦点 | ライセンス |
|---|---|---|---|---|
| Muse Glimmer | 30B | Dense | Agents, Tool Use, Reasoning | Apache 2 |
| Qwen 3.6 27B | 27B | Dense | 汎用 | Open |
| Gemma 4 | 様々 | Dense | 汎用 | Open |
| Muse Spark 1.2 | より大 | N/A | 最高峰のパフォーマンス | Pending |
ベンチマーク結果によると、Muse Glimmerはほとんどの指標でGemma 4モデルを上回っています。Qwen 3.6 27Bと直接比較した場合、Muse Glimmerは大多数のベンチマークでリードを取っていますが、すべてのカテゴリで万能に勝っているわけではありません。リリースのタイミングも注目に値し、期待されているQwen 3.8 27Bの直前に登場しました。
このモデルは、オンポリシー蒸留（on-policy distillation）と強化学習の組み合わせを使用して訓練されました。事前訓練には、洗浄された生のインターネットデータのみに依存するのではなく、より大規模なMuse Sparkの出力から知識を蒸留することが含まれており、これは標準的な訓練パイプラインからの転換です。
主要な能力領域
| 能力 | 説明 | ターゲット使用例 |
|---|---|---|
| マルチステップ推論 | 複雑な論理チェーンを処理する | 研究支援、データ分析 |
| ツール使用 | 外部ハーネスと統合する | コーディングエージェント、自動化 |
| 長い軌跡 | 拡張されたタスクにわたってコンテキストを維持する | 長時間のエージェントワークフロー |
| ハーネス互換性 | OpenClaw、Hermes Agentと連携可能 | 開発者向け統合 |
ハードウェア要件とローカルセットアップ
Metaは、ローカル展開に関してオープンソースコミュニティの声に明確に耳を傾けています。過去のLlamaリリースとは異なり、Muse Glimmerは公式の量子化サポートと投機的デコード（スペキュラティブ・デコーディング）を最初から備えており、ローカルの開発者や研究者にとって非常にアクセスしやすくなっています。
GPU互換性ガイド
| GPUモデル | VRAM | 4-bit量子化適合 | KVキャッシュの余裕 | 推奨度 |
|---|---|---|---|---|
| RTX 3090 | 24GB | 可 | 中程度 | 良好 |
| RTX 4090 | 24GB | 可 | 中程度 | 良好 |
| RTX 5090 | 32GB | 可 | 優秀 | 最高 |
| AMD 9700 | 24GB+ | 可 | 中程度 | 良好 |
| MacBook Pro Mシリーズ | 64GB Unified | 可 (CPU/GPU経由) | 高さ | 様々 |
Metaは、公式の4-bit量子化バージョンを、24GBまたは32GBのVRAM制限に収まるだけでなく、適切なサイズのKVキャッシュのための大幅な余地を残すように特別にサイズ設定しました。VRAM全体をモデルの重みだけで最大限に使用しないようにしてください。
コンシューマーGPU (24GB)
- ターゲット: RTX 3090 / 4090
- 公式の4-bit量子化を使用
- KVキャッシュの余地を残す
- 標準的なエージェントタスクに最適
ハイエンドGPU (32GB)
- ターゲット: RTX 5090 / AMD 9700
- 快適なメモリ余地
- より高速なトークン生成速度
- 長いコンテキストウィンドウに理想的
Apple Silicon (64GB)
- ターゲット: MacBook Pro Mシリーズ
- ユニファイドメモリを活用
- 投機的デコードをサポート
- ポータブルテストに最適
ステップバイステップのローカル展開
Muse Glimmerをローカルで実行するには、オープンウェイトにアクセスし、最適な推論速度のために環境を設定する必要があります。モデルの重みは現在Hugging Faceで入手可能です。
モデルの重みをダウンロードする
Hugging Faceに移動し、公式のMuse Glimmerリポジトリを見つけます。利用可能なVRAMに応じて、ベースモデルまたは公式の4-bit量子化バージョンをダウンロードしてください。24GBまたは32GBのカードを使用している場合、4-bitバージョンを強くお勧めします。
推論エンジンを設定する
好きなローカル推論エンジンをセットアップします。環境がモデルの稠密アーキテクチャをサポートしていることを確認し、モデルの重みをロードした後の残りのVRAMに基づいて、KVキャッシュを適切に割り当ててください。
投機的デコードを有効にする
Muse GlimmerはD-Flash投機的デコードをサポートしています。推論設定でこの機能を有効にして、特にApple SiliconまたはハイエンドのNVIDIAカードで実行する際に、トークン生成速度を大幅に向上させてください。
エージェントハーネスをテストする
OpenClawやHermes Agentなどのエージェントハーネスにモデルを接続します。モデルが長い軌跡にわたって一貫性を維持していることを確認するために、マルチステップ推論タスクまたはツール使用シナリオを実行してください。
初期リリース後の数週間の間に、コミュニティが様々な代替量子化をリリースすることが期待されます。特定のハードウェア構成にとってより良いパフォーマンスを提供する可能性のあるGGUFやAWQバージョンについて、Hugging Faceを定期的に確認してください。
Museエコシステムと今後のロードマップ
Muse Glimmerは孤立したリリースではなく、MetaがオープンウェイトAIの分野での優位性を再確立するためのより広範な戦略の一部です。エコシステムは急速に拡大しており、いくつかの主要なモデルが既に利用可能か、または今後のリリース予定となっています。
Museモデルファミリー
| モデル | ステータス | 詳細 |
|---|---|---|
| Muse Glimmer | リリース済み | 30B稠密モデル、Apache 2ライセンス |
| Muse Spark (Current) | リリース済み | より大規模なモデル、以前は重みが非公開 |
| Muse Spark 1.2 | 今後予定 | 将来のリリースが確認されている重み |
| Muse Code | リリース済み | Muse Sparkのコーディング特化バリアント |
| Muse Image/Video | リリース済み | ファミリー内のマルチモーダルモデル |
Artificial Analysis Intelligence Indexは、今後登場するMuse Spark 1.2がClaude Opus 4.8と同等のパフォーマンスを発揮することを既に示しています。そのクラスのモデルがローカル実行のためにオープンウェイトで利用できることは、オープンソースAIコミュニティにとって重要なマイルストーンを意味します。
Mark Zuckerbergは、Metaが今後Muse Spark 1.2の重みをリリースすることを確認しています。Muse Codeが最終的にオープンウェイトになるかどうかは未確認ですが、現在の軌跡は、トップクラスのオープンモデルへの貢献へのMetaのコミットメントを示しています。
エコシステム監視チェックリスト:
- Muse Glimmer 30Bをダウンロードしてローカルでテストする
- 最適化されたバージョンのコミュニティ量子化を監視する
- 公式Muse Spark 1.2の重みリリース日を追跡する
- リリース時にGlimmerとQwen 3.8 27Bのベンチマークを比較する
- Muse Codeのオープンウェイトリリースの可能性に関する更新をフォローする
FAQ
Q: Muse Glimmerとは正確には何ですか？
Muse Glimmerは、Metaによって開発された300億パラメータの稠密言語モデルです。Qwen 3.6 27Bなどのミッドサイズモデルの直接的な競合相手として設計されており、エージェントタスク、マルチステップ推論、ツール使用に特化して最適化されています。Apache 2ライセンスの下でリリースされています。
Q: Muse Glimmerはコンシューマーハードウェアで実行できますか？
はい。Metaは、RTX 3090、4090、5090などの24GBまたは32GBのコンシューマーGPUに収まるように設計された公式の4-bit量子化バージョンをリリースしました。このモデルは、KVキャッシュメモリのために適切な余地を残すようにサイズ設定されています。
Q: Muse GlimmerはQwen 3.6 27Bと比較してどうですか？
Metaのベンチマークによると、Muse GlimmerはGemma 4を容易に上回り、Qwen 3.6 27Bに対しても大多数のベンチマークで勝利を収めていますが、すべてのカテゴリで勝っているわけではありません。期待されていたQwen 3.8 27Bの直前にリリースされました。
Q: Muse GlimmerとMuse Sparkの違いは何ですか？
Muse Glimmerは現在入手可能な30Bの稠密モデルです。Muse Sparkは同じファミリーのより大規模で強力なモデルです。Muse Sparkの重みは以前非公開でしたが、Metaは今後登場するMuse Spark 1.2の重みを公開することを発表しています。