Meta、Apache 2.0 でローカル AI エージェント用モデル「Muse Glimmer」を公開
本文の状態
日本語全文を表示中
詳細モードで約9分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
AI News
Meta は 300 億パラメータの「Muse Glimmer」を Apache 2.0 ライセンスで公開し、消費者向け GPU で動作するローカル AI エージェントの実装を可能にする。
Continue in AI NEW LAB
このニュースを、実務の判断につなげる
AI NEW LABで、試したことや先に確認したい条件を共有できます。まずはログインなしで読めます。
AI NEW LABで論点を見るAI深層分析を開く2026年8月10日 20:15
AI深層分析
キーポイント
Apache 2.0 ライセンスでのモデル公開
Meta の Superintelligence Labs が 300 億パラメータの Muse Glimmer の重みを Hugging Face で公開し、商用利用を含むローカル AI エージェント開発を許可した。
オンデバイス実行によるプライバシー強化
クラウド依存からの脱却を図り、スケジュールやメッセージなどの個人情報を扱うエージェントをユーザー端末上で安全に動作させることを目的としている。
ベンチマークでの競合モデルとの比較
一般エージェントタスクでは Gemma4-31B や Qwen3.6-27B を上回るスコアを記録したが、特定のコーディング評価や OS 操作タスクでは他社モデルが優位な結果を示した。
ローカルエージェントの実装要件
単なるコード生成だけでなく、リポジトリやターミナルへのアクセスを制御するスキャフォールド（枠組み）の構築が必要であり、Meta は OpenClaw などのパターンをサポートしている。
マルチモーダル性能と評価結果
Muse Glimmer は Charxiv Reasoning で他モデルを上回り、スクリーンショットやチャートの解釈に優れる。ただし ScreenSpot Pro や OmniDocBench では Qwen や Gemma に劣る場面もある。
重要な引用
The company's Superintelligence Labs has released the 30-billion-parameter model's weights on Hugging Face.
Meta instead pitches Muse Glimmer for workloads that require an on-device model, including personal agents with access to schedules, messages, files, and other private context.
A local coding agent does more than produce code. It needs a scaffold that decides which repositories, terminals, test environments, and commands the model may access.
An organisation evaluating the model for software work should define the commands and repositories available to the agent before measuring task success.
編集コメントを表示
編集コメント
Meta が公開した Muse Glimmer は、ローカル環境での AI エージェント開発における重要なマイルストーンとなる。ベンチマーク結果の差異は、タスク固有のスキャフォールド設計の重要性を浮き彫りにしており、実装においてはモデル性能だけでなくアーキテクチャの検討が不可欠である。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
Meta は、一般向け GPU で動作するローカル AI エージェント向けに「Muse Glimmer」を Apache 2.0 ライセンスで公開しました。
同社の Superintelligence Labs が、300 億パラメータのモデル重みを Hugging Face に公開しています。Meta によると、このモデルはローカルでのコーディング支援、関数呼び出し、ローカルエージェントの実行、そして LLM-as-a-judge（LLM を評価者として用いる評価）などに活用できます。
今回のリリースが狙うのは、AI チームが直面する運用上の制約です。クラウドホスト型のモデルはネットワーク接続と中央集権的なインフラを必要としますが、Meta は Muse Glimmer を「デバイス上で動作するモデル」が必要なワークロード向けに提案しています。具体的には、スケジュールやメッセージ、ファイル、その他の機密コンテキストにアクセスできるパーソナルエージェントなどが対象です。
Meta Muse Glimmer は複数のエージェントタスクベンチマークで首位を記録
Meta が実施したベンチマークテストでは、Muse Glimmer は 8 つの一般用エージェントタスクのうち 5 つで「Gemma4-31B」や「Qwen3.6-27B」を上回りました。MCP Atlas では Muse Glimmer が 75.5 のスコアを記録し、対照的に Gemma4-31B は 54.2、Qwen3.6-27B は 62.5 でした。
DeepSearch QA でも同様の傾向が見られました。Meta によると、Muse Glimmer のスコアは 74.6 で、Gemma4-31B が 61.7、Qwen3.6-27B が 71.1 です。発表資料では、これらのベンチマークが「エージェントが枠組みの中で動作し、多段階の要求を完了する能力」を試すものだと説明されています。
τ²-Banking では Muse Glimmer が 23.5 を記録し、Gemma4-31B は 15.1、Qwen3.6-27B は 16.7 でした。
Muse Glimmer は WildClawBench でも 47.6 のスコアをマークし、Gemma4-31B の 37.6 や Qwen3.6-27B の 43.2 を上回りました。また GAIA2 では 43.3 を記録し、対照的な結果はそれぞれ 36.4 と 40.0 です。
他のエージェント評価では Qwen3.6-27B が優勢です。Meta のデータによると、GDPval-AA でのスコアは Qwen3.6-27B が 1,141 で、Muse Glimmer は 953、Gemma4-31B は 811 です。また SkillsBench の「Skills」項目でも Qwen3.6-27B が 46.6 と首位に立ち、Muse Glimmer は 44.3 を記録しました。
OSWorld-Verified ではこのグループ内で最も大きな差が生まれました。Meta が報告した Qwen3.6-27B のスコアは 75.6 です。これに対し Muse Glimmer は 65.9、Gemma4-31B は 58.5 でした。
これらのテストは制約されたタスクを測定するものであり、組織が自社のファイルやカレンダー、メッセージングシステム、内部ツールにローカルエージェントを接続した後の振る舞いまで示すものではありません。
コーディング結果では Muse Glimmer と Qwen が拮抗しています
Muse Glimmer のコーディング結果は比較範囲が狭くなります。このモデルは SWE-Bench Pro で 51.2 のスコアを記録し、首位に立ちました。Meta によると Gemma4-31B は 36.9、Qwen3.6-27B は 50.2 です。
SciCode では接戦となりました。Muse Glimmer が 43.6 で、わずかに Gemma4-31B の 43.4 を上回りました。一方 Qwen3.6-27B は 39.8 でした。
Qwen3.6-27B は他の 2 つのコーディング評価でも首位に立ちました。SWE-Bench Verified では 77.2 で、Muse Glimmer の 76.0 を上回っています。TerminalBench 2.1 では Qwen3.6-27B が 60.7、Muse Glimmer が 51.7、Gemma4-31B が 43.4 を記録しました。
ローカルコーディングエージェントはコードを生成するだけでなく、どのリポジトリやターミナル、テスト環境、コマンドにアクセスできるかを決定する枠組みが必要です。Meta は Muse Glimmer が OpenClaw やその他のエージェントオーケストレーションパターンをサポートしており、カスタムフレームワークについては開発者ドキュメントで詳述していると説明しています。
ソフトウェア作業のモデル評価を行う組織は、タスク成功度を測定する前に、エージェントが利用可能なコマンドとリポジトリを明確に定義する必要があります。提供された資料では、失敗したツール呼び出しに対する再試行トレーニングについて説明されています。この動作には、特にツールがソースコードを変更したり外部システムを呼び出したりする場合における、繰り返し試行の制御が必要です。
多モーダルスコアでは、Qwen がほとんどのテストで有利です。
Muse Glimmer は専用知覚エンコーダーを通じて、テキストと画像を交互に受け付けます。Meta によれば、この設計によりエージェントは会話の一部としてスクリーンショットやチャート、ドキュメントを理解できるようになります。
ベンチマークチャートでは、Muse Glimmer が Charxiv Reasoning で先行しています。そのスコアは 78.8 で、Gemma4-31B の 77.7 や Qwen3.6-27B の 78.4 を上回っています。
ScreenSpot Pro では Qwen3.6-27B が 76.1 で首位に立ちました。Muse Glimmer は 75.4、Gemma4-31B は 75.9 です。OmniDocBench v1.5 でも同様に、Qwen3.6-27B が 77.8 でトップとなり、Muse Glimmer は 75.8、Gemma4-31B は 72.5 でした。
MMMU Pro では差が小さくなりました。Meta が示す Muse Glimmer のスコアは 74 です。Qwen3.6-27B は 75、Gemma4-31B は 73 を記録しています。
これらの結果は、視覚インターフェース上で動作するエージェントを検討しているチームにとって重要です。スクリーンショットを読み取るモデルは見たものを解釈できますが、ローカルテストでは依然として権限、表示レイアウト、ドキュメント形式、および接続されたツールから返されるエラーを網羅的に確認する必要があります。
安全性の数値を見ると、Qwen に比べて攻撃成功の報告数は低くなっています。
メタはまた、安全性に関連する 2 つの評価結果も報告しています。それが「CI Memories」と「Siren AgentDojo」です。各テストでは異なる指標が用いられています。
CI Memories の結果では、Muse Glimmer は違反率 26.4、カバレッジスコア 64.8 を記録しました。一方、Gemma4-31B は違反率 12.1、カバレッジ 53.0 です。Qwen3.6-27B は違反率 53.4、カバレッジ 66.9 でした。
Siren AgentDojo の評価では、「攻撃成功確率」と「有用性」が指標として使われています。Muse Glimmer は攻撃成功確率 28.4、有用性スコア 94.2 を獲得しました。Gemma4-31B は攻撃成功確率 25.6、有用性 90.8 です。Qwen3.6-27B はそれぞれ 40.3 と 92.7 でした。
一般推論の結果は、エージェントの主張を補完する文脈を提供します
メタが行った比較において、Muse Glimmer は 6 つの一般能力・推論テストのうち 4 つで首位に立ちました。IFBench では Muse Glimmer が 77.0 を記録し、Gemma4-31B は 76.0、Qwen3.6-27B は 70.8 でした。
AIME 2026 のスコアでは、Muse Glimmer が 94.7 をマーク。メタによると、Gemma4-31B は 89.2、Qwen3.6-27B は 94.1 です。AA-LCR では Muse Glimmer が 80.0 を達成し、他の 2 つのモデル（68.3 と 73.3）をリードしました。
また、Beam 128K でもMuse Glimmer が 65.1 で首位に立ちました。Qwen3.6-27B は 63.0、Gemma4-31B は 58.2 です。
GPQA Diamond では Gemma4-31B が 85.7 でトップとなりました。Muse Glimmer は 83.5、Qwen3.6-27B は 84.2 です。さらに「Humanity's Last Exam (Text No Tools)」でも、Gemma4-31B が 23.6 の最高スコアを記録し、Muse Glimmer は 22.0 を達成しました。
一つのモデルがすべてのテストで優位に立つわけではありません。Meta の結果は、Muse Glimmer がエージェント、コーディング、視覚、安全性、推論といった多様な評価項目において、同規模の他モデルと互角に競っていることを示しています。
メモリ制限がローカル展開設計を左右する
Meta によると、フル精度の 300 億パラメータモデルには 55 GB を超えるメモリが必要となります。これに対し Muse Glimmer は約 4 ビット重量化（quantisation）を採用し、言語モデルのサイズを 20 GB 未満に抑えています。
この割り当てにより、KV キャッシュ用のメモリも確保できます。さらに、知覚エンコーダーと推測デコーディング用ドラフター（speculative-decoding drafter）のための領域も必要です。Meta はこれらのコンポーネントに対して 24 GB または 32 GB のメモリ容量を目標としています。
同社によると、DFlash ベースのドラフターがトークンのブロックを提案し、メインモデルが並列で検証を行います。これにより、標準的なトークンごとの出力と比較して生成速度が向上し、かつ同等の出力品質を維持できるとしています。ただし、提供された発表資料には、秒間トークン数やプロンプトサイズ、電力データ、同時実行性に関する結果は含まれていません。
Meta は、量子化された DFlash ドラフターを搭載した K-Quant-17GB バージョンを、MacBook M4-Max および M5-Max ハードウェア、そして RTX-5090 でテストしました。その結果得られた体験は、滑らかな会話やリアルタイムのエージェント対話に適していると評価しています。
公開重み（weights）は Hugging Face から入手可能です。Meta は、llama.cpp、MLX、ExecuTorch 向けの統合機能も今後数日中に提供されると述べています。
関連記事：アリババが Qwen オープンソース AI の新たなビジネスモデルを検証
本ニュースは TechForge Media によって提供されています。その他の企業向け技術イベントやウェビナーについては、こちらからご確認ください。
この記事は元々 AI News に掲載された「Meta Muse Glimmer がローカル AI エージェントをコンシューマー GPU で実現可能にする」という投稿です。
原文を表示
Meta is releasing Muse Glimmer under an Apache 2.0 licence for local AI agents that can run on a consumer GPU.
The company’s Superintelligence Labs has released the 30-billion-parameter model’s weights on Hugging Face. Meta says developers can use it for local coding, function calling, local agents, and LLM-as-a-judge evaluation.
The release targets an operational constraint facing AI teams: cloud-hosted models need network access and central infrastructure. Meta instead pitches Muse Glimmer for workloads that require an on-device model, including personal agents with access to schedules, messages, files, and other private context.
Meta Muse Glimmer leads several agent task benchmarks
Meta’s benchmark tests put Muse Glimmer ahead of Gemma4-31B and Qwen3.6-27B on five of eight general-agentic benchmarks. The model scored 75.5 on MCP Atlas. Gemma4-31B reached 54.2, and Qwen3.6-27B recorded 62.5.
DeepSearch QA follows a similar pattern. Meta reports a score of 74.6 for Muse Glimmer, against 61.7 for Gemma4-31B and 71.1 for Qwen3.6-27B. The supplied announcement identifies both benchmarks as tests of an agent’s ability to work within scaffolds and complete multi-turn requests.
The model scored 23.5 on τ²-Banking. Gemma4-31B recorded 15.1. Qwen3.6-27B reached 16.7.
Muse Glimmer also posted 47.6 on WildClawBench, ahead of Gemma4-31B’s 37.6 and Qwen3.6-27B’s 43.2. Its GAIA2 result reached 43.3, compared with 36.4 and 40.0 respectively.
Other agent scores favour Qwen3.6-27B. Meta’s table gives that model 1,141 on GDPval-AA, against Muse Glimmer’s 953 and Gemma4-31B’s 811. Qwen3.6-27B also led SkillsBench with Skills at 46.6, where Muse Glimmer recorded 44.3.
OSWorld-Verified produced the largest gap in this group. Meta reports 75.6 for Qwen3.6-27B. Muse Glimmer reached 65.9, and Gemma4-31B scored 58.5.
These tests measure constrained tasks. They do not demonstrate how a local agent will behave after an organisation connects it to its own files, calendars, messaging systems, or internal tools.
Coding results split between Muse Glimmer and Qwen
Muse Glimmer’s coding results show a narrower comparison. The model led SWE-Bench Pro with a score of 51.2. Meta reports 36.9 for Gemma4-31B and 50.2 for Qwen3.6-27B.
SciCode produced a close result. Muse Glimmer scored 43.6, marginally above Gemma4-31B at 43.4. Qwen3.6-27B recorded 39.8.
Qwen3.6-27B led two other coding evaluations. It scored 77.2 on SWE-Bench Verified, compared with Muse Glimmer’s 76.0. TerminalBench 2.1 gave Qwen3.6-27B a score of 60.7; Muse Glimmer reached 51.7, and Gemma4-31B posted 43.4.
A local coding agent does more than produce code. It needs a scaffold that decides which repositories, terminals, test environments, and commands the model may access. Meta says Muse Glimmer supports OpenClaw and other agent-orchestration patterns, with custom scaffolds covered in its developer documentation.
An organisation evaluating the model for software work should define the commands and repositories available to the agent before measuring task success. The supplied material describes retry training for failed tool calls. That behaviour requires controls over repeat attempts, especially where a tool can alter source code or invoke an external system.
Multimodal scores favour Qwen in most tests
Muse Glimmer accepts interleaved text and images through a dedicated perception encoder. Meta says this design lets agents interpret screenshots, charts, and documents as part of a conversation.
The benchmark chart puts Muse Glimmer ahead on Charxiv Reasoning. Its score reached 78.8, against 77.7 for Gemma4-31B and 78.4 for Qwen3.6-27B.
Qwen3.6-27B led ScreenSpot Pro with 76.1. Muse Glimmer recorded 75.4, and Gemma4-31B scored 75.9. The same model led OmniDocBench v1.5 at 77.8, compared with Muse Glimmer’s 75.8 and Gemma4-31B’s 72.5.
MMMU Pro produced smaller differences. Meta lists Muse Glimmer at 74. Qwen3.6-27B reached 75, and Gemma4-31B posted 73.
These results matter for teams considering agents that act on visual interfaces. A screenshot-reading model can interpret what it sees, yet local testing must still cover permissions, display layouts, document formats, and errors returned by connected tools.
Safety figures show lower reported attack success than Qwen
Meta also reports two safety-related evaluations: CI Memories and Siren AgentDojo. The chart uses different measures for each test.
On CI Memories, Meta lists a violation rate of 26.4 for Muse Glimmer and a coverage score of 64.8. Gemma4-31B recorded a violation rate of 12.1 with coverage of 53.0. Qwen3.6-27B posted a violation rate of 53.4 and coverage of 66.9.
The Siren AgentDojo result uses attack success rate and utility. Meta gives Muse Glimmer an attack success rate of 28.4 and a utility score of 94.2. Gemma4-31B scored 25.6 on attack success rate, with utility at 90.8. Qwen3.6-27B recorded 40.3 and 92.7.
General reasoning results add context to agent claims
Muse Glimmer led four of six general-capabilities-and-reasoning tests in Meta’s comparison. It scored 77.0 on IFBench. Gemma4-31B recorded 76.0, and Qwen3.6-27B reached 70.8.
The AIME 2026 score was 94.7 for Muse Glimmer. Meta reports 89.2 for Gemma4-31B and 94.1 for Qwen3.6-27B. On AA-LCR, Muse Glimmer reached 80.0, ahead of 68.3 and 73.3.
The model also led Beam 128K at 65.1. Qwen3.6-27B scored 63.0. Gemma4-31B recorded 58.2.
Gemma4-31B led GPQA Diamond with 85.7. Muse Glimmer scored 83.5, followed by Qwen3.6-27B at 84.2. Gemma4-31B also took the top score on Humanity’s Last Exam, Text No Tools, at 23.6; Muse Glimmer reached 22.0.
One model does not lead every test. Meta’s results instead show Muse Glimmer competing closely with two similarly sized models across a mixed set of agent, coding, visual, safety, and reasoning evaluations.
Memory limits shape the local deployment design
Meta says a full-precision 30-billion-parameter model would require more than 55 GB of memory. Muse Glimmer instead uses approximately 4-bit weight quantisation, reducing the language model to under 20 GB.
That allocation leaves memory for a KV cache. The model also needs room for its perception encoder and a speculative-decoding drafter. Meta targets a 24 GB or 32 GB memory envelope for these components.
The company says the DFlash-based drafter proposes blocks of tokens for the main model to verify in parallel. Meta says this speeds generation compared with standard token-by-token output and retains identical output quality. The supplied post does not include token-per-second figures, prompt sizes, power data, or concurrency results.
Meta tested its K-Quant-17GB version with the quantised DFlash drafter on MacBook M4-Max hardware, MacBook M5-Max hardware, and an RTX-5090. It describes the resulting experience as suitable for fluid conversation and real-time agent interaction.
The public weights are available through Hugging Face. Meta says integrations with llama.cpp, MLX, and ExecuTorch will arrive in the coming days.
See also: Alibaba tests new business model for Qwen open-source AI
Want to learn more about AI and big data from industry leaders? Check out AI & Big Data Expo taking place in Amsterdam, California, and London. The comprehensive event is part of TechEx and is co-located with other leading technology events including the Cyber Security & Cloud Expo. Click here for more information.
AI News is powered by TechForge Media. Explore other upcoming enterprise technology events and webinars here.
The post Meta Muse Glimmer brings local AI agents to consumer GPUs appeared first on AI News.
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み