AI at Metaの研究ページは、Muse Glimmerを端末上の自律エージェント向け因果言語モデルとして紹介している。入力はテキストと画像、出力はテキスト。100を超える言語のデータで学習し、多段の推論、ツール使用、失敗からの回復を一つのモデルにまとめたとしている。クラウドなしで消費者向けデバイス上で動くことを目的にし、約4ビット精度へ量子化して単一GPUで推論する。
同サイズ帯の比較対象として名前が挙がるのはGemma 4の310億パラメータモデルとQwen 3.6の270億パラメータモデルで、ツール使用、多段計画、エージェント作業の完了で同クラスの最高水準だと説明している。公開ページに載っているのはこの要旨で、ベンチマークの点数や推奨メモリ量、重みの配布URLは示されていない。論文の掲載先はarXivで、ライセンスはApache 2.0。
すでに公開されているMuse Spark Openは8160億パラメータ級の大規模モデルで、今回のGlimmerはそれとは別の、単一GPUを想定した30Bクラスである。ローカルエージェントを選ぶときは、クラウドAPIの待ち時間やデータを外へ出さない制約と引き換えに、ツール呼び出しの成功率を自分の作業で測ることになる。要旨だけで採用を決めるには材料が足りないので、重みと評価手順が追えるようになってから、同規模のオープンモデルと並べて確認するのがよい。