Meta veröffentlicht Muse Glimmer: Offenes KI-Modell für lokale Agenten
Meta hat mit Muse Glimmer ein neues Open-Source-Modell für lokale Agenten veröffentlicht. Das 30-Milliarden-Parameter-Modell läuft auf einem einzelnen GPU-Rechner.
Dieser Artikel wurde mit KI-Unterstützung aus mehreren Quellen entworfen und vor der Veröffentlichung von einer Redakteurin/einem Redakteur geprüft und freigegeben.
Meta hat am 10. August 2026 mit Muse Glimmer ein neues Open-Source-KI-Modell veröffentlicht. Das Modell mit 30 Milliarden Parametern ist multimodal und verarbeitet sowohl Text als auch Bilder. Es wird unter der Apache-2.0-Lizenz bereitgestellt und ist kostenlos über Hugging Face Hub verfügbar, wie das Unternehmen mitteilt.
Muse Glimmer ist als dichtes Modell mit 30 Milliarden Parametern konzipiert und wurde aus Metas größerem Modell Muse destilliert. Laut Engadget basiert es auf dem geschlossenen Modell Spark 1.2 von Meta. Das Modell ist für lokale Agenten-Anwendungen gedacht, insbesondere für datenschutzbewusste Szenarien. Es kann auf einem einzelnen Computer mit einer einzelnen GPU laufen, also auf einem Mac oder PC mit dedizierter GPU.
Das Modell unterstützt multimodales Tool-Calling und offene Objekterkennung in Bildern. Es kann komplexe Fragen zu Videos beantworten, auch ohne Audio. Videos werden mit zwei Bildern pro Sekunde verarbeitet, wobei maximal 96 Frames gleichmäßig gesampelt werden. Der Bildencoder ist ein 2B großes ViT-ähnliches Modell mit 50 Schichten und einem Patchify-Verfahren mit 2 Frames, 3 Kanälen und 14x14 Pixeln.
Muse Glimmer ist für agentenorientierte Aufgaben wie Terminplanung und Dateiverwaltung ausgelegt. Laut Meta umfasst das agentische Können mehrstufiges Denken, Werkzeugnutzung und die Fähigkeit, nach Fehlern erneut zu versuchen. Das Modell wurde mit Daten aus über 100 Sprachen trainiert.
Ein optionaler spekulativer Decoder auf Basis von DFlash beschleunigt die Textgenerierung. Dabei arbeitet der Decoder mit einer Blockgröße von 16, bestehend aus einem Anker und 15 vorgeschlagenen Tokens. In Metas Tests erreichte Muse Glimmer damit mehr als 57 Tokens pro Sekunde, während vergleichbare Modelle nur auf etwa 26 Tokens pro Sekunde kamen.
In eigenen Benchmarks erzielt Muse Glimmer starke Erfolgsraten bei Aufgaben wie DeepSearch QA, MCP-Atlas und SWE-Bench. Laut Meta übertrifft es in agentischen Fähigkeiten, Programmierung und Reasoning die Modelle Gemma 4 und Qwen3.6.
Das Modell ist nicht nur über Hugging Face erhältlich, sondern auch über Ollama, LM Studio und Unsloth, wie ein deutscher Artikel berichtet. Darüber hinaus gibt es Unterstützung am ersten Tag in Transformers, llama.cpp, vLLM und Inference Endpoints.
Mark Zuckerberg wird mit den Worten zitiert: "Rather than centralizing superintelligence, we should distribute it widely and give every person the ability to direct it."