
Muse Glimmer: Was Metas technischer Bericht tatsächlich über den 30B Local Agent klärt
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 186 tok/s
- openaiNEUOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 pro 1 Mio. Tokens · 76 tok/s
- openaiNEUOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 pro 1 Mio. Tokens · 151 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 246 tok/s
- AlibabaNEUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 pro 1 Mio. Tokens · 207 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 94 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 221 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 105 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 67 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 pro 1 Mio. Tokens · 36 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 39 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 222 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 104 tok/s
Meta veröffentlichte den technischen Bericht zu Muse Glimmer am 19. Oktober 2026, siebzig Tage nachdem das Modell selbst am 10. August erschienen war. Diese Lücke ist der Grund, warum das Paper mehr als eine routinemäßige Abhandlung ist: Es ist das bislang detaillierteste Meta-Dokument zu dem Modell – es zeigt die Arithmetik hinter dem Consumer-Hardware-Argument und legt dar, welche Benchmark-Zeilen Meta selbst ausgeführt hat und welche es von anderen übernommen hat. Muse Glimmer ist ein dichtes Modell mit 30 Milliarden Parametern, Apache 2.0, Text- und Bildeingabe, destilliert von Metas Frontier-Lehrer Muse Spark, und es wird im gesamten Bericht gegen Gemma4-31B und Qwen3.6-27B verglichen. Der Bericht beziffert diese Destillation zudem erstmals angemessen: 55,7 GB BF16-Gewichte auf 19,65 GB komprimiert, damit das Sprachmodell auf eine 32-GB-Karte passt, wobei die Qualitätseinbuße gemessen statt behauptet wird. Die dokumentierten KI-Fehlfunktionen und Agenten-Vorfälle hinter Releases wie diesem sind im OrcaRouter AI Incident Archive gesammelt, in dem jeder Eintrag eigene Quellen, einen Schweregrad, eine Konfidenzstufe und eine Kennzeichnung als umstritten trägt.
Zwei der Offenlegungen im Paper sind weniger schmeichelhaft als der Launch-Blog. Die erste ist, dass die Benchmark-Tabelle eine Mischung ist und keine ausschließliche Meta-Auswertung: Vier Zeilen stammen von Artificial Analysis, zwei Konkurrenzwerte sind die Eigenangaben der jeweiligen Konkurrenten, und der Rest sind interne Läufe von Meta gegen Setups, bei denen Meta weiterhin einräumt, dass sie nicht für die Wettbewerber abgestimmt waren. Die zweite ist, dass die Verifizierung, von der dieser Artikel ursprünglich sagte, sie werde Wochen dauern, bereits stattgefunden hat. Artificial Analysis hat Muse Glimmer bewertet, und auf seinem aktuellen Index liegt das Modell bei 17 – hinter Qwen3.6-27B bei 21, vor Gemma4-31B bei 15. Unterdessen wurde das Versprechen, das Meta zusammen mit dem Launch gab – offene Gewichte für das deutlich größere Muse Spark –, am 15. Oktober als Muse Spark Open eingelöst: 816B Gesamtparameter mit 42B aktiven, unter einer Lizenz, die nicht Apache 2.0 ist.
Was der Bericht darüber sagt, was das Modell tatsächlich ist
Die Architektur ist jetzt bis hinunter zu den Tensorformen öffentlich, und sie erklärt den Großteil des Verhaltens, über das gestritten wurde. Muse Glimmer hat insgesamt etwa 29,6B Parameter: rund 25,16B in 52 Transformer-Blöcken, 1,34B für nicht gebundene Token-Embeddings, 1,34B für eine nicht gebundene Ausgabeprojektion und einen separaten 1,8B-Perception-Encoder – ein ViT-G/14 mit 50 Schichten bei Breite 1536, gepatcht mit 14 Pixeln auf einem Referenzraster von 448 Pixeln. Die Hidden-Dimension beträgt 6.656. Die Attention ist Grouped-Query-Attention, 32 Query-Heads gegenüber 2 Key-Value-Heads in einem Verhältnis von 16:1, mit einem gleitenden Fenster von 2.048 Tokens in einem sich wiederholenden Muster aus drei lokalen und dann einem globalen, wobei RoPE nur auf die lokalen Schichten angewendet wird. Das Vokabular umfasst 202.048 Tokens im Llama-4-BPE-Tokenizer, und der Kontext liegt bei 128K-plus. Der Wissensstand reicht bis zum 4. Januar 2026.
Zwei Zahlen in dem Paper verdienen mehr Aufmerksamkeit, als sie am Tag der Veröffentlichung bekamen. Die erste ist die Sprachanzahl: Die Zusammenfassung sagt „über hundert Sprachen“, der Hauptteil sagt ungefähr 140, und der Anhang berichtet einen Omnilingual-GAIA2-Score von 60,4 gegenüber 37,5 bei Gemma4-31B und 45,0 bei Qwen3.6-27B. Das ist eine große Lücke und, wie alles andere in der Tabelle, Metas eigener Lauf. Die zweite ist das Trainingsrezept. Beim Pre-Training handelt es sich um Logit-Distillation von Muse Spark unter Verwendung der obersten 256 Logits des Lehrers, mit KL-Divergenz für die ersten 95 % des Laufs und einem Wechsel zu Cross-Entropy auf Ground-Truth-Zielen für die letzten 5 %, um den Trunkierungsbias zu korrigieren, den Top-k-Distillation einführt. Mid-Training erweitert den Kontext von 32K auf 128K und injiziert agentische Trajektoriendaten; Post-Training ist Supervised Fine-Tuning, dann On-Policy-Distillation, dann Multi-Objective Reinforcement Learning. Meta stellt unumwunden fest, dass On-Policy-Distillation in dieser Größe ein rein auf Reinforcement Learning basierendes Rezept geschlagen hat – ein nützlicher Datenpunkt für alle, die ihr eigenes kleines Agentenmodell trainieren.
Das Produkt-Briefing hat sich nicht geändert. Meta hat Glimmer für „always-on local agent workflows“ entwickelt – einen Agenten, der Tools aufruft, mehrstufigen Plänen folgt, sich von fehlgeschlagenen Aufrufen erholt, statt abzubrechen, und den Reasoning-Aufwand erhöhen oder verringern kann. Die vorgesehenen Aufgaben sind die wenig glamourösen: lokales Coding, Function Calling, Terminverwaltung, Dateiorganisation, LLM-as-a-Judge-Evaluierung. Es läuft unter Orchestrierungsframeworks wie OpenClaw, das das Paper namentlich als den Grund dafür nennt, dass es überhaupt Bedarf an kompakten, zuverlässigen Tool-Callern gibt.
Woher die Behauptung „passt auf deine GPU“ ihre Zahlen nimmt
Dies ist der Abschnitt, zu dessen Klärung der technische Bericht dient, und er ist belastbarer als das Marketing. Bei BF16 belegen die Gewichte 55,7 GB. Meta zielt auf Bereitstellungen mit 24 GB oder 32 GB Speicher ab, wobei Platz für einen unquantisierten KV-Cache, den Perception-Encoder und den DFlash-Drafter reserviert wird, und strebt daher Sprachmodellgewichte unter 20 GB an. Meta bewertete sieben Quantisierungsschemata nach dem Training – GPTQ, AWQ, einheitliches NVFP4, einheitliches MXFP8, llama.cpps Q4_K_M, eine Kalibrierungsvariante namens Greedy-KL und ein angepasstes EvoPress – anhand der zurückgehaltenen negativen Log-Likelihood und anschließend anhand von 15 Downstream-Benchmarks.
Das Ergebnis sind zwei benannte Deployment-Profile statt einer vagen „4-Bit“-Behauptung. Das 32-GB-Profil ist EvoPress mit 19,65 GB an Gewichten und erreicht über die 15 Benchmarks hinweg im Schnitt 75,6 % gegenüber 75,7 % bei BF16 — ein Zehntelpunkt. Das 24-GB-Profil ist Q4_K_M mit geringerem Speicherbedarf und einem Schnitt von 74,8 %, neun Zehntelpunkte darunter. Die durchschnittliche Antwortlänge verschiebt sich von 11.070 Tokens bei BF16 auf 11.417 bei EvoPress und 10.774 bei Q4_K_M, sodass die verbreitete Sorge, aggressive Quantisierung blähe die Chain-of-Thought-Länge auf, sich hier nicht zeigt. Das sind Metas Messungen auf Metas Evaluationsmix; sie sind die konkretesten Qualitäts-gegen-Speicher-Zahlen, die jemand für dieses Modell veröffentlicht hat, und es sind weiterhin Herstellerzahlen.
Geschwindigkeit ist der einzige Punkt, an dem das Paper dünner ist als der Blogbeitrag. Der Bericht gibt an, dass 4-Bit-Gewichte plus spekulative Decodierung „praktische Geschwindigkeiten auf einer einzelnen RTX 5090“ ergeben, und beschreibt den Drafter im Detail – fünf Schichten, Blockgröße 16, 32 Query- und 8 Key-Value-Heads, offline mit dem D-PACE-Ziel auf On-Policy-Rollouts trainiert –, veröffentlicht aber keine Durchsatztabelle. Die im Umlauf befindlichen Zahlen – etwa eine 3,1-fache Decode-Beschleunigung auf einer RTX 5090 (74,9 bis 233 Tokens/Sek. in llama.cpp), 1,8-fach auf einem M5 Max und 1,5-fach auf einem M4 Max – stammen aus Metas Launch-Material und der Model Card, nicht aus dem Bericht. Behandle sie als Herstellerangaben, bis jemand sie auf seiner eigenen Maschine reproduziert, was bei einem lokalen Modell ein wirklich einfach durchzuführendes Experiment ist.
Warum dieses Release über das Datenblatt hinaus wichtig ist
Seit Llama 4 im Frühjahr 2025 hatte Meta sich bei offenen Gewichten bedeckt gehalten und sich auf eine proprietäre Frontier-Linie unter Meta Superintelligence Labs zurückgezogen. Muse Glimmer war die öffentliche Rückkehr zu dieser Strategie, und sie kam mit einem 14-seitigen Essay von Zuckerberg, „The Future is for Everyone“, in dem argumentiert wird, dass konzentrierte Kontrolle das eigentliche KI-Risiko sei, sowie einem gleichnamigen Fonds über 1 Milliarde US-Dollar. Das Papier wiederholt nicht die Politik; es tut etwas Nützlicheres, nämlich zu zeigen, dass die Rückkehr zu offenen Gewichten keine einmalige Geste war.
Am 15. Oktober veröffentlichte Meta die Gewichte von Muse Spark Open – 816B Gesamtparameter, 42B aktiv, ein 1M-Token-Kontext und laut Meta in der Lage, mit MLX auf zwei Apple M5 Ultra Mac Studios zu laufen. Das ist das Open-Weight-Geschwistermodell des Lehrers, und es beantwortet die Frage, die dieser Beitrag ursprünglich offen ließ. Die Antwort hat jedoch einen Haken: Muse Spark Open erscheint unter der Muse Model License mit eingeschränkten kommerziellen Bedingungen, nicht unter Apache 2.0. Glimmer bleibt das permissivere der beiden und mit 30B das einzige des Paars, das in den Speicher einer einzelnen Consumer-GPU passt. Meta selbst positioniert Spark Open als das Desktop-Klasse-Modell für Menschen mit einem Mac-Studio-Stack; Glimmer ist das Modell für eine 24-GB-Karte.
Alle oben aufgeführten Spark-Open-Werte stammen von Meta, und insbesondere die Behauptung, dass es „auf zwei Mac Studios läuft“, wurde nicht unabhängig reproduziert. Unstrittig ist die Struktur der Produktreihe: ein permissives 30B-Agentenmodell, ein eingeschränktes 816B-Flaggschiff und eine Frontier-API-Ebene oberhalb von beiden. Das ist eine kohärente Open-Weight-Strategie statt eines einzelnen Releases, und genau das ist der Faktor, der in jede Entscheidung darüber einzupreisen ist, ob man auf Metas kleinerem Modell aufbaut.

Die Angabe „geräuchert“, Zeile für Zeile.
Die oben stehende Rangliste wurde am Veröffentlichungstag erstellt, und eine Zeile darin ist inzwischen überholt: In ihrer Spalte „Artificial Analysis“ steht für Muse Glimmer weiterhin „kein Eintrag“. Metas Scorecard selbst vergleicht Muse Glimmer mit hoher Reasoning-Stärke gegen Gemma4-31B und Qwen3.6-27B über drei Dutzend Zeilen hinweg. Das Muster vom Starttag hält an: Die größten Erfolge sind allgemeines agentisches Reasoning, Suche und mehrsprachige Arbeit.
• MCP-Atlas (agentischer Werkzeugeinsatz) — Muse Glimmer 75,5, Gemma4-31B 54,2, Qwen3.6-27B 62,5. Weiterhin die Schlagzeilen-Zeile und der größte Abstand des Sets.
• DeepSearch QA — 74,6 gegen 61,7 und 71,1; GAIA2 — 43,3 gegen 36,4 und 40,0; WildClawBench — 47,6 gegen 37,6 und 43,2.
GDPval-AA v2 — 953 Elo gegenüber Gemmas 811 und Qwens 1.141. Bemerkenswert: Bei wirtschaftlich wertvoller Wissensarbeit gewinnt Qwen mit großem Abstand.
• SWE-Bench Pro — 51,2 gegenüber 36,9 und 50,2; ARC-AGI — 66,9 bei hohem Reasoning, 67,9 in der neuen xhigh-Stufe, die der Bericht ergänzt; LiveCodeBench Pro (2025 Q2) — 64,1 bei high, 66,8 bei xhigh.
• τ³-Banking — 23,5 gegenüber 15,1 und 16,7; PinchBench (Tool-Nutzung) — 90,5.
Die Zeilen, in denen es verliert, sind ebenso aufschlussreich. Qwen3.6-27B liegt bei praktischer Computernutzung und Terminal-Arbeit vorn: OSWorld-Verified 75,6 gegenüber Glimmers 65,9, TerminalBench 2.1 60,7 gegenüber 51,7, SWE-Bench Verified 77,2 gegenüber 76,0, und bei SkillsBench liegt es mit 46,6 knapp vor 44,3. Gemma4-31B weist die bessere Datenschutz- und Sicherheitsbilanz auf – eine CIMemories-Verstoßrate von 12,1 % gegenüber Glimmers 26,4 % und Qwens 53,4 % sowie die niedrigste Angriffserfolgsrate bei Siren AgentDojo mit 25,6 % gegenüber Glimmers 28,4 % und Qwens 40,3 %. Gemma liegt außerdem bei den engen Reasoning-Tests knapp vorn, GPQA Diamond mit 85,7 gegenüber 83,5 und Humanity's Last Exam mit 23,6 gegenüber 22,0.
Der Methodik-Anhang ist der Teil, der ändert, wie Sie alles oben Gesagte lesen sollten, und er korrigiert, was dieser Artikel bei Veröffentlichung sagte. Nicht jede Zeile stammt von Meta selbst. Für Konkurrenzmodelle meldet Meta „das günstigste Ergebnis aus selbstberichteten Werten oder unseren internen Reproduktionen“, und vier Benchmarks – τ³-Banking, GDPval-AA v2, Terminal-Bench 2.1 und SciCode – stammen von Artificial Analysis und wurden nicht intern durchgeführt. Der SWE-Bench-Verified-Wert für Qwen3.6-27B ist Qwens eigener Selbstbericht. Der SWE-Bench-Pro-Wert für Qwen stammt aus einem internen Lauf von Meta, weil Qwens veröffentlichte Zahl aus einer verfeinerten Version des Benchmarks stammte und Meta den ursprünglichen Aufgabensatz evaluierte. Für die übrigen reproduziert Meta die Konkurrenzmodelle selbst und gibt an, dass seine Agentenwerkzeuge und System-Prompts „möglicherweise nicht speziell auf proprietäre Modelle von Drittanbietern abgestimmt sind“.
Das ist eine sorgfältigere Offenlegung, als sie der Launch-Blog bot, und sie hat zwei Seiten. Es ist kein sauberer Anbieter-Sweep, was die Glaubwürdigkeit der Tabelle stärkt. Aber „günstigster Wert zwischen Selbstauskunft und unserer Reproduktion“ ist eine Regel, die dem Konkurrenten nur in den Zeilen helfen kann, in denen dessen eigene Zahl höher ist, und Metas Vorbehalt zum nicht abgestimmten Setup gilt weiterhin für jede Zeile, die Meta selbst erzeugt hat. Die Details auf Zeilenebene sind jetzt nachprüfbar, was man sich wünscht; die Richtung der Verzerrung lässt sich aus dem Paper nicht vollständig erkennen.
Was das unabhängige Scoreboard sagt
Artificial Analysis hat das Modell nun bewertet, womit der Hinweis „noch kein unabhängiges Ergebnis“ entfällt, den dieser Beitrag bis August mit sich führte. Auf dem aktuellen Index von AA erreicht Muse Glimmer mit hoher Reasoning-Stärke einen Intelligence Index von 17 und liegt damit auf Platz 14 von 141 Modellen in seinem Vergleichsset. Qwen3.6-27B liegt bei 21 und Gemma4-31B bei 15. AA misst außerdem 137 Ausgabe-Token pro Sekunde bei 0,91 s Zeit bis zum ersten Token – schnell für diese Klasse, Platz 16 von 64 – und Kosten von etwa 0,06 US-Dollar pro Intelligence-Index-Aufgabe.
Die Werte brauchen einen Vorbehalt, das Ranking nicht. AAs Bericht zur Veröffentlichungswoche setzte dieselben drei Modelle in ihrem Index auf 35, 38 und 30; die aktuellen Modellseiten setzen sie auf 17, 21 und 15. Die absoluten Zahlen haben sich verschoben, die Reihenfolge nicht. Was auch immer die Ursache der Neuskalierung ist, die stabile Tatsache über beide Lesarten hinweg ist das Ranking: Qwen liegt in der Gesamtwertung vor Glimmer, Glimmer vor Gemma, und Glimmer liegt bei den agentic-spezifischen Zeilen vorn. Das stützt eine engere Aussage als „führt vergleichbar große offene Modelle an“ — in einem allgemeinen Intelligenzindex gewinnt ein 27B-Modell von April noch immer — und die engere Aussage ist die zutreffende.
Die AA-Bewertung aus der Veröffentlichungswoche ergänzte einen Befund, den man weiter im Auge behalten sollte: eine Halluzinationsrate von 82 % für Muse Glimmer gegenüber 49 % für Qwen3.6-27B, bei einem AA-Omniscience-Index von −33. Für einen Agenten, der unbeaufsichtigt auf Ihrem Rechner läuft und Tools aufruft, ist das die Zahl, die bestimmen sollte, wie viel Autonomie Sie ihm geben – stärker noch als MCP-Atlas. AA kennzeichnet Qwen3.6-27B inzwischen zugunsten von Qwen3.8-27B als veraltet; der Rivale Glimmer, mit dem in einem Großteil dieser Tabelle verglichen wird, ist also nicht mehr das aktuelle Modell seines Anbieters – ein Detail, das Metas Vergleich im August nicht vorhersehen konnte und das der im Oktober veröffentlichte Bericht nicht behandelt.
Der untenstehende Screenshot zeigt die Vergleichsseite in dem Zustand vor der Bewertung von Glimmer, weshalb er das Feld zeigt, in das Glimmer eintrat, statt Glimmer darin. Betrachten Sie ihn als Ausgangsbasis vor der Verifizierung, nicht als aktuelle Rangliste.

Was es tatsächlich kostet, es zu betreiben
Muse Glimmer selbst ist kostenlos – Apache 2.0, keine Gebühr pro Token, keine Zahlung an Meta, und der Bericht bestätigt, dass die Veröffentlichung vollpräzise Gewichte, die 4-Bit-Varianten und den DFlash-Speculation-Head umfasst. Die Kosten liegen in der Hardware darunter. BF16 benötigt 55,7 GB, also zwei Karten – mit Consumer-Karten ist es nicht zu machen. Das 32GB-EvoPress-Profil ist das, was man haben will, wenn man kauft: Es kostet ein Zehntelpunkt durchschnittliche Genauigkeit gegenüber BF16 und passt auf eine einzelne 32-GB-Karte oder einen High-End-Mac mit Unified Memory. Das 24GB-Q4_K_M-Profil kostet neun Zehntelpunkt und passt auf eine Karte der RTX-5090-Klasse, was ein vernünftiger Kompromiss für einen Agenten ist, der durchgehend läuft.
Wenn Sie lieber mieten statt kaufen möchten, liegt der erfasste Hosting-Tarif jetzt niedriger als der, den diese Seite im August genannt hat. Artificial Analysis verzeichnet 0,30 US-Dollar pro Million Eingabe-Tokens und 1,20 US-Dollar pro Million Ausgabe-Tokens für Muse Glimmer, gegenüber den 0,35 und 1,50 US-Dollar, die die ersten Listings zum Release hatten, bei einem Cache-Rabatt von 87 % und einem Mischpreis von nahezu 0,21 US-Dollar. Dabei handelt es sich um vom Anbieter gelistete Marktplatzpreise und nicht um einen Meta-Preis – Meta veröffentlicht keinen eigenen gehosteten Glimmer-Endpunkt, und seine Entwicklerdokumentation ist darauf ausgerichtet, Ihr Tooling auf einen lokalen Muse-Glimmer-Server zu richten. Ob diese Bewegung eine Preissenkung desselben Anbieters oder der Beitritt eines günstigeren Anbieters zum erfassten Set ist, zeigt der Index nicht; so oder so ist die Richtung für ein Open-Weight-Release vorhersehbar.
Der Vergleich, den man sich sorgfältig ansehen sollte, ist nach wie vor lokal versus gehostet, und er ist nicht so knapp, wie das Marketing nahelegt. Eine 32GB-Karte ist ein Fixkostenposten, der sich über jeden Token amortisiert, den man je generiert; ein gehosteter Tarif ist ein Grenzkostenposten, der mit dem Volumen skaliert und verschwindet, wenn der Anbieter verschwindet. Bei $0.30 und $1.20 ist der gehostete Weg günstig genug, dass die meisten Teams dort anfangen sollten, bevor sie Hardware kaufen, und der lokale Weg gewinnt nur, wenn die Token die Maschine nicht verlassen dürfen oder das Volumen hoch genug ist, dass eine GPU billiger ist als eine Rechnung.
Eine Anmerkung zu uns, da sie darauf Einfluss hat, wie Sie all dies bepreisen würden. Muse Glimmer steht nicht im Katalog von OrcaRouter — wir routen gehostete APIs, und das Modell ist noch nicht als gehostete Route verfügbar, daher gelten der 0%-Aufschlag und die Ein-Schlüssel-für-alles-Regelung heute nicht dafür. Was gilt, ist die Disziplin: für die über 200 Modelle, die wir tatsächlich routen,, ist der angezeigte Preis der Listenpreis des Anbieters, der mit 0 % Aufschlag weitergegeben wird, sodass eine Preissenkung eines Anbieters hier noch am selben Tag aktiv ist und nicht erst nach einer Neuberechnung der Marge. Das ist der Maßstab, an dem dieser Vergleich gemessen werden sollte, egal wie Sie Glimmer betreiben.
Wie du es diese Woche tatsächlich nutzen würdest
Da es als offene Gewichte ausgeliefert wird, erfolgt der Zugang per Download. Das Basis-Repository ist meta-models/Muse-Glimmer-30B auf Hugging Face, wobei die 4-Bit-Varianten und ein GGUF-Build daneben veröffentlicht wurden. Zum Start wurden llama.cpp, MLX und ExecuTorch unterstützt; Ollama, LM Studio, vLLM und SGLang folgten innerhalb weniger Tage, und für AMD, Arm, Dell, Intel und Nvidia sind Arbeiten zur Hardware-Optimierung aufgeführt. Der praktische Weg ist für die meisten unverändert: GGUF herunterladen, in llama.cpp oder einem lokalen Runner laden, ein Agenten-Gerüst darauf ausrichten und mit dem 24-GB-Q4_K_M-Profil beginnen, sofern Sie nicht 32 GB für das EvoPress-Profil übrig haben.
Wenn Sie entscheiden, ob Sie darauf aufbauen sollen, ist die ehrliche Einordnung, dass Glimmer ein guter lokaler Agent mit einer dokumentierten Qualitätsuntergrenze, einem gemessenen Halluzinationsproblem und einer Anbieter-Benchmark-Tabelle ist, die inzwischen teilweise prüfbar ist. Das Teacher-Modell ist eine andere Sache: Muse Spark 1.2 lässt sich über OrcaRouter routen zu 1,25 US-Dollar pro Million Eingabe-Token und 4,25 US-Dollar pro Million Ausgabe-Token, sodass ein Team das kleine Modell auf dem Gerät für die günstige, private, ständig verfügbare Arbeit laufen lassen und die schwierigen Fälle über denselben Schlüssel an das große Modell weiterleiten kann. Diese Aufteilung – lokales Student-Modell für die Routine-Schleife, gehostetes Teacher-Modell für die Eskalation – ist die Architektur, die die beiden Releases tatsächlich unterstützen, und sie ist diese Woche für den Preis einer GPU, die Sie möglicherweise bereits besitzen, plus eines Token-Budgets testbar. Automatisches Failover ist das, was die gehostete Hälfte sicher auf einen Produktionspfad bringt, während ein Modell noch eine unabhängige Erfolgsbilanz aufbaut, und genau in diesem Zustand befindet sich Glimmer.
Der folgende Screenshot zeigt die Model Card, wie sie am Veröffentlichungstag lautete. Die Zeile „von keinem Inference-Provider bereitgestellt“ bezieht sich auf Hugging Faces eigene First-Party-Inferenz, die etwas anderes ist als das am 9. August beginnende Drittanbieter-Hosting, und sie ist eine nützliche Erinnerung daran, wie schnell diese Zeile gealtert ist.

Was zu sehen
Die drei Punkte, die diese Geschichte entscheiden sollten, haben sich größtenteils geklärt. Die Open-Weights-Veröffentlichung von Spark erfolgte am 15. Oktober. Unabhängige Messungen wurden durchgeführt, und sie ergaben: Qwen vorn im Gesamtergebnis, Glimmer vorn bei Agentik, Gemma hinter beiden. Das Hosting breitete sich aus, und der erfasste Preis liegt jetzt bei 0,30 $ und 1,20 $ statt bei 0,35 $ und 1,50 $.
Was bleibt, ist enger und interessanter. Erstens, ob jemand außerhalb von Meta den Quantisierungs-Kompromiss reproduziert – die Abstände von 0,1 Punkten und 0,9 Punkten sind der stärkste Teil des Berichts und der am leichtesten auf einer 24-GB-Grafikkarte zu überprüfende. Zweitens, ob der Agentic-Vorsprung einen Harness übersteht, der nicht um das Modell herum gebaut wurde; MCP-Atlas bei 75,5 ist die Zahl, die es zu schlagen gilt, und diejenige, die Scaffold-Unterschieden am stärksten ausgesetzt ist. Drittens, ob Metas nächste kleine Veröffentlichung die Apache-2.0-Lizenz erbt oder die eingeschränkte Muse Model License, unter der Spark Open ausgeliefert wurde – diese eine Entscheidung entscheidet darüber, ob die Glimmer-Reihe als Grundlage für die Produkte anderer Leute nutzbar bleibt.
Der Launch-Tweet hatte mit der Neuigkeit recht und war großzügig im Urteil. Was der technische Bericht ergänzt, ist genau der Teil, der im August fehlte: Man kann jetzt sehen, was gemessen wurde, auf welcher Hardware, von wem und zu welchem Preis an Qualität. Das ist eine bessere Grundlage für eine Entscheidung als die Benchmark-Tabelle oder der Tweet, und es ist der Grund, warum es sich lohnt, mit diesem Modell weiterhin zu planen, statt nur darüber zu lesen.
Fragen, die sich wirklich zu beantworten lohnen
Ist Muse Glimmer wirklich Open Source?
Es steht unter Apache 2.0 als Open Weights zur Verfügung – jeder kann es herunterladen, verändern, feinabstimmen und kommerziell einsetzen, ohne an Meta zu zahlen. Der Bericht bestätigt zudem, was die Lizenz tatsächlich abdeckt: vollpräzise Gewichte, zwei 4-Bit-Varianten und der DFlash-Drafter-Head sind alle veröffentlicht. Nicht veröffentlicht sind die Trainingsdaten und die Gewichte des Muse-Spark-Lehrermodells, weshalb „Open Weights“ die sorgfältig gewählte Formulierung ist und nicht vollständig Open Source im OSI-Sinne. Praktisch gesehen ist es derselbe Deal, der Llama zur am häufigsten eingesetzten offenen Modellfamilie in der KI gemacht hat.
Schlägt Muse Glimmer tatsächlich Gemma4-31B und Qwen3.6-27B?
In Metas eigener Tabelle gewinnt es die meisten Agentic- und Suchzeilen, und der Methodik-Anhang zeigt nun, welche dieser Zeilen Metas eigene Läufe waren und welche von Artificial Analysis oder aus der eigenen Berichterstattung der Konkurrenten stammten. Die unabhängige Lesart ist enger: Im Intelligence Index von AA erzielt Qwen3.6-27B 21 Punkte und Muse Glimmer 17, mit Gemma4-31B bei 15. Die korrekte Aussage lautet also, dass Glimmer in seiner Größenklasse bei Tool-Nutzung, mehrstufiger Planung und mehrsprachiger Agentic-Arbeit führt, aber nicht bei aggregierter allgemeiner Intelligenz oder bei Computer-Use-Aufgaben.
Kann ich es auf einem Laptop ausführen?
Nur wenn „Laptop“ einen mit einer diskreten 24-GB- oder 32-GB-GPU bedeutet oder einen High-End-Mac mit entsprechend viel Unified Memory. Der Bericht gibt BF16-Gewichte mit 55,7 GB an und zielt auf zwei komprimierte Profile ab: 19,65 GB Gewichte für einen 32-GB-Rechner und einen kleineren Q4_K_M-Build für 24 GB, wobei beide Spielraum für den KV-Cache, den Perception-Encoder und den Drafter lassen. Bei integrierter Grafik oder einem 16-GB-Rechner würde man eher auf stärkere Quantisierung und langsame Ausgabe blicken statt auf den Always-on-Agenten, für den das Release ausgelegt ist.
Wo bekomme ich es, und ist es über eine API verfügbar?
Die Gewichte liegen auf Hugging Face unter meta-models/Muse-Glimmer-30B, und Sie können es lokal über llama.cpp, MLX, ExecuTorch, Ollama oder LM Studio ausführen. Gehosteten Zugriff gibt es über Drittanbieterplattformen für etwa 0,30 $ pro Million Eingabe-Tokens und 1,20 $ pro Million Ausgabe-Tokens, laut den von Artificial Analysis erfassten Anbieterpreisen. Meta veröffentlicht keinen eigenen gehosteten Glimmer-Endpunkt, und das Modell ist nicht auf OrcaRouter — falls es als gehostete Route verfügbar wird, wird derselbe Schlüssel, der die über 200 Modelle erreicht, die wir tatsächlich routen, auch dieses Modell erreichen, aber das ist heute nicht der Fall.
In diesem Artikel verglichen1
Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert
