Thẻ tiêu đề Muse Glimmer: Mô hình agent mã nguồn mở 30B của Meta dành cho GPU cục bộ, với các chip ghi Apache 2.0, chạy được trên GPU 24-32 GB, và được chưng cất từ Muse Spark 1.2.
Guides & Insights

Muse Glimmer: Báo cáo kỹ thuật của Meta thực sự làm rõ điều gì về tác nhân cục bộ 30B

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Meta đã công bố báo cáo kỹ thuật cho Muse Glimmer vào ngày 19 tháng 10 năm 2026, bảy mươi ngày sau khi mô hình được phát hành vào ngày 10 tháng 8. Chính khoảng cách đó khiến bài báo quan trọng hơn một bản ghi chú thông thường: đây là tài liệu Meta chi tiết nhất về mô hình cho đến nay — nó trình bày phần tính toán đằng sau lời chào mời về phần cứng tiêu dùng, và nêu rõ những dòng benchmark nào Meta tự chạy và những dòng nào vay mượn từ nơi khác. Muse Glimmer là mô hình dense 30 tỷ tham số, Apache 2.0, nhận văn bản và hình ảnh đầu vào, được chưng cất từ mô hình giáo viên Muse Spark tiên phong của Meta, và trong toàn bộ báo cáo nó được đánh giá đối chuẩn với Gemma4-31B và Qwen3.6-27B. Báo cáo cũng lần đầu định giá đúng mức quá trình chưng cất đó: 55,7GB trọng số BF16 được nén xuống 19,65GB để mô hình ngôn ngữ vừa với một card 32GB, với chi phí chất lượng được đo lường chứ không chỉ khẳng định. Các sự cố AI và sự kiện tác nhân đã được ghi nhận đằng sau những bản phát hành như thế này được tập hợp trong the OrcaRouter AI Incident Archive nơi mỗi mục đều có nguồn riêng, mức độ nghiêm trọng, cấp độ tin cậy và cờ tranh chấp.

Hai trong số những tiết lộ trong bài báo kém tâng bốc hơn so với blog ra mắt. Điều thứ nhất là bảng benchmark là một mớ hỗn hợp, không phải một lượt đánh giá chỉ do Meta thực hiện: bốn hàng đến từ Artificial Analysis, hai con số của đối thủ là do chính các đối thủ tự báo cáo, và phần còn lại là các lần chạy nội bộ của Meta trên những thiết lập mà Meta vẫn thừa nhận chưa được tinh chỉnh cho các đối thủ cạnh tranh. Điều thứ hai là việc xác minh mà bài viết này ban đầu nói sẽ mất vài tuần đã diễn ra rồi. Artificial Analysis đã chấm điểm Muse Glimmer, và trên chỉ số hiện tại của mình, mô hình này đứng ở vị trí 17 — sau Qwen3.6-27B ở vị trí 21, trước Gemma4-31B ở vị trí 15. Trong khi đó, lời hứa mà Meta đưa ra cùng lúc với buổi ra mắt — mở trọng số cho Muse Spark lớn hơn nhiều — đã được thực hiện vào ngày 15 tháng 10 dưới tên Muse Spark Open: tổng cộng 816B tham số với 42B hoạt động, theo một giấy phép không phải Apache 2.0.

Báo cáo nói mô hình thực chất là gì

Kiến trúc giờ đã công khai đến tận hình dạng tensor, và nó giải thích phần lớn hành vi mà mọi người vẫn tranh luận. Muse Glimmer có tổng cộng khoảng 29,6B tham số: khoảng 25,16B nằm trong 52 khối transformer, 1,34B embedding token không dùng chung, 1,34B phép chiếu đầu ra không dùng chung, và một bộ mã hóa tri giác riêng 1,8B — một ViT-G/14 với 50 lớp ở độ rộng 1536, chia patch 14 pixel trên lưới tham chiếu 448 pixel. Chiều ẩn là 6.656. Attention là grouped-query, 32 đầu truy vấn so với 2 đầu khóa-giá trị theo tỷ lệ 16:1, với cửa sổ trượt 2.048 token theo mô thức lặp lại ba lớp cục bộ rồi một lớp toàn cục, và RoPE chỉ được áp dụng cho các lớp cục bộ. Bộ từ vựng có 202.048 token trên tokenizer BPE Llama 4, và ngữ cảnh là hơn 128K. Mốc kiến thức là ngày 4 tháng 1 năm 2026.

Hai con số trong bài báo đáng được chú ý hơn mức chúng nhận được trong ngày ra mắt. Con số đầu tiên là số lượng ngôn ngữ: phần tóm tắt nói “hơn một trăm ngôn ngữ”, phần thân nói khoảng 140, và phần phụ lục báo cáo điểm Omnilingual-GAIA2 là 60.4 so với 37.5 của Gemma4-31B và 45.0 của Qwen3.6-27B. Đó là một khoảng cách lớn và, giống như mọi thứ khác trong bảng, đó là lần chạy do chính Meta thực hiện. Con số thứ hai là công thức huấn luyện. Tiền huấn luyện là chưng cất logit từ Muse Spark bằng cách dùng 256 logit hàng đầu của mô hình giáo viên, với phân kỳ KL trong 95% đầu tiên của quá trình chạy và chuyển sang entropy chéo trên các mục tiêu chuẩn đúng trong 5% cuối cùng để sửa thiên lệch do cắt cụt mà chưng cất top-k đưa vào. Huấn luyện giữa mở rộng ngữ cảnh từ 32K lên 128K và đưa vào dữ liệu quỹ đạo tác tử; hậu huấn luyện là tinh chỉnh có giám sát, rồi chưng cất on-policy, rồi học tăng cường đa mục tiêu. Meta nói rõ rằng chưng cất on-policy đã đánh bại một công thức chỉ dùng học tăng cường ở quy mô này — một điểm dữ liệu hữu ích cho bất kỳ ai đang huấn luyện mô hình tác tử nhỏ của riêng mình.

Bản tóm tắt sản phẩm không thay đổi. Meta đã xây dựng Glimmer cho "các quy trình tác nhân cục bộ luôn bật" — một tác nhân gọi công cụ, tuân theo các kế hoạch nhiều bước, phục hồi khi một lệnh gọi thất bại thay vì dừng lại, và có thể tăng hoặc giảm mức nỗ lực suy luận. Các công việc dự kiến là những việc kém hào nhoáng: lập trình cục bộ, gọi hàm, quản lý lịch trình, tổ chức tệp, đánh giá theo kiểu LLM làm giám khảo. Nó chạy dưới các khung điều phối như OpenClaw, mà bài báo nêu tên cụ thể là lý do khiến nhu cầu về các thành phần gọi công cụ nhỏ gọn, đáng tin cậy tồn tại ngay từ đầu.

Tuyên bố “vừa với GPU của bạn” lấy những con số đó từ đâu

Đây là phần mà báo cáo kỹ thuật được lập ra để làm rõ, và nó đứng vững hơn cả phần tiếp thị. Ở BF16, trọng số chiếm 55,7GB. Meta hướng tới các triển khai có 24GB hoặc 32GB bộ nhớ, dành chỗ cho KV cache chưa lượng tử hóa, bộ mã hóa nhận thức và DFlash drafter, và do đó đặt mục tiêu trọng số mô hình ngôn ngữ dưới 20GB. Báo cáo đã đánh giá bảy sơ đồ lượng tử hóa sau huấn luyện — GPTQ, AWQ, NVFP4 đồng nhất, MXFP8 đồng nhất, Q4_K_M của llama.cpp, một biến thể hiệu chuẩn gọi là Greedy-KL, và một EvoPress được điều chỉnh — theo negative log-likelihood trên tập giữ lại và sau đó theo 15 benchmark hạ nguồn.

Kết quả là hai cấu hình triển khai được đặt tên rõ ràng thay vì một tuyên bố "4-bit" mơ hồ. Cấu hình 32GB là EvoPress với 19,65GB trọng số, và qua 15 bài đánh giá, nó đạt trung bình 75,6% so với 75,7% của BF16 — chênh một phần mười điểm. Cấu hình 24GB là Q4_K_M với dung lượng nhỏ hơn, đạt trung bình 74,8%, giảm chín phần mười điểm. Độ dài phản hồi trung bình thay đổi từ 11.070 token ở BF16 thành 11.417 ở EvoPress và 10.774 ở Q4_K_M, vì vậy nỗi lo phổ biến rằng lượng tử hóa mạnh làm phình độ dài chuỗi suy luận không xuất hiện ở đây. Đó là các phép đo của Meta trên tập đánh giá của Meta; chúng là những con số cụ thể nhất về chất lượng so với bộ nhớ mà bất kỳ ai đã công bố cho mô hình này, và chúng vẫn là số liệu của nhà cung cấp.

Tốc độ là điểm duy nhất mà bài báo mỏng hơn bài đăng blog. Báo cáo nêu rằng trọng số 4-bit cộng với giải mã suy đoán tạo ra "tốc độ thực tế trên một chiếc RTX 5090 duy nhất" và mô tả chi tiết mô hình nháp — năm lớp, kích thước khối 16, 32 đầu truy vấn và 8 đầu khóa-giá trị, được huấn luyện ngoại tuyến trên các rollout theo on-policy với mục tiêu D-PACE — nhưng không công bố bảng thông lượng nào. Những con số đang lưu hành, khoảng tăng tốc giải mã 3,1 lần trên RTX 5090 (từ 74,9 lên 233 token/giây trong llama.cpp), 1,8 lần trên M5 Max và 1,5 lần trên M4 Max, đến từ tài liệu ra mắt và thẻ mô hình của Meta, không phải từ báo cáo. Hãy coi chúng là do nhà cung cấp công bố cho đến khi có ai đó tái tạo được trên máy của chính họ, mà với một mô hình cục bộ thì đây thực sự là một thử nghiệm rất dễ chạy.

Vì sao bản phát hành này quan trọng vượt xa bảng thông số kỹ thuật

Kể từ Llama 4 vào mùa xuân 2025, Meta đã im lặng về trọng số mở, rút lui về một dòng tiên phong độc quyền thuộc Meta Superintelligence Labs. Muse Glimmer là sự trở lại công khai với chiến lược đó, và nó xuất hiện cùng một bài luận 14 trang của Zuckerberg, “The Future is for Everyone,” lập luận rằng kiểm soát tập trung mới là rủi ro AI thực sự, cùng một quỹ 1 tỷ USD cùng tên. Bài viết không lặp lại chính trị; nó làm một điều hữu ích hơn, đó là cho thấy sự trở lại với trọng số mở không phải là một động thái nhất thời.

Ngày 15 tháng 10, Meta đã phát hành trọng số của Muse Spark Open — tổng cộng 816 tỷ tham số, 42 tỷ tham số hoạt động, ngữ cảnh 1 triệu token và theo Meta, có thể chạy trên hai máy Mac Studio Apple M5 Ultra bằng MLX. Đó là người anh em trọng số mở của mô hình teacher, và nó trả lời câu hỏi mà bài viết này ban đầu còn bỏ ngỏ. Câu trả lời đi kèm một dấu hoa thị: Muse Spark Open được phát hành theo Giấy phép Muse Model với các điều khoản thương mại hạn chế, không phải Apache 2.0. Glimmer vẫn là mô hình có giấy phép thoáng hơn trong hai mô hình và, ở mức 30B, là mô hình duy nhất trong cặp có thể vừa với bộ nhớ của một GPU tiêu dùng duy nhất. Cách định vị của chính Meta là Spark Open là mô hình cấp máy để bàn dành cho những người có dàn Mac Studio; Glimmer là mô hình dành cho card 24GB.

Tất cả các con số Spark Open ở trên đều là của Meta, và đặc biệt, tuyên bố "chạy trên hai Mac Studio" chưa được tái lập độc lập. Điều không gây tranh cãi là hình dạng của dòng sản phẩm: một mô hình agent 30B có giấy phép thoáng, một flagship 816B bị hạn chế và một tầng API tiên phong nằm trên cả hai. Đó là một chiến lược trọng số mở mạch lạc chứ không phải một bản phát hành đơn lẻ, và đó là điều cần được tính đến trong mọi quyết định về việc xây dựng trên mô hình nhỏ hơn của Meta.

Three-way scoreboard comparing Muse Glimmer, Gemma4-31B and Qwen3.6-27B: MCP-Atlas 75.5/54.2/62.5, DeepSearch QA 74.6/61.7/71.1, GAIA2 43.3/36.4/40.0, SWE-Bench Pro 51.2/36.9/50.2, TerminalBench 2.1 51.7/--/60.7, and AA Intelligence Index --/39/46. Footer: rows 1-5 vendor-reported by Meta; AA Index per Artificial Analysis (no Muse Glimmer entry yet).

Tuyên bố "hun khói", từng hàng một

Bảng điểm ở trên được tạo vào ngày phát hành, và một dòng trong đó kể từ đó đã bị vượt qua: cột Artificial Analysis của nó vẫn ghi "no entry" cho Muse Glimmer. Bảng điểm của chính Meta so sánh Muse Glimmer ở cường độ suy luận cao với Gemma4-31B và Qwen3.6-27B trên ba mươi sáu dòng. Mô thức từ ngày ra mắt vẫn giữ nguyên: những chiến thắng lớn nhất là suy luận tác tử tổng quát, tìm kiếm và công việc đa ngôn ngữ.

• MCP-Atlas (sử dụng công cụ theo tác tử) — Muse Glimmer 75,5, Gemma4-31B 54,2, Qwen3.6-27B 62,5. Vẫn là dòng nổi bật nhất và là khoảng cách lớn nhất trong bộ.

• DeepSearch QA — 74,6 so với 61,7 và 71,1; GAIA2 — 43,3 so với 36,4 và 40,0; WildClawBench — 47,6 so với 37,6 và 43,2.

• GDPval-AA v2 — 953 Elo so với 811 của Gemma và 1.141 của Qwen. Đáng để dừng lại suy ngẫm: trong công việc tri thức có giá trị kinh tế, Qwen thắng với khoảng cách lớn.

• SWE-Bench Pro — 51.2 so với 36.9 và 50.2; ARC-AGI — 66.9 ở chế độ suy luận cao, 67.9 ở mức xhigh mới mà báo cáo bổ sung; LiveCodeBench Pro (2025 Q2) — 64.1 ở mức cao, 66.8 ở xhigh.

• τ³-Banking — 23,5 so với 15,1 và 16,7; PinchBench (sử dụng công cụ) — 90,5.

Những hàng mà nó thua kém cũng có giá trị thông tin tương đương. Qwen3.6-27B giữ lợi thế ở khả năng sử dụng máy tính thực hành và công việc trên terminal: OSWorld-Verified đạt 75,6 so với 65,9 của Glimmer, TerminalBench 2.1 đạt 60,7 so với 51,7, SWE-Bench Verified đạt 77,2 so với 76,0, và mô hình này nhỉnh hơn ở SkillsBench với 46,6 so với 44,3. Gemma4-31B có thành tích về quyền riêng tư và an toàn tốt hơn — tỷ lệ vi phạm CIMemories là 12,1% so với 26,4% của Glimmer và 53,4% của Qwen, đồng thời có tỷ lệ tấn công thành công thấp nhất trên Siren AgentDojo ở mức 25,6% so với 28,4% của Glimmer và 40,3% của Qwen. Gemma cũng nhỉnh hơn trong các bài kiểm tra suy luận chuyên biệt, GPQA Diamond đạt 85,7 so với 83,5 và Humanity's Last Exam đạt 23,6 so với 22,0.

Phụ lục phương pháp luận là phần thay đổi cách bạn nên đọc toàn bộ nội dung ở trên, và đính chính những gì bài viết này đã nói khi ra mắt. Không phải mọi hàng đều là của chính Meta. Với các mô hình đối thủ, Meta báo cáo "kết quả thuận lợi nhất giữa điểm số tự báo cáo hoặc bản tái tạo nội bộ của chúng tôi," và bốn benchmark — τ³-Banking, GDPval-AA v2, Terminal-Bench 2.1 và SciCode — được lấy từ Artificial Analysis thay vì do nội bộ thực hiện. Số liệu SWE-Bench Verified cho Qwen3.6-27B là số tự báo cáo của chính Qwen. Số liệu SWE-Bench Pro cho Qwen là bản chạy nội bộ của Meta, vì con số Qwen công bố đến từ một phiên bản tinh chỉnh của benchmark và Meta đã đánh giá bộ tác vụ gốc. Với phần còn lại, Meta tự tái tạo các đối thủ và nói rằng công cụ agent và system prompt của mình "có thể không được tinh chỉnh riêng cho các mô hình độc quyền của bên thứ ba."

Đó là một cách công bố cẩn thận hơn so với những gì blog ra mắt đưa ra, và nó có cả mặt lợi lẫn mặt hại. Đây không phải là một màn nhà cung cấp thắng trọn vẹn, điều này củng cố độ tin cậy của bảng. Nhưng “mức thuận lợi nhất giữa tự báo cáo và bản tái tạo của chúng tôi” là một quy tắc chỉ có thể giúp đối thủ ở những hàng mà con số của chính đối thủ cao hơn, và lưu ý về thiết lập chưa tinh chỉnh của Meta vẫn áp dụng cho mọi hàng mà nó tự tạo ra. Chi tiết ở cấp hàng giờ đã có thể kiểm toán, đó là điều bạn muốn; hướng của thiên lệch thì không thể biết đầy đủ từ bài báo.

Bảng điểm độc lập nói gì

Artificial Analysis hiện đã chấm điểm mô hình, điều này loại bỏ lưu ý "chưa có kết quả độc lập" mà bài viết này vẫn mang theo suốt tháng 8. Trên chỉ số hiện tại của AA, Muse Glimmer ở mức độ suy luận cao đạt Intelligence Index 17, xếp thứ 14 trong số 141 mô hình thuộc bộ so sánh của nó. Qwen3.6-27B đạt 21 và Gemma4-31B đạt 15. AA cũng đo được 137 token đầu ra/giây với thời gian đến token đầu tiên là 0,91 giây — nhanh so với phân khúc, xếp thứ 16 trong số 64 — và chi phí khoảng 0,06 USD cho mỗi tác vụ Intelligence Index.

Các mức điểm cần một lưu ý, còn thứ hạng thì không. Bài viết tuần ra mắt của AA đặt cùng ba mô hình ở 35, 38 và 30 trên chỉ số của họ; các trang mô hình hiện tại đặt chúng ở 17, 21 và 15. Các con số tuyệt đối đã thay đổi, thứ tự thì không. Dù nguyên nhân của việc điều chỉnh thang điểm là gì, sự thật ổn định qua cả hai lần đọc là thứ hạng: Qwen dẫn trước Glimmer trên tổng hợp, Glimmer dẫn trước Gemma, và Glimmer dẫn trước ở các hàng riêng về năng lực agentic. Điều đó ủng hộ một tuyên bố hẹp hơn “dẫn đầu các mô hình mở có kích thước tương đương” — trên một chỉ số trí tuệ tổng quát, một mô hình 27B từ tháng Tư vẫn thắng — và tuyên bố hẹp hơn mới là tuyên bố chính xác.

Đánh giá trong tuần phát hành của AA đã bổ sung một phát hiện đáng được lưu tâm về sau: tỷ lệ ảo giác là 82% đối với Muse Glimmer so với 49% đối với Qwen3.6-27B, cùng với chỉ số AA-Omniscience là −33. Đối với một agent chạy không cần giám sát trên máy của bạn và gọi các công cụ, đó chính là con số nên định hình mức độ tự chủ mà bạn cấp cho nó, hơn cả MCP-Atlas. AA hiện cũng đánh dấu Qwen3.6-27B là không còn được khuyến nghị, thay bằng Qwen3.8-27B, vì vậy đối thủ mà Glimmer đang được so sánh với trong phần lớn bảng này không còn là mô hình hiện hành của nhà cung cấp mô hình đó nữa — một chi tiết mà so sánh của Meta không thể lường trước vào tháng Tám và mà báo cáo, xuất bản vào tháng Mười, không đề cập đến.

Bản chụp bên dưới là trang so sánh ở trạng thái trước khi Glimmer được chấm điểm, đó là lý do nó hiển thị danh sách thí sinh mà Glimmer đang tham gia thay vì có Glimmer trong đó. Hãy xem đây là đường cơ sở trước khi xác minh, không phải bảng xếp hạng hiện tại.

Screenshot of Artificial Analysis' Small Open Source Models comparison page, showing the 4B-40B open-weight class with Openness and Intelligence index columns and the header noting that Qwen3.6-27B and Qwen3.5-27B are the highest-intelligence small open-source models.

Chi phí thực sự để vận hành

Bản thân Muse Glimmer là miễn phí — Apache 2.0, không có phí theo token, không phải trả tiền cho Meta, và báo cáo xác nhận rằng bản phát hành bao gồm trọng số độ chính xác đầy đủ, các biến thể 4-bit và đầu suy đoán DFlash. Chi phí nằm ở phần cứng bên dưới. BF16 cần 55,7GB, tức là hai card hoặc không card tiêu dùng nào. Hồ sơ EvoPress 32GB là thứ bạn nên chọn nếu định mua: nó tốn 0,1 điểm độ chính xác trung bình so với BF16 và vừa với một card 32GB duy nhất hoặc một máy Mac cao cấp có bộ nhớ hợp nhất. Hồ sơ Q4_K_M 24GB tốn 0,9 điểm và vừa với card cùng cấp RTX 5090, một sự đánh đổi hợp lý cho một agent chạy liên tục.

Nếu bạn muốn thuê hơn là mua, mức giá thuê được theo dõi hiện đã thấp hơn mức mà trang này đã nêu vào tháng 8. Artificial Analysis ghi nhận $0.30 mỗi triệu token đầu vào và $1.20 mỗi triệu token đầu ra cho Muse Glimmer, so với $0.35 và $1.50 mà các danh sách niêm yết đầu tiên đưa ra khi phát hành, với mức chiết khấu bộ nhớ đệm 87% và mức giá hỗn hợp gần $0.21. Đó là giá thị trường do nhà cung cấp niêm yết chứ không phải giá của Meta — Meta không công bố endpoint Glimmer được lưu trữ nào của riêng mình, và tài liệu dành cho nhà phát triển của họ được viết theo hướng trỏ công cụ của bạn đến một máy chủ Muse Glimmer cục bộ. Việc biến động đó là do cùng một nhà cung cấp cắt giảm hay do một nhà cung cấp rẻ hơn tham gia vào nhóm được theo dõi không phải là điều chỉ số này thể hiện; dù thế nào thì hướng đi đối với một bản phát hành trọng số mở là có thể dự đoán được.

Phép so sánh đáng được thực hiện một cách cẩn thận vẫn là chạy cục bộ so với chạy trên dịch vụ được host, và nó không hề sát nút theo cách mà tiếp thị ngụ ý. Một card 32GB là chi phí cố định được phân bổ dần qua mỗi token bạn từng tạo ra; mức giá thuê dịch vụ được host là chi phí biên tăng theo khối lượng và biến mất nếu nhà cung cấp ngừng hoạt động. Ở mức $0.30 và $1.20, hướng dịch vụ được host đủ rẻ để hầu hết các nhóm nên bắt đầu từ đó trước khi mua phần cứng, và hướng cục bộ chỉ thắng khi các token không thể rời khỏi máy hoặc khối lượng đủ cao để một GPU rẻ hơn một hóa đơn.

Một lưu ý về chúng tôi, vì nó liên quan đến cách bạn sẽ định giá bất kỳ phần nào trong số này. Muse Glimmer không nằm trong danh mục của OrcaRouter — chúng tôi định tuyến các API được lưu trữ, và mô hình này chưa có mặt dưới dạng một tuyến được lưu trữ, vì vậy mức cộng thêm 0% và cơ chế một khóa cho mọi thứ không áp dụng cho nó vào lúc này. Điều áp dụng là kỷ luật: đối với hơn 200 mô hình mà chúng tôi thực sự định tuyến, giá hiển thị là giá niêm yết của nhà cung cấp được chuyển nguyên với mức cộng thêm 0%, vì vậy việc nhà cung cấp giảm giá có hiệu lực ở đây ngay trong cùng ngày thay vì sau khi tính lại biên lợi nhuận. Đó là tiêu chuẩn mà phép so sánh này cần được đánh giá theo, dù bạn vận hành Glimmer theo cách nào.

Cách bạn thực sự sẽ dùng nó trong tuần này

Vì nó được phát hành dưới dạng trọng số mở, việc truy cập chỉ là một bản tải xuống. Repo gốc là meta-models/Muse-Glimmer-30B trên Hugging Face, cùng với các biến thể 4-bit và bản dựng GGUF được công bố song song. Hỗ trợ runtime ngay ngày đầu gồm llama.cpp, MLX và ExecuTorch; Ollama, LM Studio, vLLM và SGLang theo sau trong vài ngày, cùng với các hạng mục tối ưu hóa phần cứng được liệt kê cho AMD, Arm, Dell, Intel và Nvidia. Con đường thực tế cho hầu hết mọi người vẫn không đổi: tải GGUF, nạp nó vào llama.cpp hoặc một trình chạy cục bộ, trỏ một bộ khung agent vào đó, và bắt đầu với cấu hình 24GB Q4_K_M trừ khi bạn có 32GB dư để dùng cho bản EvoPress.

Nếu bạn đang cân nhắc xem có nên xây dựng trên nền tảng đó hay không, thì cách diễn đạt trung thực nhất là: Glimmer là một local agent tốt với mức chất lượng tối thiểu đã được ghi nhận, một vấn đề hallucination đã được đo lường, và một bảng benchmark của nhà cung cấp giờ đây đã có thể kiểm toán được một phần. Teacher lại là một câu chuyện khác: Muse Spark 1.2 có thể được định tuyến qua OrcaRouter với giá 1,25 USD mỗi triệu token đầu vào và 4,25 USD mỗi triệu token đầu ra, nhờ đó một nhóm có thể chạy mô hình nhỏ ngay trên thiết bị cho những công việc rẻ, riêng tư và luôn hoạt động, đồng thời định tuyến các trường hợp khó sang mô hình lớn qua cùng một key. Sự phân tách đó — student chạy cục bộ cho vòng lặp thường nhật, teacher chạy trên máy chủ cho các tình huống cần leo thang — chính là kiến trúc mà hai bản phát hành này thực sự hỗ trợ, và nó có thể kiểm chứng ngay trong tuần này với chi phí bằng một chiếc GPU mà bạn có thể đã sở hữu, cộng thêm một ngân sách token. Chuyển đổi dự phòng tự động chính là thứ khiến nửa phần chạy trên máy chủ trở nên an toàn để đưa vào đường dẫn production trong khi một mô hình vẫn đang xây dựng thành tích độc lập của riêng nó — đúng tình trạng hiện tại của Glimmer.

Ảnh chụp màn hình bên dưới là thẻ mô hình đúng như nó hiển thị vào ngày phát hành. Dòng "không được triển khai bởi bất kỳ nhà cung cấp suy luận nào" của nó đề cập đến suy luận chính thức của chính Hugging Face, một thứ tách biệt với dịch vụ lưu trữ bên thứ ba bắt đầu vào ngày 9 tháng 8, và đó là một lời nhắc hữu ích về việc dòng đó đã trở nên lỗi thời nhanh đến mức nào.

Screenshot of the Hugging Face model card for meta-models/Muse-Glimmer-30B, showing the Apache 2.0 license, 30B parameter size, Meta Superintelligence Lab authorship, and the line that the model is not deployed by any inference provider.

Xem gì

Ba điều lẽ ra sẽ định đoạt câu chuyện này phần lớn đã được giải quyết. Bản phát hành trọng số mở Spark đã diễn ra vào ngày 15 tháng 10. Đo lường độc lập đã diễn ra, và nó cho thấy Qwen dẫn trước về chỉ số tổng hợp, Glimmer dẫn trước về agentics, Gemma đứng sau cả hai. Hosting đã lan rộng, và mức giá được theo dõi hiện là $0.30 và $1.20 thay vì $0.35 và $1.50.

Điều còn lại thì hẹp hơn và thú vị hơn. Thứ nhất, liệu có ai bên ngoài Meta tái tạo được sự đánh đổi lượng tử hóa hay không — khoảng cách 0,1 điểm và 0,9 điểm là phần mạnh nhất của báo cáo và cũng dễ kiểm tra nhất trên một card 24GB. Thứ hai, liệu lợi thế agentic có còn giữ được với một harness không được xây dựng xoay quanh mô hình hay không; MCP-Atlas ở 75,5 là con số cần đánh bại và là con số chịu ảnh hưởng nhiều nhất từ sự khác biệt về scaffold. Thứ ba, liệu bản phát hành nhỏ tiếp theo của Meta sẽ kế thừa giấy phép Apache 2.0 hay Giấy phép Mô hình Muse hạn chế mà Spark Open đã phát hành theo — chính lựa chọn đó quyết định liệu dòng Glimmer có còn dùng được làm nền tảng cho sản phẩm của người khác hay không.

Tweet ra mắt đã đúng về tin tức và rộng lượng về phán quyết. Điều báo cáo kỹ thuật bổ sung là phần còn thiếu vào tháng 8: giờ đây bạn có thể thấy những gì đã được đo, trên phần cứng nào, bởi ai, và với cái giá nào về chất lượng. Đó là cơ sở tốt hơn để đưa ra quyết định so với bảng điểm chuẩn hoặc tweet, và đó là lý do mô hình này vẫn đáng để lên kế hoạch dựa vào chứ không chỉ đáng để đọc.

Những câu hỏi thực sự đáng trả lời

Muse Glimmer có thực sự là mã nguồn mở không?

Đây là trọng số mở theo Apache 2.0 — bất kỳ ai cũng có thể tải xuống, chỉnh sửa, tinh chỉnh và triển khai nó cho mục đích thương mại mà không phải trả tiền cho Meta. Báo cáo cũng xác nhận những gì giấy phép thực sự bao phủ: trọng số độ chính xác đầy đủ, hai biến thể 4-bit và đầu drafter DFlash đều được phát hành. Những gì không được phát hành là dữ liệu huấn luyện và trọng số của teacher Muse Spark, đó là lý do "open weights" là cách nói thận trọng thay vì mã nguồn mở hoàn toàn theo nghĩa OSI. Về mặt thực tiễn, thỏa thuận này giống với thỏa thuận đã khiến Llama trở thành dòng mô hình mở được triển khai nhiều nhất trong AI.

Muse Glimmer có thực sự vượt trội hơn Gemma4-31B và Qwen3.6-27B không?

Trong bảng của chính Meta, nó thắng phần lớn các hàng về agentic và tìm kiếm, và phần phụ lục phương pháp luận giờ đây cho thấy những hàng nào là do Meta tự chạy và những hàng nào đến từ Artificial Analysis hoặc báo cáo của chính các đối thủ. Góc nhìn độc lập thì hẹp hơn: trên Chỉ số Trí tuệ của AA, Qwen3.6-27B đạt 21 điểm và Muse Glimmer đạt 17, còn Gemma4-31B ở mức 15. Vậy nên phát biểu chính xác là Glimmer dẫn đầu phân khúc kích thước của mình về sử dụng công cụ, lập kế hoạch đa bước và công việc agentic đa ngôn ngữ, nhưng không dẫn đầu về trí tuệ tổng quát tổng hợp hay về các tác vụ sử dụng máy tính.

Tôi có thể chạy nó trên máy tính xách tay không?

Chỉ khi "laptop" có nghĩa là máy có GPU rời 24GB hoặc 32GB, hoặc một chiếc Mac cao cấp với lượng bộ nhớ hợp nhất tương đương. Báo cáo đặt trọng số BF16 ở 55,7GB và nhắm tới hai cấu hình nén: 19,65GB trọng số cho máy 32GB và bản Q4_K_M nhỏ hơn cho máy 24GB, cả hai đều để dư chỗ cho KV cache, bộ mã hóa tri giác và drafter. Trên đồ họa tích hợp hoặc máy 16GB, bạn sẽ đối mặt với lượng tử hóa nặng hơn và đầu ra chậm, thay vì một agent luôn hoạt động mà bản phát hành hướng tới.

Tôi có thể lấy nó ở đâu và nó có sẵn qua API không?

Các trọng số nằm trên Hugging Face tại meta-models/Muse-Glimmer-30B, và bạn chạy nó cục bộ thông qua llama.cpp, MLX, ExecuTorch, Ollama hoặc LM Studio. Có thể truy cập qua dịch vụ lưu trữ thông qua các nền tảng bên thứ ba với mức khoảng $0.30 cho mỗi triệu token đầu vào và $1.20 cho mỗi triệu token đầu ra, theo giá niêm yết của nhà cung cấp mà Artificial Analysis theo dõi. Meta không công bố endpoint Glimmer dạng lưu trữ nào của riêng mình, và mô hình không có trên OrcaRouter — nếu nó xuất hiện dưới dạng một tuyến lưu trữ, cùng khóa truy cập đến hơn 200 mô hình mà chúng tôi định tuyến sẽ đến được nó, nhưng hiện nay chưa đúng như vậy.

So sánh trong bài viết này1

Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày