Meta veröffentlicht Muse Glimmer: 30B KI-Modell für lokale PC-Nutzung

Meta ↘ 0.86% hat Muse Glimmer veröffentlicht, ein Open-Weight-KI-Modell mit 30 Milliarden Parametern, das vollständig offline auf handelsüblicher Hardware ausgeführt werden kann. Dies markiert einen bedeutenden Schritt in Metas Bestreben, leistungsfähige KI ohne Cloud-Abonnements oder Internetverbindung zugänglich zu machen.

Ein lokal ausgerichtetes KI-Modell

Muse Glimmer ist unter der Apache 2.0-Lizenz auf Hugging Face verfügbar und kann von jedem frei heruntergeladen, modifiziert und bereitgestellt werden. Das Modell akzeptiert Text- und Bildeingaben, unterstützt über 100 Sprachen und verarbeitet Kontextfenster von mehr als 131.000 Token.infoq+1

Bei voller Präzision würde das Modell etwa 64 GB Videospeicher benötigen, was die Kapazitäten typischer Consumer-Hardware weit übersteigt. Meta löst dies durch eine dynamische 4-Bit-Quantisierung, die das Modell in zwei Varianten komprimiert: eine 32-GB-Version mit nur 0,2 % Genauigkeitsverlust und eine 17-GB-Version, die in 24 GB VRAM passt und einen Genauigkeitsverlust von etwa 1 % aufweist. Kompatible Hardware umfasst Nvidias RTX 5090, RTX 4090, RTX 3090 oder Apple Silicon Max-Chips.tech.yahoo+1

Ein spekulatives Dekodierungssystem namens DFlash koppelt ein leichtgewichtiges "Drafter"-Modell mit dem Hauptnetzwerk, um mehrere Token gleichzeitig für eine parallele Validierung vorzuschlagen. Auf einer RTX 5090 steigert dies die Generierungsgeschwindigkeit von 74,9 auf 233,4 Token pro Sekunde, was einer Durchsatzsteigerung um etwa das 3,1-fache entspricht.infoq+1

Agentenfähigkeiten und Benchmarks

Muse Glimmer ist für die autonome Ausführung mehrstufiger Aufgaben konzipiert. Wenn ein API-Aufruf oder ein Terminalbefehl fehlschlägt, diagnostiziert das Modell den Fehler und versucht alternative Ansätze, anstatt den Vorgang abzubrechen. Ein dedizierter Wahrnehmungs-Encoder mit 1,8 Milliarden Parametern verarbeitet Screenshots, Diagramme und Dokumentationen während der Arbeitsabläufe.infoq

In standardisierten Benchmarks wie SWE-Bench, DeepSearch QA und MCP-Atlas übertrifft Muse Glimmer Vergleichsmodelle wie Googles Gemma 4 31B und Alibabas Qwen 3.6 27B bei der Planung und Zuverlässigkeit von Werkzeuganwendungen, liegt jedoch bei Desktop-Bedienungsaufgaben noch zurück. Das Modell wurde durch einen mehrstufigen Prozess aus Metas größerem Muse Spark destilliert, der Logit-Destillation, Langkontext-Nachtraining und Reinforcement Learning Alignment kombiniert.tech.yahoo+1

Zuckerbergs Open-AI-Strategie

Die Veröffentlichung erfolgt im Rahmen einer breiteren strategischen Initiative von CEO Mark Zuckerberg, der diese Woche ein ausführliches Manifest veröffentlichte, in dem er das Projekt als "Superintelligenz für alle" bezeichnete. Axios berichtete, dass Metas Open-Weight-Modelle darauf ausgelegt seien, "die Grenze von unten zu bedrängen" und wettbewerbsfähige Leistung zu deutlich geringeren Kosten als proprietäre Alternativen zu liefern.axios

Dieser Kurswechsel folgt auf den enttäuschenden Start von Llama 4 und eine anschließende Umstrukturierung, die eine Investition von 14,3 Milliarden Dollar in Scale AI beinhaltete. Dennoch erklärte ein Meta-Mitarbeiter gegenüber Axios, das Unternehmen fühle sich "bei der Modellleistung und -entwicklung immer noch hinter den führenden Forschungslaboren".axios

Muse Glimmer ist ab sofort über Hugging Face, Ollama, LM Studio und andere lokale Inferenz-Frameworks verfügbar.tech.yahoo+1