Muse Glimmer 30B
Muse Glimmer 30B Modell-Übersicht
Muse Glimmer 30B ist ein Open-Weights LLM von Meta AI. Das Modell hat ~30 Mrd. Parameter und ist ein auf 4-Bit destilliertes Derivat des größeren Muse Spark. Als dense 30B-Modell (~29,6 Mrd. Sprach- plus ~1,8 Mrd. Vision-Parameter) ist es darauf ausgelegt, lokal auf Consumer-Hardware mit ca. 24–32 GB zu laufen. Der Fokus von Glimmer liegt auf dem Einsatz als KI-Agent, also zuverlässigen Tool-Calls und langen Aufgabenzyklen, anstatt auf reiner Chat-Nutzung. In Metas eigenen Vergleichen liegt es bei agentischen Benchmarks wie MCP-Atlas (75,5 %) vor Gemma 4-31B (54,2 %) und Qwen 3.6-27B (62,5 %), fällt bei manchen Computer-Use oder Knowledge-Aufgaben aber leicht hinter den Alternativen zurück. Die Veröffentlichung von Muse Glimmer wurde von der Community sehr positiv aufgenommen. Mark Zuckerberg veröffentlichte parallel ein Statement, dass sich Meta AI zukünftig für Open Weights Modelle einsetzen wolle.
Features & Modalitäten
Muse Glimmer 30B Benchmark Scores
Technologie & Daten
Technische Spezifikationen
| Architektur | Dense Transformer |
|---|---|
| Input Kontextlänge | 131,07k |
| Output Kontextlänge | 131,07k |
| Tokenizer | BPE-Tokenizer mit 202.048 Token. |
Besonderheiten
| Speculative Decoding | Block-Diffusion-Drafter "DFlash" sagt bis zu 16 Token pro Forward-Pass voraus und beschleunigt so die Token-Generierung. |
|---|---|
| Perception Encoder | Integrierter ViT-G/14-Encoder verarbeitet Bilder, Dokumente und Diagramme mit bis zu 4.096 Visual Tokens pro Bild. |
Vorteile & Nachteile
Vorteile
- Starkes Modell für Sub-Agent EinsatzMuse Glimmer erreicht in Metas Vergleichen sehr gute Ergebnisse in agentischen Benchmarks. Das Modell liegt für den Einsatz als KI-Agent teilweise deutlich vor Gemma 4 und Qwen 3.6-27B und eignet sich damit gut für Aufgaben, die von großen Reasoning-Modellen an Sub-Agents delegiert werden.
- Läuft lokal auf einer Consumer-GPUDurch die starke Quantisierung (4-Bit) lässt sich Muse Glimmer samt Vision-Encoder mit 24–32 GB GPUs ausführen. Lokales Offline-Deployment dürfte für eine breite Zielgruppe möglich sein.
- Apache-2.0-LizenzMuse Glimmer wurde vollständig mit Open Weights auf Hugging Face veröffentlicht. Durch die Apache-2.0 Lizent lässt sich das Modell kommerziell nutzen und finetunen.
Nachteile
- Vergleichsweise hoher Cloud-Inference PreisZum Zeitpunkt der Veröffentlichung liegen die API-Kosten für Muse Glimmer ($0,35 / $1,50) deutlich über denen, die aktuell für vergleichbare Modelle wie Gemma 4 31B ($0,14 / $0,40) gezahlt werden.
Vergleiche Muse Glimmer 30B mit anderen LLMs
Vergleiche Muse Glimmer 30B mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Preisen und Benchmark-Leistung.
Muse Glimmer 30B ausprobieren
Du musst kein Entwickler sein: Muse Glimmer 30B ist auch direkt in Meta One nutzbar.
Provider & APIs
Du kannst Meta AI Muse Glimmer 30B über die API folgender Anbieter nutzen.
Das Modell ist derzeit bei keinen Anbietern verfügbar.
Häufige Fragen zu Muse Glimmer 30B
Kann ich Muse Glimmer 30B kostenlos nutzen?
Ja, Muse Glimmer 30B ist in Meta One auch mit einem kostenlosen Konto nutzbar — allerdings meist mit Nutzungslimits.
Ist Muse Glimmer 30B Open Source?
Muse Glimmer 30B wird unter der Lizenz „Apache 2.0“ veröffentlicht. Details stehen in den Lizenzbedingungen des Anbieters.
Welche Eingabeformate versteht Muse Glimmer 30B?
Muse Glimmer 30B verarbeitet folgende Eingabeformate: Text, Bild.
Was kostet Muse Glimmer 30B über die API?
Über die API kostet Muse Glimmer 30B 0,35 $ pro 1 Mio. Input-Token und 1,50 $ pro 1 Mio. Output-Token. Bei Reasoning-Modellen kommen Thinking-Tokens hinzu, die als Output abgerechnet werden.
Wie groß ist das Kontextfenster von Muse Glimmer 30B?
Muse Glimmer 30B verarbeitet bis zu 131,07k Token in einer Anfrage.
Wie aktuell ist das Wissen von Muse Glimmer 30B?
Der Wissensstand (Knowledge Cutoff) von Muse Glimmer 30B reicht bis Januar 2026.
Was ist der Vorgänger von Muse Glimmer 30B?
Der direkte Vorgänger von Muse Glimmer 30B ist Muse Spark 1.2 (erschienen August 2026). Einen tabellarischen Vergleich der beiden Modelle findest du auf dieser Seite im Abschnitt „Vergleiche“.