post cover

Simon Willison：Meta 携 30B 开源模型 Muse Glimmer 重返开放权重赛道——为常驻本地 Agent 而生，HN 1128 分登顶（2026-08-11）

本文为翻译/转载，原文使用 CC BY-NC-SA 4.0 协议发布。 原文作者：Simon Willison 原文标题：Introducing Muse Glimmer 原文链接：https://simonwillison.net/2026/Aug/10/introducing-muse-glimmer/ 原文发布：2026-08-10 本博客不参与任何商业变现（含 ads / 付费 / affiliate），本译文遵循 CC BY-NC-SA 4.0 条款发布。

【译者按】

Meta 重返开放权重赛道了。8 月 10 日，Meta 发布全新 30B 参数模型 Muse Glimmer，采用干净的 Apache 2.0 协议（告别过去饱受诟病的 Llama 附加限制条款），并明确将其定位为”为常驻本地（always-on local）Agent 工作流优化”。这条消息直接登顶 Hacker News，1128 分 / 610 评论，是今天英文技术圈最热的事件。Simon Willison 在第一时间用 LM Studio 和 llm-coding-agent 插件实测了 18.16GB 量化版，跑了代码库探索、视觉描述等真实任务，给出了非常接地气的第一手体验。对中文圈读者来说，这篇的价值在于：一是 Meta 开源策略转向（从 Llama 时代的”伪开源”到 Apache 2.0）直接影响国内开源模型生态的竞争格局；二是评论区围绕”30B 本地模型 vs Qwen3.8 27B / DeepSeek V4 Flash”的对比，恰好呼应了国内模型出海与本地部署的热潮。

【正文】

Introducing Muse Glimmer（2026 年 8 月 10 日 · Link Blog）

Meta 回到了开放权重游戏里！Muse Glimmer 是一个全新的 30B 模型，采用干净的 Apache 2.0 协议（相比过去那些别扭的 Llama 许可证，这是明显进步）。

他们声称这个模型针对的正是我在本地模型中寻找的那几类能力：

端到端 Agent 任务完成（End-to-end Agentic Task Completion）：Muse Glimmer 在 DeepSearch QA、MCP-Atlas、𝛕-Bench（τ-Bench）和 SWE-Bench 等全任务基准上取得了不错的成功率——这些基准衡量的是它在脚手架（scaffold）内工作、编写和调试代码、以及从头到尾解决多轮请求的能力。

可靠的工具调用（Reliable Tool Use）：该模型能处理各种函数调用，在长工作流中以精确的 schema 调用工具。

多步推理（Multi-Step Reasoning）：Muse Glimmer 能在长视野上串联推理，在复杂、扩展的工作流中维持连贯的计划。[……]

这是我用 LM Studio 的 18.16 GB 版本模型生成的一只鹈鹕：

各个部件都在，但拼得相当凌乱。

我还用我的 llm-coding-agent 插件试了它，对一份全新的 Datasette 代码库跑了这个提示词：

how does auth work?

这里是它的回答，位于一段长长的、展示它探索代码库时所有工具调用的转录记录的末尾。我用的是 llm-lmstudio，并应用了这个补丁以升级到与 LLM 0.32 兼容。

我非常喜欢这个尺寸的模型：只要机器有 32GB 或以上内存（我的有 128GB），它就能留下充足的空间同时运行其他应用。

Glimmer 是一个视觉模型，所以我让它描述这张图片：

llm -m lmstudio/meta/muse-glimmer -a https://static.inaturalist.org/photos/714731804/large.jpg 'describe image'

岩石上的两只鹈鹕

这是它给出的回答：

照片展示了一片岩石防波堤式的海岸线，天空阴沉，水面平滑呈灰色，柔焦背景中有一条模糊的码头/防波堤线。

前景中，两只大型褐色鹈鹕（Pelecanus occidentalis，褐鹈鹕）栖息在杂乱的白灰色石块上。它们具有该物种标志性的长而下弯的黄橙色喙、巨大的喉囊、修长的脖颈，以及背部与翅膀上斑驳的褐灰色羽毛。左侧那只鹈鹕略微转向镜头，似乎在整理羽毛或将喙抵在胸前；头顶和后颈可见一片浅白色斑块，一小撮羽毛竖立成冠。右侧那只基本正面/偏右朝向，头抬起，喙指向下方偏右，同样有浅色头部斑纹，深色带纹的翅羽清晰可见。

两只鹈鹕周围的岩石间散落着几只小得多的深色鸟类——灰褐色羽毛的海鸥/燕鸥类。最左边岩石上站着一只深色鸟，另一只褐色鸟站在右侧鹈鹕的右边，右下前景有一只带红色喙的灰色鸟，画面最右缘还有一只小深色鸟。

整体光线平坦而漫射，水面和天空呈现出柔和、近乎单色的色调，与纹理化的岩石和鹈鹕精细的羽毛形成对比。构图以两只大鸟为主体，衬着平静的水面和低矮的岩石栖木。

【社区精彩评论精选】（Hacker News 热帖 1128 分 / 610 评论）

以下评论来自 Hacker News 讨论帖（CC BY-NC-SA 4.0），按内容质量精选：

@scrlk（链接）：有意思，看看本周发布的 Qwen3.8 27B 跟它比怎么样。看来稠密（dense）30B 又流行起来了？补充：Muse Spark 1.2 的开源权重版本也将发布：Alexandr Wang 的推文。

@solarkraft（链接）：哇，Meta 回来了（至少暂时是）！我喜欢这类模型。多 token 预测（MTP）让稠密模型能以接近 MoE 模型的速度运行，同时智能程度高得多。帖子的标题（“开放权重的 30B 本地编程模型”）其实说错了：这应该是一个通用 Agent 模型。它还自带预量化版本和 MTP/drafter 模型。看起来不错！

@ache（链接）：有趣，但看起来像是对（Spark 和）更大的开源权重模型的精心蒸馏。相比 Qwen3.6 27B 的进步不错，但也没那么惊艳——那可是四个月前的模型了。（他们拿 27B 稠密模型而不是 35B MoE 来对比，这点值得表扬，更公平。）Qwen3.8 27B 很可能会在大多数基准上碾压 Glimmer-30B。

@petcat（链接）：作为业界一员，我希望别再把这些东西叫”开放权重”了，因为太容易和真正的”开源”混淆，而它们并不是。Photoshop 源码 + OSI 许可证 = 能在自己电脑上跑的开源 Photoshop 二进制 = 开放权重的 Photoshop SaaS 网页应用 = 封闭、专有（Opus、GPT 等）。“开放权重”模型仍然只是二进制大块，完全不……

@Gecko4072（链接）：我认为最理想的是能跑在单块 DGX Spark 上、且能与 DSV4 Flash 731 竞争的模型。Flash 已经是游戏规则改变者了。希望 Meta 有计划，就像当年的 70B 一样。V4 Flash 够聪明，能应付任何用途，但稍微有点大；27B-30B 又不够聪明。

@sajithdilshan（链接）：本地跑它仍然需要 32-64GB 内存。德国一台 64GB M5 芯片 MacBook Pro 要 4000 多欧元。更实用的模型应该是语言特定（比如 Python 或 JVM 语言）、擅长工具调用和推理的。也许这样还能进一步缩小。

@GodelNumbering（链接）：扎克伯格的帖子：”……我们很快也会发布 Muse Spark 1.2 的权重，这是我们最新的基础模型……”这才是更大的新闻——对自托管爱好者是好事，也是战略上很聪明的护城河动作。

@avaer（链接）：我哀叹那些说这在任何意义上”洗白了” Meta（这家公司）的评论。发布这些东西的研究人员几乎和 Meta 没什么关系，只是被这家”屠宰场”供养着。你不是客户，你是……

@mmaunder（链接）：还记得吗，以前企业网站需要 200 台服务器，因为 Apache 每个连接用一个进程或线程——而 Nginx 一夜之间把它压进了一台机器。LLM 的这一刻快到了。它将把我们带离……

@hypfer（链接）：把玩了这个模型一阵子，我相当确信它不是在编程领域竞争的。它能做编程，但它的真正卖点似乎是对护栏（guardrails）和安全对齐的不同处理方式。要么是这样，要么是唯一的……

@wxw（链接）：Meta 明显在把战略改回他们最初的”前沿开源”，但这一次他们面对的竞争更多来自领先的中国实验室。我完全支持，而且我认为 Glimmer 是对可本地托管的……

@brumbelow（链接）：这样一来，最近 Meta 模型的”安全事件”就说得通了。

@catoc（链接）：我个人永远不会信任 Meta 的编码 Agent 或 Agent 框架。我赞成他们的开源模型路线，但真的信任 Meta……保护我的隐私和数据……当它跑在我自己的硬件上……绝。不。可。能。

【译者注】

  1. Apache 2.0 vs Llama 许可证：Simon 说的”别扭的 Llama 许可证”指 Llama 系列（尤其 Llama 2/3）自带的附加使用条款——月活超过 7 亿用户需申请商用授权、禁止用模型输出训练其他模型等限制。Muse Glimmer 改用 Apache 2.0，意味着可以自由商用、修改、再分发，这也是 HN 评论区普遍叫好的原因。
  2. 常驻本地 Agent（always-on local agent workflows）：指模型持续在本地设备上运行、随时响应 Agent 任务（工具调用、代码操作、多轮请求）的工作模式，而不是像云端 API 那样按请求计费。这对应国内”本地部署 + 私有化 Agent”的潮流（如企业把 Qwen/DeepSeek 部署到内网做 coding agent）。
  3. 基准术语：τ-Bench 测 Agent 在模拟环境中的多轮工具调用与状态跟踪能力；SWE-Bench 测真实 GitHub issue 修复；MCP-Atlas 测 MCP 协议生态下的工具调用；DeepSearch QA 测深度检索问答。这些都是”Agent 能力”而非单纯”聊天能力”的评测。
  4. MTP / drafter 模型：多 token 预测（Multi-Token Prediction）让模型一次预测多个 token，配合草稿模型（drafter）做投机解码（speculative decoding），可在不牺牲质量的前提下显著提速——这是 30B 稠密模型能在本地”跑得动”的关键技术。
  5. 与中文圈生态的对照：评论区反复出现的 Qwen3.8 27B（本周发布）与 DeepSeek V4 Flash（本博客 07-31 已翻译）正是中国开源模型的代表；“Meta 重返开源将直接面对中国实验室的竞争”是这次讨论的焦点之一。另外 @brumbelow 那句”安全事件说得通了”呼应了本博客 08-06 翻译的 Meta 模型测试中意外入侵其他公司事件——Meta 近期开源动作与安全风波形成了有趣对照。

【延伸阅读】