Meta kehrt mit Muse Glimmer zu Open Source zurück
Ein 30-Milliarden-Parameter-Modell unter Apache-2.0-Lizenz, das auf einer einzigen Consumer-GPU läuft – gebaut für lokale KI-Agenten.
Symbolbild · KI-generiert (AI IN LIFE)
Auf einen Blick
- 30 Mrd. Parameter, offene Gewichte unter Apache-2.0-Lizenz
- Kontextfenster: 131.072 Tokens, Text- und Bildeingabe, 100+ Sprachen
- Läuft 4-Bit-quantisiert mit ~24 GB VRAM auf einer Consumer-GPU
- MCP-Atlas-Benchmark: 75,5 Punkte – laut Meta Spitzenwert der Größenklasse
- Bis zu 3,1-fache Beschleunigung per DFlash auf einer RTX 5090
Meta hat mit Muse Glimmer ein neues Open-Weights-Modell mit 30 Milliarden Parametern veröffentlicht – unter der freizügigen Apache-2.0-Lizenz. Nach der Abkehr von offenen Llama-Releases werten Beobachter den Schritt als Rückkehr Metas zur Open-Source-Strategie, diesmal mit klarem Fokus: lokale, agentische Anwendungen.
Technisch bietet das Modell ein Kontextfenster von 131.072 Tokens, verarbeitet Text- und Bildeingaben und unterstützt mehr als 100 Sprachen. In der 4-Bit-quantisierten Variante läuft es mit rund 24 Gigabyte VRAM auf einer einzelnen Consumer-GPU – bei laut Meta nur etwa einem Prozent Genauigkeitsverlust. Mit spekulativem Decoding (DFlash) erreicht es auf einer RTX 5090 eine bis zu 3,1-fache Beschleunigung.
In Agent-Benchmarks sieht Meta das Modell an der Spitze seiner Größenklasse: Im MCP-Atlas-Benchmark erreicht es demnach 75,5 Punkte und liegt damit deutlich vor vergleichbaren Modellen. Schwächen zeigt es dagegen bei klassischen Computer-Vision-Aufgaben.
Strategisch zielt Meta auf Branchen, die KI nicht in die Cloud geben können oder wollen: Gesundheitswesen, Kanzleien, Finanzdienstleister und andere regulierte Sektoren, die Datenresidenz und Offline-Betrieb benötigen. Always-on-Agenten auf eigener Hardware – das ist das Szenario, für das Muse Glimmer gebaut wurde.
Häufige Fragen
Was ist Muse Glimmer?
Ein offenes 30-Milliarden-Parameter-Modell von Meta unter Apache-2.0-Lizenz, optimiert für lokale agentische Anwendungen und Tool-Nutzung.
Welche Hardware brauche ich?
In der 4-Bit-Quantisierung genügt eine einzelne GPU mit rund 24 GB VRAM – etwa eine RTX-Karte der Oberklasse.
Für wen ist das Modell gedacht?
Für Einsätze mit Datenresidenz- oder Offline-Anforderungen, etwa im Gesundheitswesen, bei Kanzleien und Finanzdienstleistern.
