Meta Platforms发布了Muse Glimmer，这是一款300亿参数的开放权重AI模型，面向消费级硬件运行，并以Apache 2.0许可证在Hugging Face上提供。Meta将其定位为一款始终在线的本地智能体，可用于编程、工具使用、多模态任务和自主重试循环。Meta表示，该模型由Scale AI创始人亚历山大·王领导的团队训练，并通过一个涵盖预训练、更长上下文中期训练以及后训练的三阶段流程，从专有的Muse Spark系列蒸馏而来；后训练包括监督微调、在线策略蒸馏和强化学习。在架构上，Glimmer将279亿参数的文本解码器、19亿参数的ViT视觉编码器和一个GELU投影层结合在一起，采用52层Transformer，并通过滑动窗口注意力和分组查询注意力将上下文窗口扩展至超过128,000个token。Meta表示，该模型支持100多种语言。 为使本地运行具备可行性，Meta表示，全精度部署需要超过55GB的VRAM，因此采用约4-bit量化将语言模型压缩至20GB以下，并搭配一个基于DFlash的推测解码草稿模型。在RTX 5090上，解码速度从74.9个token/秒提升至233个token/秒；M5 Max MacBook则达到50个token/秒，提升1.8倍。Meta表示，在采用NVFP4和DFlash的SGLang环境下，单用户吞吐量达到236个token/秒，批量吞吐量达到1,452个token/秒。在基准测试中，Glimmer在MCP Atlas上的得分为75.5，在工具调用项目上领先于得分54.2的Gemma4-31B和得分62.5的Qwen3.6-27B；但Meta的发布材料也显示，在更难的计算机操作和终端编码测试中，包括OSWorld-Verified、TerminalBench 2.1和SWE-Bench Verified，Qwen3.6-27B处于领先。 马克·扎克伯格在当天发表的文章《未来属于所有人》中主张，超级智能应当被分散而非集中，并明确点名DeepSeek、Qwen和Kimi为开源AI领域的领导者。他还表示，Meta将把模型安全审查权交给一个独立委员会，而不是让发布决策仅由CEO决定，同时仍支持芯片出口管制以拖慢竞争对手。此次发布正值加利福尼亚州、科罗拉多州、肯塔基州和新泽西州的州总检察长在诉讼中向Meta索赔1.4万亿美元，Meta称这一金额前所未有，意在博取头条。Meta还强调，llama.cpp、Hugging Face Transformers、Ollama 0.32.7、LM Studio和SGLang在发布首日就提供了广泛的生态支持；亚历山大·王则表示，Muse Spark 1.2的开放权重版本将很快推出。