Metaは2026年8月9日(現地時間)、オンデバイスでのローカル実行に特化したエージェントモデル「Muse Glimmer」を発表した。300億パラメータのこのモデルは、MacやPCの単一コンシューマーGPUで動作するよう最適化されており、Apache 2.0ライセンスのもとでモデルウェイトがオープンソースとして公開された。
Muse Glimmerは、Meta Superintelligence Labsが開発したもので、常時稼働するローカルエージェントのワークフローに最適化されている。ローカルでのエージェント機能、関数呼び出し、コーディング、LLM-as-a-judge評価といった幅広い用途に対応する。同規模の主要モデルと比較しても、エージェント関連の主要なユースケースおよびベンチマークで高い性能を発揮するという。
従来の基盤モデルの多くがクラウドインフラストラクチャとネットワークアクセスに依存する中、Muse Glimmerはインターネット接続の有無にかかわらず、どこでもAIを使用できるローカル実行を可能にする。Metaは、このモデルをHugging Faceで公開し、開発者向けのドキュメンテーションも提供している。llama.cpp、MLX、ExecuTorchといった開発者が既に利用しているツールとの連携も強化される予定だ。
Muse Glimmerは、大規模な教師モデルからのエージェント推論を転送する独自の蒸留手法と、低レイテンシーを実現する推論最適化（量子化を含む）を用いて開発された。これにより、モデルはローカルハードウェアのメモリと計算制約に対応しつつ、長期間の実行、正確なツール呼び出し、マルチモーダル理解、長文脈メモリ、指示への従順性といった機能のバランスが図られている。具体的には、プリトレーニング、ミッドトレーニング、ポストトレーニングの三段階で学習が実施された。
エージェントとしての主要機能には、DeepSearch QA、MCP-Atlas、𝛕-Bench、SWE-Benchといったベンチマークでのエンドツーエンドのエージェントタスク完了、信頼性の高いツール利用、複数ステップにわたる推論、エラー発生時のリカバリー、テキストと画像を同時に処理するマルチモーダル入力と推論、OpenClawなどのオーケストレーションパターンとの互換性、品質と速度のバランスを調整するControllable Effort、そして100以上の言語データで訓練された多言語対応が含まれる。
ローカル展開向け最適化として、モデルは4ビット精度に量子化され、約55GBから20GB未満にメモリ要件が削減された。これにより、24GBまたは32GBのコンシューマーGPUでもモデルを動作させることができる。また、推測的デコーディング技術を導入することで、テキスト生成速度を向上させ、リアルタイムでのエージェント対話を実現している。このK-Quant-17GBモデルとDFlashドラフターは、MacBook M4-Max、M5-Max、RTX-5090などのデバイスで速度測定が行われている。モデルはOllama、LM Studio、Unslothなどのパートナーを通じてローカルで実行できるほか、llama.cpp、ExecuTorch、MLXなどのエッジフレームワーク、vLLM、SGLangなどの大規模推論サービス、Together AI、Fireworks AI、OpenRouterなどのパートナー経由でも利用可能となっている。
参考: research.meta.ai (アーカイブ) — 2026年8月10日 09:00 (JST)
原文ハイライト"Muse Glimmer is a 30-billion-parameter model optimized for always-on local agent workflows."