MetaのMuse Glimmer、単一のノートPC向けGPUで本格的なエージェント型AIを実現
ニュース概要
Meta Superintelligence Labsは2026年8月10日（米国東部時間）、単一のコンシューマー向けGPU上で完全に動作するよう設計された、300億パラメータのオープンウェイトのエージェント型AIモデル「Muse Glimmer」をリリースした。Metaのより大規模なMuse Sparkモデルから蒸留されたGlimmerは、スケジュール管理、メッセージ下書き、ファイル整理、自律的なコーディング支援などの常時稼働のローカルワークフロー向けに設計されており、寛容なApache 2.0ライセンスのもと、開発者向けドキュメントやハードウェアパートナーとの統合とともに公開されている。
Muse Glimmerとは
Muse Glimmerは、専用の知覚エンコーダーと組み合わせた因果言語モデルであり、テキストと画像のマルチモーダル入力をサポートしている。Metaはこれを「より長いアーク」のエージェント型作業向けに特別に設計されたものと説明している。つまり、複数のセッションにまたがるマルチステップのタスクであり、モデルがメモリを追跡し、障害から回復し、再起動などの中断後に再開できることが求められる。このモデルは100以上の言語をサポートし、制御可能な推論努力レベルを提供するため、開発者はタスクに応じてレイテンシと推論の深さをトレードオフできる。
トレーニング手法
MetaはGlimmerを3段階のパイプラインでトレーニングした。事前トレーニングでは、より大規模なMuse Spark教師モデルが生成した出力からのロジット蒸留に依存している。中間トレーニングでは、推論トレースで強化されたより長いコンテキストのエージェント中心のデータに移行し、モデルにマルチステップのツール呼び出しの計画と実行を教える。事後トレーニングでは、教師ありファインチューニングとオンポリシー蒸留および強化学習を組み合わせ、ツールを正確に使用し、タスクの途中で自身の失敗を診断するモデルの能力を洗練させる。
コンシューマーハードウェアでの実行
最大の売りは効率性だ。約4ビット量子化では、Muse Glimmerのメモリフットプリントは約55GBから20GB未満に、精度の低下を最小限に抑えて削減され、現在のコンシューマー向けGPUに一般的な24〜32GBのメモリ範囲に余裕を持って収まる。Metaによると、このモデルはAppleのMacBook M4-MaxおよびM5-Maxチップ、ならびにNvidiaのRTX-5090デスクトップGPUで検証されている。応答性を向上させるため、MetaはGlimmerに投機的デコーディングの「ドラフター」モデルであるDFlashを組み合わせており、Metaの報告によると、RTX-5090では3.1倍、M5-Maxでは1.8倍、M4-Maxでは1.5倍の速度向上を実現している。
ベンチマーク性能
MetaはMuse Glimmerを、Gemma4-31BやQwen3.6-27Bを含む同規模のオープンモデルと比較し、DeepSearch QA、MCP-Atlas、τ-Bench、SWE-Benchなどのエージェント型ベンチマークで優位性を主張している。また、コーディング、一般的な推論、マルチモーダル評価、安全性評価でもより強力な結果を示している。Metaはこれらの結果を、高性能なエージェント型動作にはもはやクラウド規模のインフラストラクチャは不要であり、適切に蒸留された300億パラメータのモデルが、これまでよりはるかに大規模なシステム専用だったワークロードを処理できるようになった証拠として位置づけている。
提供状況とエコシステムサポート
Muse Glimmerのウェイトは、カスタムエージェント構築のための開発者向けドキュメントとともに、Apache 2.0ライセンスのもとHugging Faceで公開されている。このモデルは、ローンチ時点でOllama、LM Studio、Unsloth、llama.cpp、ExecuTorch、MLXを含む幅広いローカル推論ツールと、本番サーバー向けフレームワークであるvLLMおよびSGLangでサポートされている。商用ホスト型アクセスは、Together AI、Fireworks AI、OpenRouterを通じて利用可能だ。MetaはハードウェアパートナーであるAMD、Arm、Dell、Intel、Nvidiaと協力して、それぞれのチップとデバイス向けにGlimmerを最適化したと述べており、AMDとNvidiaはそれぞれRyzen AI MaxおよびRTX GPUハードウェアでモデルを実行するための技術ガイドを公開している。
重要性
今回のリリースは、AIモデル競争におけるMetaのオープンソース戦略を拡張し、世界中の開発者、学生、研究者に、クラウドAPIアクセスに依存することなく、通常のノートPCやデスクトップでオフラインで実行できる高性能なエージェント型モデルを提供するものだ。オンデバイス実行、低メモリ要件、幅広いツールサポートを強調することで、Metaはコーディング、生産性、自動化タスク向けのローカルAIエージェント構築のハードルを下げることを目指しており、同時に他の主要なAIラボのプロプライエタリな製品に対して、オープン性とアクセシビリティの面で競争を続けている。