A Meta 30 milliárd paraméteres AI-modellje, a Muse Glimmer helyi ügynöket futtat fogyasztói GPU-kon
Az Apache 2.0 licenc alatt elérhető modell súlyait a Hugging Face platformon tették közzé, hogy megkönnyítsék a fejlesztők számára a helyi kódgenerálásra és funkcióhívásra való bevetését.
A Meta kiadta a Muse Glimmer nevű, 30 milliárd paraméteres, nyílt forráskódú nagy nyelvi modellt (LLM). A modell súlyait a Hugging Face platformon tették közzé, ami megkönnyíti a fejlesztők számára a bevetését. (AI News)
A Meta Superintelligence Labs által fejlesztett technológia célja, hogy helyi AI-ügynököket fusson fogyasztói GPU-kon. Az Apache 2.0 licenc alatt elérhető modell használható helyi kódgenerálásra, funkcióhívásokra, valamint LLM-alapú értékelések létrehozására.
Benchmark eredmények és teljesítmény
A Meta teljesítménytesztjei szerint a Muse Glimmer nyolc általános ügynöki feladatból ötben megelőzte a Gemma4-31B és a Qwen3.6-27B modelleket. Az MCP Atlas teszten a Muse Glimmer 75,5 pontot ért el, míg a Gemma4-31B 54,2-t, a Qwen3.6-27B pedig 62,5-öt. A DeepSearch QA teszten a Muse Glimmer 74,6 pontot szerzett, szemben a Gemma4-31B 61,7-es és a Qwen3.6-27B 71,1-es eredményével. Ezek a tesztek az ügynökök képességét mérik a keretrendszereken belüli munkavégzésre és a többfordulós kérések teljesítésére.
A τ²-Banking teszten a modell 23,5 pontot ért el, míg a Gemma4-31B 15,1-et, a Qwen3.6-27B pedig 16,7-et. A WildClawBench teszten a Muse Glimmer 47,6-ot, a Gemma4-31B 37,6-ot, a Qwen3.6-27B pedig 43,2-t teljesített. GAIA2 eredménye 43,3 volt, míg a többieké 36,4 és 40,0.
Kódgenerálási képességek
A kódgenerálási feladatoknál a Muse Glimmer szorosabb összevetést mutatott. A SWE-Bench Pro teszten a modell 51,2 ponttal végzett az élen. A Meta 36,9 pontot jelentett a Gemma4-31B, és 50,2 pontot a Qwen3.6-27B számára. A SciCode teszten a Muse Glimmer 43,6 pontot ért el, alig előzve meg a Gemma4-31B 43,4-es eredményét, míg a Qwen3.6-27B 39,8-at szerzett. A Qwen3.6-27B két másik kódolási értékelésben is győzött: a SWE-Bench Verified teszten 77,2, a TerminalBench 2.1-en pedig 60,7 pontot ért el, szemben a Muse Glimmer 76,0 és 51,7 pontjával.
A forrás megjegyzi, hogy ezek a tesztek korlátozott feladatokat mérnek, és nem mutatják be, hogyan viselkedik egy helyi ügynök, miután egy szervezet összekapcsolja saját fájljaival, naptáraival, üzenetküldő rendszereivel vagy belső eszközeivel. A modell súlyai jelenleg a Hugging Face platformon érhetők letöltésre.