Meta 發布 30B 本地代理模型 Muse Glimmer:採 Apache 2.0 授權,4-bit 量化可於 24GB 單卡運行
該模型由閉源的 Muse Spark 蒸餾而來,具備多模態與推測解碼能力,捨棄了過去 Llama 的用戶數限制條款,效能對標 Gemma4-31B 與 Qwen3.6-27B。
Hacker News綜合 9 家多家報導
57 則值得知道的變化
該模型由閉源的 Muse Spark 蒸餾而來,具備多模態與推測解碼能力,捨棄了過去 Llama 的用戶數限制條款,效能對標 Gemma4-31B 與 Qwen3.6-27B。
該模型基於 GPT-5.6 Sol 微調,專供獲准的防禦者尋找零日漏洞與開發利用鏈。Daybreak 服務同步劃分為 Blue 與 Red 雙層級。
新版加入對 Meta 專為 AI 代理設計的 Muse Glimmer 等模型支援,並針對線性注意力核心、快取裁剪 API 及 T5 模型的 SDPA 支援引入破壞性變更。
該模型採 2-bit 壓縮,完整運行僅需 28MB 記憶體,專為物聯網與平價手機設計,捨棄世界知識以換取極低的 70 MFLOPs 運算量。
該模型採本能反射與肌肉記憶雙層架構,透過自研視觸覺感測器實現零樣本泛化,已於工業柔性生產線完成抓取、裝配等 POC 驗證。
該模型具備約 3.6 億參數,透過幀堆疊架構將解碼迭代次數減半以提升吞吐量,並已於 Hugging Face 上架開放權重。
該模型採流式多模態架構處理連續影片輸入,在無人機視角與通用檢測任務跑分超越 NVIDIA LocateAnything-3B,並大幅降低目標幻覺誤報率。
該模型採 314B 總參數與 13B 啟動參數架構,參與韓國 AI 基礎模型計畫,並在金融與 IT 領域評測擊敗多款主流大模型。
相關論文已上線 arXiv,社群正積極開發 llama.cpp 支援,預期未來可在 8GB 記憶體設備上實現更快的推論速度。