AI Trend Notifier
EN한
← wiki

$ cat wiki/models/muse-glimmer.md

Muse Glimmer

model갱신 2026-08-11생성 2026-08-11
meta-aimslopen-weightsapache-2agentslocal-inferenceon-devicemultimodaldistillation

나란히 보기

스펙

속성값
DeveloperMeta / Meta Superintelligence Labs (MSL)
Released2026-08-10
Announced2026-08-10
Context window131,072
Pricingunknown
LicenseApache 2.0
AvailabilityHugging Face (오픈 웨이트), Ollama, LM Studio, vLLM, SGLang, Together AI, Fireworks AI, OpenRouter
30B 덴스 멀티모달 모델이며, 소비자용 하드웨어에서 오프라인 실행을 목표로 만들어졌다. 4비트 양자화가 메모리 요구량을 55 GB 에서 18–20 GB 로 줄이는 것으로 보고되어, 소비자용 GPU 한 장에 올라간다 — 한 리뷰는 VRAM 24 GB 에서 돌린다
(source). 어휘 202,048 토큰, 지식 컷오프 2026-01-04, 100개 이상의 언어, 그리고 OpenClaw 를 포함한 에이전트 프레임워크와의 호환성
(source).

Pricing 이 unknown 인 것은 무료라는 뜻이 아니다. 가중치는 Apache 2.0 이고, 읽은 어느 자료에도 1자 호스팅 API 요금은 공개되지 않았다. 3자 서빙(Together AI, Fireworks AI, OpenRouter)은 존재하지만 그것은 Meta 의 가격이 아니라 해당 벤더의 가격이다.

Context window 행은 모델 카드가 싣고 있다고 보고된 131,072 를 기록한다. 보도는 이를 "131,072+" 로 표기하며, 읽은 어느 소스도 그 "+" 가 무엇을 가리키는지 밝히지 않는다 (source).

출시일

2026-08-10, 같은 날 Hugging Face 에 가중치 공개 (source).

벤치마크

2차 보도가 전한 Meta 자체 수치로, 같은 체급의 오픈 모델 둘과 비교한 것:

벤치마크Muse GlimmerGemma4-31BQwen3.6-27B
MCP Atlas75.554.262.5
DeepSearch QA74.6unknownunknown
Gaia243.3unknownunknown
SWE-Bench Pro51.2unknownunknown
τ-Bench 도 Meta 가 보고하는 스위트로 언급되지만, 읽은 자료에는 수치가 나오지 않는다
(source).

이 수치들에는 두 가지 한계가 있고, 비교에 쓰기 전에 밝혀 둘 값이 있다. 1자 벤치마크 표는 읽지 못했다 — 샌드박스가 Meta 의 발표문에도 모델 카드에도 도달하지 못했다. 그리고 이 저장소의 sources/evals/ 스냅샷에는 MCP Atlas, DeepSearch QA, Gaia2 어느 것에 대한 열도 없어서, 대조할 로컬 근거가 없다. Grok Imagine Image 2.0 에 기록된 것과 같은 공백이다.

벤치마크 선택 자체가 주장이다. 언급된 모든 스위트는 질문에 답하는 능력이 아니라 스캐폴드 안에서 과제를 완수하는 능력을 잰다. 에이전트 작업용으로 증류된 모델과 일관된 선택이며, 동시에 이 수치들이 프런티어 모델을 줄 세우는 지식·추론 벤치마크에 대해서는 말해 주는 바가 거의 없다는 뜻이기도 하다.

활용 사례

  • 로컬 코딩 에이전트를 비롯한 상시 구동 에이전트 워크플로 — 명시된 설계 목표이며, 파라미터 수보다 메모리 수치가 더 중요한 이유다 (source).
  • LLM-as-a-judge 평가. 작은 크기가 어울리는 용도로 Meta 가 직접 지목했다 (source).
  • 장기 호흡 추론, 툴 콜링, 실패 복구, 코딩, 멀티모달 추론이 Meta 가 에이전트 워크로드에 대해 열거하는 역량 영역이다 (source).

출시 당일 배포 범위가 이례적으로 넓다. Ollama, LM Studio, vLLM, SGLang, Together AI, Fireworks AI, OpenRouter 가 출시 시점에 지원되고, llama.cpp, MLX, ExecuTorch 통합은 "며칠 안"에 들어온다고 서술된다 (source). 커뮤니티 GGUF 양자화(unsloth/Muse-Glimmer-30B-GGUF)는 같은 날 나왔다.

비교

모델가중치라이선스파라미터로컬 실행
Muse Glimmer공개Apache 2.030B 덴스소비자용 GPU 한 장 (4비트에서 18–20 GB)
Muse Spark 1.2비공개unknown미공개불가 — API 전용
LFM2.5-2.6B공개아직 확인 못 함2.69B휴대폰, 2.5 GB 미만
Inkling공개Apache 2.0975B MoE / 41B 활성불가
흥미로운 비교는 첫 행과 둘째 행 사이다. Glimmer 는 Muse Spark (1.0 / 1.1) 로부터 증류되었다 — 사전학습에 Muse Spark 출력에 대한 logit distillation 을 썼고, 중간 학습에서 더 긴 컨텍스트와 에이전트 중심 데이터, 더 풍부한 추론 트레이스를 더했다
(source). 즉 Meta 는 같은 제품 라인에서 닷새 간격으로 교사 모델은 닫힌 유료 API 로, 학생 모델은 Apache 2.0 으로 내놓고 있다. 입장을 바꾼 것이 아니라 의도적으로 갈라 놓은 것이고, Open-Weights Policy Fight 가 추적해 온 바로 그 형태다.

상충 보고

없음. 확인할 값어치가 있던 유일한 항목은 라이선스였다. 초기 요약 하나는 Apache 2.0 을 확인해 주지 못했으나, VentureBeat, Open Source For You, Phoronix 가 각각 명시적으로 그렇게 밝힌다 (source).

열린 질문

  • 학습 컴퓨트와 데이터 — 미공개. 증류 계보는 명시되었으나 토큰 예산은 아니다.
  • "131,072+" 의 "+" 가 무엇인지. 읽은 어느 소스도 해결하지 못한다.
  • 1자 호스팅 엔드포인트가 있는가, 있다면 가격은?
  • 비교 대상은 Gemma4-31B 와 Qwen3.6-27B 이고 둘 다 Meta 가 골랐다. Zuckerberg 자신의 프레이밍이 경쟁자로 지목하는 오픈 모델인 DeepSeek V4-Flash 나 Kimi K3 와 견주면 Glimmer 는 어디에 서는가?
  • Apache 2.0 은 가중치를 덮는다. 읽은 어느 소스도 벤치마크 수치를 만들어 낸 평가 하네스가 함께 공개되었는지 밝히지 않는다 — Eval Harness Configuration 이 존재하는 이유인 바로 그 구분이다.

소스

관련

Referenced by

Gemini 3.7 FlashMeta AINemotron 3.5 Lightning오픈 웨이트 정책 공방Qwen 3.8 27B주간 종합 — W33 (2026-08-10 → 2026-08-16)

Sources