2026年8月10日，Meta旗下超级智能实验室（Superintelligence Labs）正式发布开源模型Muse Glimmer，以约296亿参数、Apache 2.0协议的形态登陆Hugging Face。这是Meta在Llama 4之后16个月以来首次公开权重，也是首次使用OSI认可的Apache 2.0协议。模型针对”常驻本地运行的智能体工作流”设计，4-bit量化后体积控制在20GB以内，可装入24GB显存的消费级显卡——RTX 4090、RTX 5090或M3 Max及以上的Mac都能直接加载。Musk说”AI的未来是开源的”，而扎克伯格这次的6500字长文首次把Meta自身的研发节奏押回到这一战线上。
Apache 2.0才是真正的头条
比起参数规模，这次开源协议的变化更具商业意义。此前Meta的Llama系列使用带月活门槛的自定义社区许可，商用部署往往需要法务介入。Muse Glimmer的Apache 2.0许可允许直接嵌入商业产品、无需授权、无使用上限，意味着企业可以把模型当作基础设施组件来部署。开发社区的反应也证实了这一点：模型卡上线24小时内，Hugging Face出现96个衍生仓库，主仓半天攒下766个赞；Ollama、Unsloth、MLX社区同步发布量化与推理版本；Hacker News主帖冲上1050分、583条评论，热度在2026年的模型发布里算顶流。
Meta同时承诺，未来数周内将公开旗舰Muse Spark 1.2的权重，进一步抬高Meta在开放权重阵营的筹码（来源：Hugging Face官方发布页、MarkTechPost报道）。
单卡可跑：从”云端调用”到”本机代理”的分水岭
全精度状态下300亿参数模型需要超过55GB显存，消费级硬件根本装不下。Meta随发布提供了两个4-bit量化版本：K-Quant-Dynamic面向32GB显存，平均精度损失0.2%；K-Quant-17GB面向24GB显存，平均损失1.0%。DFlash投机解码器是另一个关键——它用5层、32查询头的小型drafter单次前向预测16个token的整块内容，主模型再并行验证。官方在RTX 5090上测出解码速度从74.9 tok/s跃升至233.4 tok/s（3.1倍），苹果M5 Max上从26.6 tok/s到50.2 tok/s（1.8倍）。架构层面采用”局部×3+全局”的循环注意力模式，配合分组查询注意力控制KV缓存开销，131072 token上下文下KV缓存占用约1.8GB。这意味着模型可以常驻本地，无网络依赖地处理日程管理、文件整理、邮件草拟这类长生命周期的智能体任务。模型知识截止日为2026年1月4日，覆盖100种以上语言，并支持low、medium、high、xhigh四档推理强度调节。
与传统聊天气量量化策略不同，Meta在训练流程上做了三段式设计：预训练阶段用Muse Spark的logit做蒸馏，中间训练阶段注入长上下文智能体数据与推理轨迹，后训练阶段则把SFT与on-policy强化学习结合；训练数据覆盖通用、推理、代码与智能体四类任务。这意味着模型从一开始就为”调工具—读结果—改步骤—修复失败”的多步循环设计，而不仅仅是一问一答。
智能体基准领先：工具调用强，但桌面控制仍有差距
Meta官方的对照测试只跑了同尺寸的Gemma4-31B和Qwen3.6-27B，结果呈现明显的”分工胜负”：MCP Atlas 75.5（对比Gemma4-31B 54.2、Qwen3.6-27B 62.5）、DeepSearch QA 74.6、Gaia2 43.3、SWE-Bench Pro 51.2、AIME 2026 94.7、IFBench 77.0，均为Glimmer领先；多步工具编排与代码定位确实是模型的强项。但翻到另一面，OSWorld-Verified 65.9（Qwen3.6-27B 75.6）、TerminalBench 2.1 51.7（Qwen 60.7）、SWE-Bench Verified（Qwen 77.2）说明桌面GUI控制与终端会话能力仍弱于Qwen。模型自己也在Siren AgentDojo上承认28.4%的提示注入成功率（效用分94.2）——把权限交给本机代理之前，安全团队需要把这些攻击面纳入设计。这张胜负图让Muse Glimmer的真实定位变得清楚：它是”常驻本地、可调用工具、能调度自己的进程”的工作型代理，但在需要直接接管屏幕与终端的场景里，Qwen3.6-27B仍更合适。
Artificial Analysis Intelligence Index给出的综合分为35，比Llama 4 Maverick提升21分——不过同期Qwen3.6-27B在GDPVal-AA上以953分领先Glimmer，对应”知识工作”类任务仍有差距（来源：The Agent Report）。
扎克伯格6500字长文：开放权重是美国的战略资产
发布当天，扎克伯格同步推送一篇6500字的”The Future is for Everyone”宣言，核心论点很直接——过去16个月，开放权重阵营完全由中国实验室主导（DeepSeek、阿里Qwen、Kimi），Meta要让”美国开放生态”重新拥有重量级选手。Bloomberg、TechCrunch、The Decoder都对这一表态做了独立报道。宣言外，Meta还承诺稍后将公开更大型的Muse Spark 1.2权重，目前该旗舰仍是闭源。这一表态与Llama 4时代”美化基准未交付最大版本”的争议形成对比，也是Meta为重建可信度做出的让步。Muse Glimmer亦在Meta自有的Advanced AI Scaling Framework下做过评估，化学生物、赛博、失控三类风险均判定为中等及以下，未达到Frontier AI门槛，因此才得以开源释放。
Meta还在同一周做了人事与组织调整：Mark Chen升任首席AI官直接执掌前沿模型，与扎克伯格保持产品节奏同步；Superintelligence Labs与GenAI两个部门的人员合并，减少内部路线冲突。这一系列动作说明Meta把”开源权重 + 本地代理”作为下半年的明确战略轴心。
端侧代理赛道的真正赛点
Muse Glimmer不会改变万亿参数前沿模型的格局，但它划定了一条新分界线：当云端模型继续卷参数、卷上下文时，本地硬件需要的不是缩小10倍的”玩具模型”，而是经过旗舰蒸馏、专门优化工具调用的常驻代理。Liquid AI 8月4日发布的LFM2.5-2.6B与Muse Glimmer构成同一方向的双轨道，前者主打手机端超低延迟，后者主打PC/Mac的全功能代理。开源模型阵营如何继续守住”端侧”这一战线，将是Qwen 4.0、Kimi K3 Pro开源版的下一轮攻防重点。可以预见，Devin、Manus、Claude Code、Cursor这类远程Agent产品在下一步迭代中会把”本地代理”列为可选执行环境，而Apache 2.0的门槛优势，正是这种部署模式能落地的法律前提。
主要信息来源：Meta AI Research官方公告、Hugging Face模型卡、MarkTechPost（2026-08-10）、Hacker News主帖（1050分/583评论）、Bloomberg、TechCrunch、The Decoder报道。
