Meta 发布 Muse Glimmer 开源权重模型
Simon Willison··作者 Simon Willison
关键信息
这篇文章称 Muse Glimmer 在 DeepSearch QA、MCP-Atlas、𝛕-Bench 和 SWE-Bench 等完整任务基准上表现不错，这些基准用于评估真实工作流中的端到端任务完成能力。文中还提到它是一个视觉模型，Simon Willison 指出其 18.16 GB 版本在内存达到 32 GB 或以上的机器上可以较为轻松地运行。
资讯摘要
2026 年 8 月 10 日，Simon Willison 通过一篇简短的链接博客介绍了 Meta 发布的 Muse Glimmer。 他把这次发布描述为 Meta “重新回到开放权重阵营”，并特别强调该模型采用的是干净的 Apache 2.0 许可，而不是早期 Llama 那种更麻烦的授权方式。 Muse Glimmer 是一个 30B 模型，Meta 号称它就是为 Willison 这类本地模型使用场景优化的。 这些优化重点主要包括三方面：端到端的智能体任务完成、可靠的工具调用，以及多步推理。 文章提到 DeepSearch QA、MCP-Atlas、𝛕-Bench 和 SWE-Bench 等基准，用来说明它在多轮、长流程任务以及代码相关任务上的能力。
Willison 还在本地用 LM Studio 试用了该模型，生成了一张 pelican 图片，并在一个全新的 Datasette 仓库上用 llm-coding-agent 插件测试了“how does auth work?” 这个提示。 他表示，这次运行产生了一段很长的工具调用过程，模型通过这些调用逐步探索了代码库。 他还指出，LM Studio 中约 18.16 GB 的版本在 32 GB 或更大内存的机器上运行比较轻松，仍然能给其他应用留出空间。 最后，文章说明 Glimmer 也是一个视觉模型，Willison 用一张鸟类照片让它进行图像描述，以展示其多模态能力。
资讯正文
2026年8月10日 - Link Blog
介绍 Muse Glimmer（via）：Meta 又回到了开源权重的赛道！Muse Glimmer 是一款全新的 30B 模型，采用干净的 Apache 2.0 许可证（相比过去那些别扭的 Llama 许可证，这是一次升级）。
他们声称，已经把它优化成了正好符合我对本地模型需求的那种东西：
端到端 Agentic 任务完成。Muse Glimmer 在包括 DeepSearch QA、MCP-Atlas、𝛕-Bench 和 SWE-Bench 在内的完整任务基准上取得了很高的成功率，这些基准衡量的是它在脚手架环境中工作的能力、编写和调试代码的能力，以及从头到尾解决多轮请求的能力。可靠的工具使用。该模型能够处理广泛的函数调用，在整个扩展工作流中以精确的 schema 调用工具。多步推理。Muse Glimmer 在长时间跨度上串联推理，在复杂而漫长的工作流中保持连贯的计划。［……］
端到端 Agentic 任务完成。Muse Glimmer 在包括 DeepSearch QA、MCP-Atlas、𝛕-Bench 和 SWE-Bench 在内的完整任务基准上取得了很高的成功率，这些基准衡量的是它在脚手架环境中工作的能力、编写和调试代码的能力，以及从头到尾解决多轮请求的能力。
可靠的工具使用。该模型能够处理广泛的函数调用，在整个扩展工作流中以精确的 schema 调用工具。
多步推理。Muse Glimmer 在长时间跨度上串联推理，在复杂而漫长的工作流中保持连贯的计划。［……］
这是我用 LM Studio 的 18.16 GB 版本模型生成的一只鹈鹕：
我还用自己的 llm-coding-agent 插件试了一下，在一个全新的 Datasette 检出版本上运行，提示词是：
auth 是怎么工作的？
auth 是怎么工作的？
这是回复内容，位于一段很长的转录末尾，转录展示了它为探索代码库而发出的所有工具调用。我是用 llm-lmstudio 运行的，并应用了这个补丁以升级其兼容 LLM 0.32 的能力。
我非常喜欢这种大小的模型，因为如果一台机器有 32 GB 或更多内存（我的有 128GB），就会留出足够空间同时运行其他应用程序。
Glimmer 是一个视觉模型，所以我让它描述这张图片：
llm -m lmstudio/meta/muse-glimmer -a https://static.inaturalist.org/photos/714731804/large.jpg 'describe image'
这是我得到的结果：
这张照片显示的是一个多岩石、类似防波堤的海岸线，拍摄于阴天，平滑的灰色水面在背景中延伸，远处隐约可见一条码头/栈桥线条，背景被柔化处理。
前景中，两只大型褐鹈鹕（Pelecanus occidentalis）栖息在杂乱堆叠的灰白色石块上。它们具有该物种特有的长而向下弯曲的黄橙色喙和宽大的喉囊，脖颈细长，背部和翅膀呈斑驳的棕灰色羽毛。左边那只鹈鹕身体略微朝向镜头，看起来正在梳理羽毛，或者用喙抵在胸前休息；其头顶和后颈可见一块浅色、近乎白色的斑块，头顶还有一小撮羽冠竖起。右边那只鹈鹕则大体朝前/右方，头抬起，喙向下并朝右，头部同样带有浅色斑纹，带横斑的较深色翅羽也清晰可见。
围绕这两只鹈鹕脚下的岩石间，还散落着几只小得多的深色鸟——外形类似鸥类/燕鸥类，羽色为低调的棕灰色。其中一只深色鸟停在最左侧的一块岩石上，另一只偏棕色的鸟站在右边那只鹈鹕的右侧，一只带红色喙的灰色鸟位于右下角前景，画面最右边缘还有一只更小的深色鸟。
整体光线平淡而柔和，使水面和天空呈现出克制、近乎单色的色调，与纹理分明的岩石以及鹈鹕细致的羽毛形成对比。构图将这两只大鸟置于主导位置，在平静的水面和低矮的岩石栖处前形成框景。
现在我们有了一份关于 OpenAI 对 Hugging Face 的那次意外攻击的时间线 —— 2026年8月7日
使用 Claude Fable 5 一击通关《Raccoon Heist》游戏 —— 2026年8月5日
新增的 LLM 版本加入了对 reasoning traces、OpenAI Responses、服务端工具以及更智能日志记录的支持 —— 2026年8月4日
这是一篇由 Simon Willison 发布的链接文章，发表于 2026年8月10日。
来源与参考
收录于 2026-08-12