Meta、30BパラメータのローカルAIエージェントモデル「Muse Glimmer」をOSS公開
原題: Meta Muse Glimmer – open weights 30B local coding model
なぜ重要か
クラウド非依存のローカル動作型30Bエージェントモデルのオープン公開は、プライバシー重視の企業向けAI活用やエッジデバイス展開の加速につながる重要な節目となる。
Metaは2026年8月10日、Meta Superintelligence Labsが開発した300億パラメータのローカル動作型AIモデル「Muse Glimmer」を発表し、Apache 2.0ライセンスのオープンウェイトとしてHugging Faceで公開した。Mac・PCの単一コンシューマGPUで動作し、ローカルエージェント・コーディング・関数呼び出しなどのユースケースに対応する。
MetaはMeta Superintelligence Labsが開発した300億パラメータのモデル「Muse Glimmer」を発表し、Apache 2.0ライセンスのオープンウェイトとしてHugging Faceで公開した。同モデルはインターネット接続不要で常時稼働するローカルエージェントワークフローに最適化されており、一般的なコンシューマ向けGPUを搭載したMacまたはPCで動作する。
主な用途はローカルエージェント、関数呼び出し、コーディング支援、LLM-as-a-judge評価など。llama.cpp、MLX、ExecuTorchへの最適化統合も数日以内に提供予定であり、開発者がダウンロードから自作エージェントの稼働まで数分で開始できる環境を整える。
トレーニングは3フェーズで実施された。まず「プレトレーニング」では、より大規模な教師モデルである「Muse Spark」の出力をロジット蒸留で学習した。続く「ミッドトレーニング」では、より長いコンテキストやエージェント寄りのデータに豊富な推論トレースを加えてトレーニング。「ポストトレーニング」では教師あり微調整（SFT）と、オンポリシー蒸留・強化学習を組み合わせて汎用・推論・コーディング・エージェントの各ドメインで仕上げた。
エージェント能力として、エンドツーエンドのタスク完了（DeepSearch QA、MCP-Atlas、τ-Bench、SWE-Benchでの評価）、信頼性の高いツール呼び出し、長期的な多ステップ推論、ツール呼び出し失敗時のエラー診断・回復を重視して設計されている。また、同社の「Advanced AI Scaling Framework」に基づく安全評価を経てオープンウェイト公開が承認された。