Metaが8月10日、Muse Glimmerを公開した。30Bパラメータの重みをApache 2.0で出し、コンシューマ向けのGPU1枚かMacで動くと説明している。クラウドの向こうにあったものが、自分の部屋の机の上に降りてくる話だ。ただし降りてくるものには、それなりの受け皿が要る。何がどこまで手元に来るのかを、値段ごと見ておきたい。
何が配られたのか
モデルカードによればパラメータは約29.6B、コンテキストは131,072トークン以上。狙いは「止まらないエージェント」だと明記されている。確実な関数呼び出し、再起動をまたいで残る状態、数時間に及ぶセッションを自分で管理する記憶——うたわれているのは、賢さより持久力のほうだ。
ベンチマークも公開されている。コーディング課題のSWE-Bench Verifiedで76.0、道具の使い分けを見るMCP Atlasで75.5。数字そのものより、この規模のものが手元で動く前提で出されている点が新しい。
ライセンスはApache 2.0だが、無条件ではない。モデルカードには利用ポリシーが適用されること、18歳未満による入手を想定していないことが書かれている。
「手元で動く」の受け皿
Metaの説明が率直で面白い。30Bのモデルをそのままの精度で動かすと55GB超のメモリが要る——コンシューマ向けGPUのどれもが持っていない量だ、と書いている。
そこで重みを4ビット程度まで圧縮する。言語モデル部分が20GB未満に収まり、画像を扱う部分と後述の先読み機構を合わせても、24GBか32GBの枠に入る。圧縮による精度低下はエージェント的な課題では「最小か、ほぼ無い」と説明されている。
もう一段の工夫が速度側にある。DFlashという小さな「下書き役」を同梱し、16トークンをまとめて予測させて本体に検証させる。これで生成速度がRTX 5090で3.1倍、M5 Maxで1.8倍、M4 Maxで1.5倍になったとしている。
名前が挙がっている機械を見ればわかる。RTX 5090、M4 Max、M5 Max。24GBか32GBを積んだ、それなりの構成だ。「1枚のGPUで動く」は「安く動く」とは違う。ここが、この技術を手元に置くときの最初の値段になる。
ローカルが買うもの、買わないもの
では、その受け皿を用意して何が手に入るのか。Metaはこう書いている。予定を管理し、メッセージを下書きし、ファイルを整理し、自分の働き方を学ぶエージェントは、個人的な文脈への深いアクセスを必要とする、と。
つまり、便利にするほど手渡す中身は増える。手元で動かすというのは、その中身を自分の機械の中に留めるという選択だ。あわせて、回線の有無にかかわらずいつでも使えるとも書かれている。
買わないものもはっきりしている。モデルカードには、不正確だったり偏っていたり不快だったりする応答をしうると書かれている。そして現実世界の操作を伴うエージェント用途では、利用者の側で追加の防護を実装する必要があるとも書かれている。手元に置いても、判断の責任まで一緒に降りてくるわけではない——むしろ、監督する人が自分しかいない状態になる。
どの仕事なら、手元に戻すか
置き場所を選べるようになると、選んでいないことが選択になる。
判断の材料は3つに絞れる。外に出したくない中身を扱う仕事はどれか。回線が切れても続いてほしい仕事はどれか。そして、間違えたときに自分で気づける仕事はどれか。3つ目が抜けると、常時動く相手を無人で走らせることになる。
受け皿の値段は機械の値段としてはっきり出る。監督の手間のほうは、請求書には出てこない。あなたなら、どの仕事を自分の机の上に戻すだろうか？
参照
- Muse Glimmer モデルページ（30B・Apache 2.0・単一のコンシューマGPUまたはMac・「止まらないエージェント」向けの設計・SWE-Bench Verified 76.0 / MCP Atlas 75.5 ほかベンチマーク） — Meta 開発者向けサイト
- 技術解説（フル精度では55GB超が必要・4ビット量子化で20GB未満・24GB/32GBの収容枠・精度低下は「最小かほぼ無い」・DFlashで3.1倍/1.8倍/1.5倍・ローカル実行と個人的文脈の関係） — Meta AI Research 公式ブログ（2026年8月10日）
- モデルカード（約29.6Bパラメータ・131,072以上のコンテキスト・4ビット量子化2種と対象VRAM・DFlashの16トークン先読み・利用ポリシーと18歳未満の非対象・現実世界の操作には追加の防護が必要との注意） — Hugging Face
