Signals · AI Tech Radar

Model · 2026-10-15Immediate attention

Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta

Why it matters这是目前开放权重阵营里体量最大的多模态 MoE 模型之一，且明确面向智能体编码训练，意味着团队可以在自己的基础设施上评估一个能同时读代码、截图和录屏的模型。但它把部署门槛推到了多节点 H200 或单节点 B200 的量级，选型时必须先算显存与许可，而不是只看激活参数。

For 评估自托管开放权重模型的基础设施与平台团队、做编码智能体、需要多模态输入的工程团队

Model · 2026-08-21Worth tracking

Muse Glimmer 开源：30B 压进消费级显卡，报错不停下

Meta 发布 Muse Glimmer：300 亿参数、Apache 2.0 开放权重，专为常驻本地的智能体工作流设计。4 位动态量化把 55GB 以上的显存需求压到 17 至 20GB，配合 DFlash 推测解码在 M5 Max 与 RTX 5090 上把吞吐提到最多 3.1 倍。真正值得注意的不是尺寸，而是它把「工具调用失败之后怎么办」写进了训练目标：API 或终端命令报错时，模型诊断故障并另找路径，而不是终止执行。

Why it matters端侧智能体此前的瓶颈不是「能不能装下」，而是「装下之后还剩不剩得下上下文」。Muse Glimmer 把量化、推测解码和感知编码器的内存开销一起算进了 24 至 32GB 这个消费级预算里，并且首日就有 llama.cpp、MLX、Ollama、vLLM 等运行时支持——这让「本地跑一个能用的智能体」第一次不需要先做一轮工程适配。

For 在自己机器或工作站上跑智能体、不想把数据交给云 API 的开发者、需要为 24 至 32GB 显存预算选模型的端侧工程师

Platform · 2026-08-12Worth tracking

Meta 重回开放权重：一封长文、一个独立董事会，和一组本地部署的数字

Muse Glimmer 以 Apache 2.0 开放权重的同时，Meta 宣布重回开放路线：扎克伯格发表长文反对能力集中，公司设立独立董事会逐项审核每次模型发布，并披露了让本地部署成立的量化与推测解码数字。Muse Spark 1.2 的权重据称随后开放。

Why it matters开放权重这次带着两样东西一起来：一组让消费级设备真的跑得动的工程数字，和一个把发布决定从 CEO 手里拿走的治理安排。后者能不能算数，要看它否决过什么。

For 在做开源与闭源模型选型的技术决策者、关注本地部署可行性的工程团队

Model · 2026-08-10Worth tracking

Meta is back with Muse Glimmer: local, agentic, multimodal, and open source

Meta released Muse Glimmer, a 30B multimodal model distilled from Muse under Apache 2.0, designed for local agentic use, with day-0 support across transformers, llama.cpp and vLLM.

Why it matters开放权重的智能体模型第一次把「本地跑得动」和「工具调用够强」做进了同一个 30B 模型，而且它公开承认自己在桌面与终端操作上落后——这让选型可以按任务形状做，而不是按总分做。

For 在本地或私有环境部署智能体的工程团队、正在评估开放权重能否替代闭源 API 的技术决策者