让 AI 替你整理文件、看图，再连续调用工具完成一项长任务，通常要依赖云端。Meta 的 Muse Glimmer 30B 想把这类“智能体”工作搬到个人设备上：模型约有 300 亿个参数，针对持续运行的本地 Agent 工作流优化。端侧运行能减少网络依赖，也让数据留在本地，但会受到设备内存和算力限制。
据 Meta 介绍，Glimmer 采用 Apache 2.0 许可并开放权重——开发者可以下载模型的核心参数，自行部署或调整。它能读取文本和图像，默认上下文窗口为 128K Token，也就是一次可处理较长的输入；设计目标是在 Mac 或单张消费级 GPU 上运行。
Meta 称，该模型由 Muse Spark“蒸馏”而来，即让较小模型学习更大模型的能力，并重点训练了连续调用工具、执行长任务和失败后恢复。值得关注的不是它要争夺综合能力第一，而是 Meta 正继续押注可下载、可本地运行的 Agent 模型；不过现有材料没有披露具体设备配置、内存占用或独立测试结果。