Meta 發布了 Muse Glimmer，這是一款擁有 300 億參數的稠密模型，專為在消費級硬體上運行全天候本地智能體工作流程而優化。該模型以 Apache 2.0 許可證開放權重，允許用戶在 Mac Mini 或 PC 等設備上完全執行複雜的多步驟智能體任務。
此次發布標誌著 AI 從依賴資料中心轉向便攜式高效運算的重要轉變，有望結束企業應用對龐大伺服器的需求。透過在消費級裝置上實現高性能智能體工作流程，Meta 降低了自託管的門檻，並減少對雲端基礎設施的依賴。
Muse Glimmer 具備超過 120K 的上下文視窗，並採用稠密架構，每處理一個 token 即激活所有參數，確保長跨度任務的可預測延遲和高可靠性。該模型在推理、編碼和智能體領域結合了監督微調、線上知識蒸餾和強化學習進行訓練。
事件背景
開源權重模型允許開發者下載並在本地運行 AI 模型，與基於 API 的服務相比，提供了更高的隱私性和控制權。智能體工作流程涉及能夠自主規劃、執行多步驟任務並使用工具的 AI 模型，這傳統上需要大量的運算資源。像這種 300 億參數的小型稠密模型趨勢，旨在平衡性能與消費級硬體記憶體限制的矛盾。
社群觀察
社群成員對本地部署的潛力感到興奮，有使用者成功在 Mac Mini 上使用 Ollama 運行該模型，但指出推理速度較慢。人們期待即將推出的競爭對手如 Qwen3.8 和 Muse Spark 1.2，同時也有人猜測這種轉變可能透過將 AI 移動到「小型便攜大腦」來顛覆資料中心的建設潮。
