Metaが30BエージェントをApache 2.0で公開。1枚のGPUで最大3.1倍速

Muse Glimmer は、Meta Superintelligence Labs が2026年8月10日に Apache 2.0 で公開した、300億パラメータのエージェント向けオープンウェイトモデルです。

📖 この記事で分かること

• Muse Glimmer の仕様とライセンスの要点
• 4bit量子化で20GB未満に収まる条件
• 投機的デコードによる速度向上の実測値
• 業務利用の前に確認すべき未公開事項

💡 知っておきたい用語

• 蒸留: 大きなモデルの判断の癖を小さなモデルに写し取る訓練方法。熟練者の手つきを見習いが真似て覚える流れに近い
• 投機的デコード: 小さく速いモデルに続きを先読みさせ、本体がまとめて正誤を判定する高速化の手法

最終更新日: 2026年8月11日

▶ 公式ページ

• Muse Glimmer 公式発表(Meta AI Research)
• meta-models/Muse-Glimmer-30B(Hugging Face)
• muse-glimmer(Ollama)

Muse Glimmer の発表内容

この記事のポイント

• Meta Superintelligence Labs が2026年8月10日、300億パラメータのエージェント向けモデル Muse Glimmer(2026年8月時点)を Apache 2.0 で公開しました。
• 約4bit量子化で言語モデル部が20GB未満に収まり、合計24〜32GB の VRAM で動作します。
• 投機的デコードにより RTX 5090 で3.1倍、M4 Max で1.5倍の高速化を公称しています。
• Hugging Face から即日入手できます。llama.cpp / MLX 向けの最適化統合は未提供です。

Meta Superintelligence Labs は2026年8月10日、エージェント用途に振ったオープンウェイトモデル Muse Glimmer を公開しました。300億パラメータの dense 構成で、ライセンスは Apache 2.0 です。同社の上位モデルであるMuse Spark から logit distillation で蒸留し、事前学習・中間学習を経て、教師ありファインチューニングと強化学習による後段学習を行ったと説明されています。

入力はテキストと画像のインターリーブに対応し、専用の perception encoder が画面キャプチャや図表を処理します。学習データは100言語超に及びます。機能面では、長い手順をまたぐ推論、ツール呼び出し、コード生成、失敗からの復帰、そして推論量そのものの制御が挙げられています。

サイズではなくレイテンシを設計している

今回の発表で技術的に効いているのは、パラメータ数の小ささよりも応答速度への作り込みです。

一般にローカル実行の話題は「1枚の GPU に載るか」というサイズの問題として語られます。Muse Glimmer も約4bit まで圧縮して言語モデル部を20GB 未満に抑え、単一のコンシューマ向け GPU や Mac で動く構成を取っています。ただしそれだけでは、エージェント用途の要件は満たしません。

エージェントは1つのタスクを終えるまでにモデルを何十回も呼び出します。ツールを叩き、結果を読み、次の手を決める往復が積み重なるため、1回の応答が遅いと全体が実用の域を外れます。Meta はここに DFlash ベースの drafter を使った投機的デコードを充て、RTX 5090 で3.1倍、M5 Max で1.8倍、M4 Max で1.5倍の高速化を示しました。収まることと使えることは別だという設計判断が、数字として出ています。

性能面では、DeepSearch QA、MCP-Atlas、τ-Bench、SWE-Bench といったエージェント・コーディング・マルチモーダル系のベンチマークでGemma4-31B や Qwen3.6-27B を上回るとしています。これはいずれも Meta 自身の公称値です。

入手方法と、まだ揃っていないもの

重みは Hugging Face の meta-models/Muse-Glimmer-30B から入手できます。実行環境としては Ollama と LM Studio、ホスティングとしては Together AI、Fireworks AI、OpenRouter が対応済みです。

一方で、llama.cpp、MLX、ExecuTorch 向けの最適化統合は「近日中」とされており、発表時点では提供されていません。Apple Silicon 上で MLX を前提に組んでいる環境や、llama.cpp 系のツールチェーンに載せる予定がある場合は、この対応を待つ判断もあり得ます。

また、公式発表にはコンテキスト長、学習データの詳細、蒸留元である Muse Spark 本体との性能差の具体的な数値、商用サポートの有無は記載がありません。これらは現時点で不明です。

ライセンスが業務利用に与える影響

Apache 2.0 での公開は、業務利用の可否判断を単純にします。従来 Meta のオープンモデルで使われてきた独自のコミュニティライセンスは、利用規模や派生物の扱いに条件が付く形式でした。Apache 2.0 は広く使われている許諾型のライセンスで、商用利用や改変、再配布の条件が明確です。法務確認のコストが下がる点は、社内検証を始める際の実務的な差になります。

ローカル実行という性質上、入力データが外部 API を経由しない構成を取れる点も、扱う情報に制約がある業務では検討材料になります。

編集部の見方

編集部は、今回の発表で最も注目すべきはライセンスの変更ではなく、投機的デコードによるレイテンシ設計だと見ます。

• 根拠1: 30B 級のオープンモデル自体は既に選択肢が複数あり、サイズだけでは差別化になりません。Meta が比較対象に挙げた Gemma4-31B、Qwen3.6-27B がまさにその層です。
• 根拠2: エージェントは1タスクあたりの推論回数が多く、応答速度が体感の実用性を直接左右します。3.1倍(RTX 5090)という数字は、この往復回数に対して効く性質のものです。
• 根拠3: 4bit で20GB 未満という圧縮と、drafter による先読みを同時に入れている点は、載せることと回すことを別の課題として扱った構成です。

この見方が変わる条件は、実運用のベンチマークが第三者から出てきた場合です。公称値はいずれも Meta 自身のものであり、量子化後の精度劣化やツール呼び出しの成功率が独立に検証されれば、評価の重心は速度から安定性に移ります。

よくある質問

Q: 手元の PC で動かすには何が必要ですか。

A: 約4bit 量子化時に言語モデル部が20GB 未満、合計で24〜32GB の VRAM が必要とされています。単一のコンシューマ向け GPU を搭載した PC、または Mac が想定環境です。

Q: 商用利用はできますか。

A: ライセンスは Apache 2.0 です。商用利用や改変、再配布の条件は同ライセンスに従います。ただし商用サポートの有無について公式発表に記載はありません。

Q: Muse Spark と比べてどの程度の性能ですか。

A: Muse Spark からの蒸留モデルであることは示されていますが、両者の性能差を示す具体的な数値は公式発表に含まれていません。

まとめ

Meta Superintelligence Labs は2026年8月10日、300億パラメータの Muse Glimmer を Apache 2.0 で公開しました。約4bit 量子化で20GB 未満に収め、投機的デコードで RTX 5090 上3.1倍の高速化を公称しています。載せられることと、エージェントの往復に耐える速度を出せることを別々に設計した点が今回の要点です。コンテキスト長や商用サポートの有無は未公表で、llama.cpp / MLX 向けの統合も発表時点では提供されていません。

【用語解説】

• dense モデル: 推論時にすべてのパラメータを使う構成。一部のみを使う MoE 型と対になる方式
• perception encoder: 画像を言語モデルが扱える形式に変換する処理部。画面キャプチャや図表の理解に使われる
• drafter: 投機的デコードで続きを先読みする小型モデル。本体はその候補をまとめて検証する

引用元:

• [1] Introducing Muse Glimmer: An Open Agentic Model That Runs on Your Device(Meta AI Research)
• [2] meta-models/Muse-Glimmer-30B(Hugging Face)
• [3] Meta is back with Muse Glimmer: local, agentic, multimodal, and open source(Hugging Face Blog)
• [4] Meta returns to open source with Muse Glimmer, an Apache 2.0 licensed 30B parameter AI model optimized for agents(VentureBeat)

この記事について: AI 支援で執筆、編集部が事実確認・編集しています。誤りや追加情報があれば Contact よりお知らせください。

同じく30B級のオープンウェイトモデルをApache 2.0で公開した事例は、以下の記事でも詳しく解説しています: