300億參數開放模型上線：Meta Muse Glimmer 讓消費級顯卡跑得動 AI 代理

8月10日，Meta正式發布新一代開放權重多模態模型Muse Glimmer，參數規模達300億，採用Apache 2.0授權——開發者可以自由下載、修改，甚至直接用於商業產品。這個模型是從Meta尚未公開權重的旗艦模型Muse Spark蒸餾而來，但刻意把硬體門檻壓到消費級顯卡也能負擔的程度：量化版本只需24GB顯示記憶體（VRAM），就能在一般個人電腦或Mac上，完整跑起AI代理（agent）任務，而且全程可以離線執行。

從旗艦模型蒸餾而來，把運算門檻壓到書桌上

Muse Glimmer之所以特別，在於Meta這次沒有把「開放」和「輕量」分開處理，而是同時端出兩種量化壓縮版本，讓使用者依照手上的硬體條件選擇，並公布了具體的推理速度與基準測試成績：

• K-Quant-Dynamic：需要32GB VRAM，效能平均只下降0.2%，幾乎等同完整版模型。
• K-Quant-17GB：進一步壓縮到24GB VRAM即可執行，效能平均降幅約1%，仍在可接受範圍。
• 推理加速：透過名為DFlash的塊擴散草稿機制，單次前向傳播可預測16個token；RTX 5090經最佳化後達每秒233.4個token，是基礎速度的3.1倍，Apple M5 Max則達每秒50.2個token。
• 代理能力基準：MCP Atlas測試得分75.5，優於同量級的Gemma4-31B（54.2分）與Qwen3.6-27B（62.5分）；AIME 2026數學測試達94.7分，SWE-Bench Pro軟體工程評測得51.2分。
• 弱項：桌面操控任務OSWorld得分65.9，落後Qwen3.6-27B的75.6分，顯示這並非一個全能模型。

Meta把Muse Glimmer定位為可離線運作的多語言代理，支援文字與圖像輸入，涵蓋上百種語言，應用場景包括排程管理、文件整理、程式碼撰寫與除錯，以及需要跨步驟操作的複合任務。對必須確保資料不離境、或本身就缺乏穩定網路環境的產業而言，這樣的組合格外實際：醫療機構有病患隱私合規需求，法律事務所有客戶保密義務，國防與製造現場則往往連基本的網路連線都不穩定。

祖克柏的宣言，與仍鎖在API後面的旗艦模型

發布當天，執行長祖克柏同步發出一封長篇宣言，把開放權重路線包裝成個人賦權的主張：他認為這有可能開啟個人賦能的新時代，讓每個人都能運用這項強大的新能力發揮自身潛力；個人AI代理將全天候運作，協助改善使用者的人際關係、健康、職涯、財務、居家管理與興趣愛好，而且要讓所有人都能免費或以低廉的價格取得。他也在同一天直接呼籲美國政府放寬對開源AI的監管。根據TechCrunch旗下Equity節目主持人Kirsten Korosec、Anthony Ha與Rebecca Bellan的分析，這套「AI屬於每個人」的說法有其但書：Meta真正性能更強的旗艦模型Muse Spark，目前仍鎖在自家API之後，並未一併開放。

這也不是Meta第一次在開放與封閉之間搖擺。去年底，公司內部一度傾向用代號「Avocado」的專有模型取代Llama路線，當時祖克柏給出的理由是開源風險太高。如今他重新舉起開放旗幟，某種程度上是因為Llama系列為Meta建立起的開發者生態已經被證明有效。Meta同時預告，數週內將進一步開放規模更大的旗艦模型Muse Spark 1.2的權重，屆時是否真的兌現，才會是檢驗這次「開放」究竟是策略轉向、還是又一次搖擺的真正時刻。

對台灣企業與開發者的意義

對台灣而言，這則消息的意義不只是又多一個開放模型可以下載。台灣同時是全球半導體與PC硬體供應鏈的樞紐——從晶圓代工到顯示卡、個人電腦品牌一應俱全，也長期是AI研發能量密集的地區。一個只需24GB VRAM、消費級顯卡就能承載的AI代理模型，意味著本地企業不必依賴雲端API或高階伺服器，就有機會在自有硬體上跑起完整的代理應用，這對重視資料不外流、或需要離線作業環境的產業（例如醫療、法律、製造）尤其有吸引力。對台灣的系統整合商與軟體開發者來說，Apache 2.0授權也代表可以直接把模型嵌入商業產品，而不必卡在授權費用或使用限制上——能不能把握這個視窗，將取決於本地團隊能多快把開放權重轉化為實際可用的落地方案。