Muse-Glimmer-30B

מה זה

מטא בנתה את הדגם הזה סביב רעיון מרכזי אחד, תפעול סוכנים מקומיים בלי תלות ברשת. הוא משלב מקודד ראייה ייעודי של 1.8 מיליארד פרמטרים יחד עם מודל שפה, ותומך בקלט מעורב של טקסט ותמונות. במקום לעצור כשפקודת קוד נכשלת או כלי מחזיר שגיאה, הוא אומן לזהות את הבעיה, לתקן את הקריאה ולנסות שוב במסגרת זרימות עבודה ארוכות.

במבחנים שבודקים ביצוע משימות שלמות כמו MCP Atlas או DeepSearch QA, הוא עוקף מתחרים בגודל דומה כמו Gemma4-31B ורושם תוצאות חזקות בעבודה מול סביבות פיתוח ופונקציות. עם זאת, הוא לא מוביל בכל תחום. במשימות מערכת הפעלה לפי OSWorld ובווריאציות מסוימות של SWE-Bench, דגמים מתחרים כמו Qwen3.6-27B עדיין מציגים ביצועים עדיפים.

מתאים ל

• סוכן תיקון קוד מקומי

  מתאים לפתרון באגים במאגרי קוד ללא הוצאת מידע לרשת, בזכות יכולת התאוששות משגיאות ריצה.

• אוטומציית ממשק מבוססת צילום מסך

  שילוב מקודד הראייה מאפשר לפענח צילומי מסך וטבלאות ולהפעיל פונקציות מתאימות במערכת.

• שופט אוטומטי לתשובות מודלים

  גודל של 30 מיליארד פרמטרים עם דירוג חשיבה מתכוונן מאפשר להריץ הערכות איכות מקומיות.

איפה זה נופל

הנקודה החלשה של המודל היא עמידות בפני מתקפות אבטחה בסוכנים. במבחן CI Memories הוא רשם 26.4 אחוזי הפרה, ובמבחן Siren AgentDojo שיעור ההצלחה של תקיפות הגיע ל־28.4 אחוזים, שזה נתון שמחייב מנגנוני הגנה חיצוניים לפני שנותנים לו גישה למערכות אמיתיות. בנוסף, אף שהוא אומן על מעל מאה שפות, הביצועים שלו לא נבדקו בכולן ועלולים להישחק בשפות משניות, ובמשימות ידע כימי וביולוגי כמו MBCT הוא מפגר משמעותית אחרי המתחרים הישירים שלו.

אותה משפחה

Muse-Glimmer יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

איך מריצים

המשקל המלא שוקל 55.5 גיגהבייט ודורש חומרה של 64GB זיכרון גרפי כדי לעבוד ללא כיווץ. המפתחים שחררו גם גרסאות מקווצות ב־4 ביט, שמאפשרות להריץ אותו יחד עם זיכרון ההקשר ומודל טיוטה קטן על כרטיסים של 24GB או 32GB, כמו RTX 5090 או מחשבי מק עם שבבי M4 ו־M5 Max.

ההרצה נעשית דרך transformers, llama.cpp או ExecuTorch, תוך שימוש במודל שרטוט ייעודי בשם DFlash שמאיץ את ייצור הטוקנים בעזרת ניחוש מקבילי. אם אין לכם חומרה כזו עם מספיק זיכרון מהיר ופנוי, החזקת השרת הזה בענן פרטי תהיה יקרה בהרבה משימוש ב־API חיצוני של ספק אחר.

from transformers import pipeline

pipe = pipeline("image-text-to-text", model="meta-models/Muse-Glimmer-30B")
print(pipe("שלום"))

הקבצים

13 קבצים במאגר, 55.5 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• model-00001-of-00002.safetensors50.0 GB
• model-00002-of-00002.safetensors9.6 GB
• tokenizer.json28.1 MB
• model.safetensors.index.json132.7 KB
• tokenizer_config.json79.9 KB
• README.md16.9 KB
• LICENSE11.4 KB
• chat_template.jinja10.0 KB
• USAGE_POLICY.md5.2 KB
• config.json5.1 KB
• .gitattributes1.6 KB
• processor_config.json1.1 KB
• generation_config.json202 B

הרישיון

הרישיון הוא Apache 2.0 מלא. אפשר להשתמש במודל לצרכים מסחריים ומחקריים, לשנות אותו, להפיץ אותו ולשלב אותו במוצרים סגורים, כל עוד שומרים על הודעות זכויות היוצרים והרישיון המקורי. השימוש אינו מוגבל בתשלום תמלוגים, אך כפוף לציות לחוקי יצוא ומגבלות גיל שמצוינות במסמכי השימוש.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש
• שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗