Muse-Glimmer-30B-GGUF

קוד פתוח

unslothapache-2.02026-08-10

transformers
gguf
unsloth
meta
image-text-to-text

מודל ראייה ושפה קומפקטי מבית מטא שזוקק במיוחד לעבודה מקומית של סוכנים אוטונומיים. הוא משלב הפעלת כלים, ניתוח תמונות והתאוששות משגיאות בחבילה אחת שמתאימה לחומרה ביתית חזקה.

295 GBמשקל הקבצים
1,075,366הורדות בחודש
522לייקים

מה זה

מטא תכננה את המודל הזה כגרסה מזוקקת של Muse Spark, עם דגש ברור על ריצה מקומית בלי תלות ברשת. הוא כולל מודל שפה של כמעט 30 מיליארד פרמטרים לצד מקודד ראייה ייעודי של 1.8 מיליארד פרמטרים, מה שמאפשר לו לנתח צילומי מסמכים, תרשימים וסביבות עבודה ויזואליות תוך כדי ריצת תוכנה.

החוזק שלו מתבטא בעיקר במשימות סוכנים רב-שלביות ולא רק בצ'אט רגיל. במבחנים כמו MCP Atlas שבודק חיבור לכלים הוא מגיע לציון 75.5, ובמבחן SWE-Bench Pro לכתיבה ותיקון קוד הוא משיג 51.2, פערים ניכרים מול מודלים מתחרים באותו סדר גודל כמו Gemma4-31B. הוא גם מציע שליטה על כמות המחשבה המוקדמת באמצעות הגדרת רמות חשיבה בפרומפט, כך שאפשר לתעדף מהירות או עומק ניתוח לפי הצורך.

מתאים ל

סוכן בדיקות ותיקון קוד
הוא מריץ פקודות מסוף, מזהה שגיאות פלט ומבצע תיקוני באגים בצורה עצמאית על המחשב.
ניתוח מסמכים ותרשימים מקומי
מקודד התמונה המובנה מאפשר לו לקרוא מסמכים וגרפים בלי לשלוח מידע רגיש לשרתים חיצוניים.
סוכני שיחה מבוססי כלים
הוא מטפל ברצף ארוך של קריאות לפונקציות ומתאושש לבד מתשובות שגויות של ממשקי תוכנה.

איפה זה נופל

במשימות של שליטה במערכות הפעלה מורכבות המודל מפגר אחרי חלופות כמו Qwen3.6-27B, ובמבחני ידע מדעי כמו ביולוגיה וכימיה הוא מקבל ציונים נמוכים משמעותית ממתחריו. בנוסף, אף שהוא אומן על מעל מאה שפות, הביצועים שלו לא נבדקו בכולן ואיכות העברית עלולה לרדת במשימות מורכבות. המודל גם אינו תומך בווידאו או באודיו ומעבד קובצי וידאו רק כרצף תמונות בודדות.

שאלות
נפוצות

האם אפשר להריץ אותו על מחשב נייד רגיל ללא כרטיס מסך ייעודי?

לא. המודל שוקל עשרות גיגה-בייט ודורש לפחות 24 גיגה-בייט זיכרון מאוחד או זיכרון גרפי כדי לעבוד בקצב סביר. מחשב נייד סטנדרטי ייחנק תחת העומס.

האם המודל תומך בעיבוד וידאו או הקלטות קוליות?

הוא אינו תומך באודיו כלל, וקובצי וידאו אינם מעובדים כווידאו אמיתי אלא מפורקים לפריימים נפרדים שנכנסים כמערך תמונות בודדות למקודד הראייה.

איך מריצים

הריצה מתבצעת דרך ספריות כמו Unsloth או llama.cpp באמצעות קובצי GGUF מכווצים. כדי להריץ את גרסת ה־4 ביט המלאה יחד עם מודל החיזוי DFlash ומקודד התמונה, תצטרכו כרטיס מסך עם 24 או 32 גיגה-בייט זיכרון, כמו כרטיס RTX 5090 שבו הוא מייצר מעל 230 טוקנים לשנייה, או מחשבי מק עם שבבי M4 Max ו־M5 Max שמגיעים לעשרות טוקנים לשנייה.

אם אין לכם כרטיס מקומי עם 24 גיגה-בייט זיכרון גרפי פנוי לפחות, או אם המטרה היא להריץ תעבורה גדולה של פניות במקביל, אין טעם להילחם בחומרה המקומית ועדיף לשלוח בקשות לשירותי ענן.

ollama run hf.co/unsloth/Muse-Glimmer-30B-GGUF:Q5_K_M

איזו גרסה

אותו מודל בכמה רמות דחיסה. ככל שהמספר נמוך יותר הקובץ קטן יותר ורץ על פחות זיכרון, והתשובות נהיות פחות מדויקות. רוב האנשים רוצים את הגדולה ביותר שנכנסת להם בזיכרון.

הקבצים

22 קבצים במאגר, 295 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הפצה תחת רישיון Apache 2.0 המאפשר שימוש מסחרי ומחקרי חופשי, כולל שינוי הקוד והמשקלים. מותר לשלב אותו במוצרים פנימיים או מסחריים, בכפוף לשמירה על תנאי השימוש, זכויות היוצרים ומדיניות השימוש של מטא, הכוללת מגבלות רגולטוריות והגבלת גיל למשתמשים מעל גיל 18.

שימוש מסחרי
שינוי הקוד
הפצה מחדש
שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗