模型
别名：Muse
Meta发布的300亿参数开源模型
已跟踪 11 条高相关材料
最近变化
2026-08-12 · Muse Glimmer采用蒸馏和量化技术实现300亿参数模型的轻量化部署
为什么值得关注
Muse Glimmer 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
[AINews] Muse Glimmer and Spark: Open Weights return Personal Superintelligence promise
Latent Space · 8.5 分
Meta发布30B参数开源模型Muse Glimmer，推动个人超级智能愿景，强调技术普惠与社会影响平衡。
Fast, On Device Agentic AI with Muse Glimmer on ExecuTorch
PyTorch Blog · 8.5 分
Meta推出Muse Glimmer模型与ExecuTorch框架，实现300亿参数模型在NVIDIA和Apple Silicon设备的高效推理，支持DFlash解码算法降低延迟。
Wooow This was highly unexpected!! Not only has Meta just released a new 30B open-source model... ...
Paul Couvert(@itsPaulAi) · 8.5 分
Meta发布30B开源模型及Muse Spark 1.2权重，推动开源AI发展。
已收录 11 条与 Muse Glimmer 相关的内容，按评分排序。
Meta推出Muse Glimmer模型与ExecuTorch框架，实现300亿参数模型在NVIDIA和Apple Silicon设备的高效推理，支持DFlash解码算法降低延迟。
入选理由：Muse Glimmer是300亿参数的模型，通过ExecuTorch实现端到端优化
Meta发布30B参数开源模型Muse Glimmer，推动个人超级智能愿景，强调技术普惠与社会影响平衡。
入选理由：Muse Glimmer是首个支持本地运行的30B参数开源模型，优化代理工作流程。
Meta发布30B开源模型及Muse Spark 1.2权重，推动开源AI发展。
入选理由：Meta开源30B参数模型Muse Glimmer，支持本地运行。
Meta推出Muse Glimmer模型，通过量化和轻量级架构实现本地低延迟运行。
入选理由：量化技术将30B参数模型压缩至20GB以下，适合消费级硬件。
Meta推出30B参数模型Muse Glimmer，可自主完成多步骤代理任务，如生成代码和交互式仪表板。
入选理由：Muse Glimmer是Meta推出的30B参数开源模型，专为本地持续运行的代理工作流程优化。
Meta发布300亿参数开源模型Muse Glimmer，通过蒸馏等技术实现小型化，但需警惕其深度访问个人数据的潜在风险。
入选理由：Muse Glimmer采用蒸馏和量化技术实现300亿参数模型的轻量化部署
Meta推出30B参数模型Muse Glimmer，支持本地运行且开放权重，性能优于同类模型。
入选理由：Muse Glimmer是Meta发布的30B参数模型，专为本地代理工作流优化。
Meta发布30B参数开源模型Muse Glimmer，同时宣布将开放Muse Spark 1.2权重，推动开源模型发展。
入选理由：Muse Glimmer是Meta发布的30B参数开源模型，可在Hugging Face获取。
Meta开源了Muse Glimmer 30B参数模型及Spark 1.2权重，但非中国开源模型前沿。
入选理由：Muse Glimmer是30B参数的密集模型，支持本地运行
Meta发布Muse Glimmer，一个30B参数的本地化代理模型，适用于始终在线的工作流程。
入选理由：Muse Glimmer是Meta推出的30B参数模型，专为本地部署优化。
Meta开放了Muse Glimmer和Muse Spark 1.2的权重，但文章信息量有限，缺乏技术细节和实践指导。
入选理由：Meta开放了30B参数的Muse Glimmer模型权重，支持本地运行
