信息卡

一句话定位

Meta Superintelligence Lab 出品的约 29.6B 稠密多模态语言模型：由旗舰 Muse Spark 蒸馏而来，专为消费级硬件上的自主智能体任务设计，配套量化与投机解码资产一步配齐。

为什么上热度榜

两个卖点直击 Agent 落地痛点：其一，官方基准 MCP Atlas 75.5 大幅领先同级（Gemma4-31B 仅 54.2），工具调用能力可圈可点；其二，随包开源的 DFlash 块扩散草稿头让 RTX 5090 实测从 74.9 提速到 233.4 tok/s。上架两周即录得 54 万下载、1785 点赞，衍生出 32 个微调、153 个量化。

规格与技术亮点

• 主干：52 层稠密因果 Transformer，[Local,Local,Local,Global] 循环注意力 + 2048 滑窗 + 门控注意力（GQA 32Q/2KV、头维 128）；隐藏维 6656；SwiGLU FFN 中间维 19,968。
• 视觉：ViT-G/14 感知编码器（约 1.8B 参），单图最多 4,096 视觉 token，Pipeline 为 image-text-to-text（音频不支持）。
• 词表 202,048；上下文 131,072+；知识截止 2026 年 1 月 4 日；支持 100+ 语言。
• DFlash 草稿模型：5 层、块大小 16 的 block-diffusion 结构，另测 M5 Max 1.8×、M4 Max 1.5× 加速。
• 安全评级：Chem/Bio、网络与失控维度均为 Moderate-or-lower，未列入前沿 AI 分类，部署合规负担小。

使用方式与代码示例

from transformers import pipeline
pipe = pipeline("image-text-to-text", model="meta-models/Muse-Glimmer-30B")

亦可 `vllm serve` / SGLang 以 OpenAI 兼容接口对外服务，或 `docker model run hf.co/meta-models/Muse-Glimmer-30B`。聊天模板实现 ATEM 工具调用协议，reasoning effort 四档（low→xhigh），推荐采样 temp=1.0、top_p=0.95、top_k=64。

部署建议（本地/云端/量化选择）

官方两个 4bit K-quant 变体均低于 20GB，专吃 24/32GB 消费显卡，量化损耗实测仅 0.2%/1.0%；BF16 全量约 59.5GB 建议上 A100/H100 或双卡。云端可选 DeepInfra（输出 $1.2、约 116 tok/s）、Together、Fireworks，均已启用工具调用。叠加 DFlash 后消费卡即可获得生产级速度。

典型应用场景

• 本地私人助理与电脑自动化操作（OSWorld 65.9）；
• 中小团队的工具调用/工作流 Agent 底座；
• 离线图文问答与文档分析；
• 边缘设备上的多语种智能服务。

同类对比

对比 Gemma4-31B 与 Qwen3.6-27B：Agent 型基准（MCP Atlas、τ3-Banking、WildClawBench）全面占优，但 OSWorld/TerminalBench 被 Qwen3.6 反超，桌面自动化仍需取舍；对比自家满血版 Muse Spark 属于便携性换深度。注意其公开基准带有社区"unverified"标记，实际选型建议自测复跑。

资源导航

论文：arXiv:2504.13181（Perception Encoder）、arXiv:2602.06036（DFlash）｜生态：17 个 Spaces 引用｜安全报告见模型卡 Safety 章节。