Meta Muse Glimmer 30B im Faktencheck: lokales Agentenmodell mit gemischten Benchmark-Ergebnissen

Stand der Recherche: 12. August 2026. Meta Muse Glimmer 30B ist ein offenes, multimodales 29,6-Milliarden-Parameter-Modell, das ausdrücklich für lokale Agenten auf Consumer-Hardware optimiert wurde. Die Gewichte stehen unter Apache 2.0; das Modell verarbeitet Text und Bilder, gibt Text aus und besitzt laut Model Card ein Kontextfenster von 131.072+ Tokens. Meta liefert außerdem zwei 4-Bit-nahe Quantisierungen und einen DFlash-Drafter für spekulatives Decoding. [S01][S04]

Muse Glimmer unterstützt lokale Tool-Aufrufe, längere Agentenabläufe sowie die Verarbeitung von Screenshots und Dokumenten. Diese Eigenschaften sind für entsprechende Workloads relevant; in anderen Disziplinen ist es nicht das stärkste Modell seiner Größenklasse. Metas eigene Tabelle zeigt mehrere Siege gegen Qwen3.6-27B, während Artificial Analysis Qwen bei allgemeiner Intelligenz, GDPval-AA v2 und Terminal-Bench klarer vorne sieht. Muse fällt dort dagegen bei τ³-Banking, also einem Tool-/Agenten-Szenario, positiv auf. [S01][S03][S13]

Die wichtigsten Fakten auf einen Blick

Merkmal	Muse Glimmer 30B	Einordnung
Parameter	ca. 29,6B	dichtes Modell, kein MoE
Vision Encoder	ca. 1,8B, ViT-G/14	Text + Bild als Eingabe
Kontext	131.072+ Tokens	offizieller Baseline-Wert; Experimente darüber sind nicht gleichbedeutend mit Support
Architektur	52 Layer, 6656 Hidden Size	3 lokale Attention-Layer + 1 globales Layer im Wechsel
KV-Heads	2 bei 32 Query-Heads	16:1 GQA, auf niedrigen KV-Cache-Bedarf ausgelegt
Lizenz	Apache 2.0	kommerzielle Nutzung und Modifikation der Modellartefakte möglich; Markenrechte separat beachten
Offizielle Speicherziele	64 GB Full Precision / 32 GB Dynamic / 24 GB 17GB-Quant	Ziel-Hardware laut Meta, nicht gemessener Gesamtspeicher jeder Laufzeit
Eingabe/Ausgabe	Text + Bild → Text	kein nativer Bildgenerator
Reasoning-Stufen	low / medium / high / xhigh	high/xhigh für komplexe Agenten- und Coding-Aufgaben empfohlen
Knowledge Cutoff	4. Januar 2026	aktuelles Wissen danach muss über Tools/RAG kommen

Quellen: Meta Model Card und Hugging Face Technical Launch. [S01][S04]

Was ist Muse Glimmer 30B?

Muse Glimmer ist aus Metas größerem Muse-Spark-System destilliert und wurde nicht primär als allgemeiner Chatbot positioniert, sondern als lokales Agentenmodell. Meta nennt End-to-End-Aufgabenerfüllung, Tool Use, mehrstufiges Reasoning, Fehlererholung und multimodale Verarbeitung als zentrale Trainings- und Evaluationsziele. In der Model Card werden OpenClaw und Hermes Agent ausdrücklich als kompatible Orchestrierungsmuster genannt. [S01]

Das ist mehr als Marketingpositionierung: Der Release wurde gleichzeitig in mehreren Laufzeiten integriert. Hugging Face dokumentiert Day-0-Support unter anderem für Transformers, llama.cpp und vLLM; Ollama bietet einen direkten lokalen Start sowie auf Apple Silicon eine MLX-Variante mit DFlash und Bildeingabe. ExecuTorch stellt vorgebaute Exporte für Apple Silicon und NVIDIA bereit. [S04][S08][S09]

Warum die Architektur für lokale Agenten interessant ist

Der Textdecoder besitzt 52 Layer. Das Attention-Muster wiederholt drei Sliding-Window-Layer mit einem Fenster von 2.048 Tokens und anschließend ein globales Attention-Layer. Dazu kommen nur zwei KV-Heads für 32 Query-Heads. Diese 16:1-GQA-Konfiguration senkt den KV-Cache-Bedarf gegenüber klassischer Multi-Head-Attention deutlich. [S01][S04][S16]

Für lokale Agenten ist genau das relevant: Nicht nur die Modellgewichte belegen Speicher. Lange Prompts, Tool-Verläufe und Agenten-Scratchpads brauchen KV-Cache. Ein Modell, das beim KV-Cache effizienter ist, kann ein großes Kontextfenster auf knapper Hardware eher praktikabel machen. Das bedeutet allerdings nicht, dass 131K Kontext auf jeder 24-GB-Konfiguration komfortabel nutzbar ist; Laufzeit, Quantisierung, Vision Encoder, DFlash-Drafter und Kontextlänge teilen sich denselben Speicherpuffer.

Der visuelle Teil ist ein eigener Perception Encoder mit rund 1,8 Milliarden Parametern. Er ermöglicht Bildeingaben für Screenshots, Diagramme und Dokumente. [S01][S28][S29]

Wie viel RAM oder VRAM braucht Muse Glimmer?

Meta veröffentlicht drei Zielstufen: Full Precision zielt auf 64 GB VRAM, K-Quant-Dynamic auf 32 GB und K-Quant-17GB auf 24 GB. Die beiden komprimierten Varianten sollen im Durchschnitt über 15 Benchmarks nur rund 0,2 beziehungsweise 1,0 Prozent degradieren – das ist jedoch eine Meta-eigene Durchschnittsmessung, kein Beleg dafür, dass jede Aufgabe exakt so wenig verliert. [S01]

Praktische Einordnung

24 GB: Das ist die untere offizielle Zielklasse für Metas 17-GB-Quantisierung. Damit wird ein lokaler Text-/Tool-Agent erstmals in dieser Größenklasse realistisch. Bei langem Kontext, Vision und DFlash kann die Reserve aber knapp werden.

32 GB: Die komfortablere offizielle Consumer-Stufe. Hier passt die dynamische Quantisierung in Metas Zielhülle; zusätzlich bleibt mehr Platz für Kontext, Vision und den Drafter. LM Studio und AMD positionieren Systeme oberhalb von 32 GB ebenfalls als unkomplizierteren Weg. [S06][S11]

64 GB oder mehr: Relevant, wenn Full Precision oder große Kontextreserven wichtiger sind als minimale Speicherbelegung. vLLM dokumentiert für BF16 rund 55 GiB Gewichte in einem DGX-Spark-Beispiel. [S05]

16 GB: Nicht offiziell vorgesehen. Ein unabhängiger Hands-on-Bericht beschreibt eine selbst erstellte 12,5-GB-Quantisierung inklusive Vision Tower auf einem 16-GB-Mac-mini mit ungefähr 3,5 Tokens/s; derselbe Autor nennt rund 2.000 Prompt-Tokens als Grenze, ab der die Nutzung auf diesem Gerät unkomfortabel wird. Das ist ein interessantes Machbarkeitsbeispiel, aber keine allgemeine 16-GB-Empfehlung. [S37]

DFlash: Warum das Modell lokal ungewöhnlich schnell sein kann

Muse Glimmer wird mit einem kleinen DFlash-Drafter ausgeliefert. Statt nur das nächste Token vorherzusagen, schlägt der Drafter Blöcke von 16 Tokens vor. Das Hauptmodell prüft diese Vorschläge parallel. Akzeptierte Tokens können so mehrere autoregressive Schritte ersetzen. [S01][S26][S27]

Meta misst mit der K-Quant-17GB-Variante plus quantisiertem DFlash bei Batch 1 und Greedy Decoding:

Hardware	ohne DFlash	mit DFlash	Speed-up
NVIDIA RTX 5090	74,9 tok/s	233,4 tok/s	ca. 3,1×
Apple M4 Max	23,7 tok/s	37,8 tok/s	ca. 1,6×
Apple M5 Max	26,6 tok/s	50,2 tok/s	ca. 1,9×

Die Speed-up-Faktoren sind aus den beiden Messspalten berechnet und auf eine Nachkommastelle gerundet. Das sind Herstellerwerte unter konkret dokumentierten Bedingungen. Sie sollten nicht mit AMDs separaten Vorabmessungen vermischt werden. AMD meldet auf Windows mit llama.cpp/Vulkan und DFlash bis zu 24 tok/s auf einem Ryzen AI Max+ 395 und bis zu 53 tok/s auf einer Radeon AI PRO R9700. [S01][S06]

Benchmarks: Wo Muse Glimmer stark ist – und wo nicht

Metas Tabelle zeigt ein gemischtes Bild: Gegen Qwen3.6-27B meldet Meta unter anderem 75,5 vs. 62,5 auf MCP Atlas, 74,6 vs. 71,1 auf DeepSearch QA, 47,6 vs. 43,2 auf WildClawBench und 51,2 vs. 50,2 auf SWE-Bench Pro. Gleichzeitig liegt Qwen in derselben Tabelle auf GDPVal-AA v2 mit 1.141 vs. 953, auf OSWorld-Verified mit 75,6 vs. 65,9 und auf Terminal-Bench 2.1 mit 60,7 vs. 51,7 vorne. [S01]

Der entscheidende methodische Hinweis steht in Metas separatem Evaluationsbericht: Für Drittmodelle wurden Best-Effort-Runs im selben Framework verwendet, aber Meta weist ausdrücklich darauf hin, dass Tools und Systemprompts nicht auf die Stärken dieser Drittmodelle abgestimmt sein müssen. Einzelne Werte stammen außerdem aus unterschiedlichen Quellen – intern reproduziert, von Artificial Analysis oder aus Selbstberichten. [S03]

Darum ist „Muse Glimmer schlägt Qwen3.6” zu grob. Eine unabhängige Gegenprobe von Artificial Analysis ergibt ein differenzierteres Bild: Muse liegt bei deren Intelligence Index knapp hinter Qwen3.6-27B; bei GDPval-AA v2 nennt Artificial Analysis 953 für Muse gegenüber 1.141 für Qwen, bei Terminal-Bench ungefähr 52 % gegenüber 61 %. Gleichzeitig gewinnt Muse dort τ³-Banking mit rund 24 % gegenüber 17 %. Besonders kritisch: Artificial Analysis misst auf AA-Omniscience eine Halluzinationsrate von 82 % für Muse gegenüber 49 % für Qwen; niedriger ist besser. [S13]

Was bedeutet das praktisch?

• Tool-orientierte lokale Agenten: Muse Glimmer ist sehr konkurrenzfähig und teilweise stärker als Qwen3.6-27B.
• Allgemeines Reasoning/Wissensarbeit: Qwen bleibt nach unabhängiger Messung mindestens ebenbürtig und in mehreren Tests besser.
• Terminal-/Coding-Agenten: Das Ergebnis ist gemischt: Bei SWE-Bench Pro liegt Muse knapp vorn, bei Terminal-Bench 2.1 liegt Qwen deutlich vorn. [S01][S13]
• Faktenzuverlässigkeit ohne Retrieval: Die hohe AA-Omniscience-Halluzinationsrate ist ein Warnsignal. Für Recherche- oder Wissensagenten sollte man Quellenabruf, Verifikation und Guardrails fest einplanen.

WildClawBench ist besonders relevant für echte Agenten

WildClawBench ist hier interessanter als ein klassischer Multiple-Choice-Benchmark, weil 60 handgebaute Aufgaben in echten Agentenumgebungen laufen. Der Benchmark vergleicht nicht nur Modelle, sondern auch Harnesses wie OpenClaw, Claude Code, Codex und Hermes Agent. Dadurch wird sichtbar, dass der Agentenrahmen selbst einen großen Teil der Leistung ausmacht. Muse Glimmer erreicht im OpenClaw-Modellranking 47,6 %, vor Qwen3.6-27B mit 43,2 %, aber deutlich unter den stärkeren Frontier-Modellen. [S18]

Das ist für lokale Setups die richtige Lesart: Ein gutes 30B-Modell kann einen starken Harness nicht ersetzen – und umgekehrt kann derselbe Modellkern in einem besseren Harness erheblich nützlicher werden.

Muse Glimmer lokal starten: Welche Laufzeit passt?

Ollama

Der einfachste Einstieg ist ollama run muse-glimmer:30b. Für Apple Silicon dokumentiert Ollama zusätzlich den MLX-Tag mit DFlash und Bildeingabe. Das ist der niedrigste Integrationsaufwand, wenn zunächst Chat, Vision und Tool-Workflows getestet werden sollen. [S08]

# Standard-Ollama-Modell
ollama run muse-glimmer:30b

# Apple Silicon: MLX, DFlash und Bildeingabe
ollama run muse-glimmer:30b-mlx

llama.cpp

llama.cpp erhielt direkt zum Release Muse-Glimmer-Support; in den Folgetagen wurden bereits Details wie Tool-Call-Erkennung nachgebessert. Das ist ein Hinweis darauf, dass die Integration aktiv ist, aber auch darauf, dass frühe Builds schnell altern. Für reproduzierbare Tests sollte die Commit-/Build-Version mitprotokolliert werden. [S10]

ExecuTorch / MLX

Meta und PyTorch stellen vorgebaute Muse-Glimmer-Exporte bereit, deren Namen Quantisierung, Kontext, Modalität, DFlash/Solo und Zielhardware kodieren. Apple-Silicon-Backends laufen über MLX; CUDA ist für NVIDIA vorgesehen. Vision kann als zusätzlicher Exportbestandteil eingebunden werden. [S09]

vLLM

vLLM unterstützt ein OpenAI-kompatibles Serving mit Muse-spezifischem Tool-Call- und Reasoning-Parser. Der dokumentierte Serverstart setzt --max-model-len 131072. Für Server- oder Multi-User-Szenarien ist das technisch attraktiver als eine reine Desktop-App. [S05]

LM Studio

LM Studio ist der GUI-orientierte Weg. AMD beschreibt zusätzlich, dass dessen lokaler Server über OpenAI- oder Anthropic-kompatible Endpunkte an Agenten wie Hermes Agent oder OpenClaw angebunden werden kann. [S06][S11]

API-Kosten: Es gibt keinen allgemeinen „Muse-Glimmer-Preis”

Die Gewichte selbst sind unter Apache 2.0 verfügbar. Kosten entstehen lokal durch Hardware und Strom oder bei einem Hosting-Provider durch dessen Tokenpreise. OpenRouter listete am 12. August 2026 einen Anbieterpreis von 0,30 US-Dollar pro 1 Mio. Input-Tokens und 1,20 US-Dollar pro 1 Mio. Output-Tokens. Das ist kein Meta-API-Preis und kann sich jederzeit ändern. [S12]

Beispielrechnung bei diesem Providerpreis:

• 1 Mio. Input + 250.000 Output: 0,30 $ + 0,30 $ = 0,60 $
• 10 Mio. Input + 2 Mio. Output: 3,00 $ + 2,40 $ = 5,40 $
• 100 Mio. Input + 20 Mio. Output: 30,00 $ + 24,00 $ = 54,00 $

Nicht berücksichtigt sind Cache-Rabatte, Providerwechsel, Steuern oder mögliche Preisänderungen.

Datenschutz und Sicherheit: Lokal ist Kontrolle, nicht automatisch Sicherheit

Lokale Inferenz kann verhindern, dass Prompts und Dateien für die reine Modellinferenz an einen Cloud-Provider gesendet werden. Das ist ein realer Datenschutzvorteil. Ein Agent kann aber weiterhin Browser, E-Mail, Shell, Dateien und externe APIs benutzen. Sobald solche Werkzeuge aktiv sind, entstehen neue Datenflüsse. Meta empfiehlt deshalb ausdrücklich zusätzliche System-Guardrails und Evaluationsdatensätze für den konkreten Einsatz. [S01]

Auch beim Prompt-Injection-Schutz sollte man Herstellertraining nicht mit Immunität verwechseln. Agenten, die Webinhalte oder fremde Dateien lesen, benötigen weiterhin Berechtigungsgrenzen, Bestätigung vor irreversiblen Aktionen, Geheimnisfilter und Logging.

Muse Glimmer 30B vs. Qwen3.6-27B: Welche Wahl ist sinnvoller?

Muse Glimmer wählen, wenn:

• lokale Tool-Nutzung und längere Agentenketten im Mittelpunkt stehen;
• Vision für Screenshots und Dokumente wichtig ist;
• 24–32 GB Speicher verfügbar sind;
• DFlash und die neue Laufzeitunterstützung ausgenutzt werden sollen;
• Apache 2.0 für kommerzielle oder modifizierte Deployments wichtig ist.

Qwen3.6-27B weiter testen oder bevorzugen, wenn:

• allgemeine Intelligenz und Wissensarbeit wichtiger sind als Metas Agentenfokus;
• Terminal-Bench-artige Coding-/Shell-Aufgaben zentral sind;
• eine niedrigere Halluzinationsrate in der unabhängigen AA-Messung relevant ist;
• das bestehende Qwen-Setup bereits stabil und gut optimiert ist. [S13][S30]

Der sinnvollste Vergleich ist deshalb nicht ein einzelner Benchmark, sondern ein identischer lokaler Test: gleiche Hardware, gleiche Quantisierungsstufe, gleicher Agenten-Harness, gleiche Tool-Schemas und 20–50 echte Aufgaben aus dem eigenen Workflow.

Fazit: 30B-Klasse mit DFlash — was wirklich zählt

Muse Glimmer 30B kombiniert lokale Agentenfunktionen, multimodale Eingabe, DFlash und mehrere Runtime-Pfade in einer 30B-Klasse. Der relevante Unterschied ist nicht eine allgemeine Überlegenheit, sondern dass diese Eigenschaften in einer lokal ausführbaren Modellvariante zusammenkommen.

Wer bereits ein gutes Qwen3.6-27B-Setup hat, sollte nicht blind wechseln. Die unabhängigen Daten sprechen eher für einen Workflow-Test: Muse Glimmer für Tool-Use, Multimodalität und lokale Agenten ausprobieren; Qwen als starke Referenz für allgemeine Intelligenz und Terminalarbeit behalten. Genau dort liefert ein eigener, reproduzierbarer Agenten-Benchmark mehr Erkenntnis als jede einzelne öffentliche Rangliste.