Bisakah saya menjalankan Muse Glimmer 30B secara lokal?

Ya. Bobot terbuka dengan lisensi Apache 2.0 dan model tersedia di Hugging Face di meta-models/Muse-Glimmer-30B. Meta secara eksplisit mengoptimalkannya untuk perangkat konsumen, meskipun model dense 30B membutuhkan VRAM yang cukup besar.

Berapa biaya penggunaan via API dan seberapa panjang konteksnya?

Harga $0,30 per juta token input dan $1,20 per juta token output, dengan jendela konteks 131.072 token.

Apa bedanya Glimmer dengan Muse Spark?

Muse Glimmer 30B disuling dari Muse Spark dan menukar sebagian skala Spark untuk ukuran yang bisa dijalankan di perangkat konsumen, dengan proses distilasi yang menargetkan kemampuan agen daripada performa umum.

Muse Glimmer 30B

5242°

#llm #meta #visi #penalaran #agen #pemrograman

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Meta | konteks 131.072 token | $0.30/M input, $1.20/M output. Muse Glimmer 30B adalah model multimodal padat open-weight dari Meta Superintelligence Labs, disuling dari Muse Spark dan dioptimalkan untuk agen otonom pada perangkat keras konsumen. Cocok untuk alur kerja agen dan pengkodean jangka panjang, dengan penalaran multi-langkah, penggunaan alat yang andal, pemulihan kegagalan, pemahaman gambar, dan dukungan multibahasa lebih dari 100 bahasa.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI lokal mana yang harus digunakan, dan model top mana yang dijalankan masing-masing

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Muse Glimmer 30B adalah model multimodal bobot terbuka dari Meta Superintelligence Labs, disuling dari Muse Spark dan dibuat khusus untuk agen otonom yang berjalan di perangkat konsumen. Dengan sekitar 30 miliar parameter, model ini menerima teks dan gambar yang saling terkait, mendukung lebih dari 100 bahasa, dan berlisensi Apache 2.0. Jika Anda menginginkan agen lokal yang mampu menggunakan alat, memahami kode dan gambar tanpa ketergantungan cloud, ini adalah kelas ukuran yang tepat.

Dikenal untuk

Dibuat khusus untuk alur kerja agen: penggunaan alat, pemulihan kegagalan, dan perencanaan multi-langkah.
Berjalan secara lokal di perangkat konsumen dengan lisensi Apache 2.0, tanpa cloud.
Encoder persepsi ViT-G khusus menangani tangkapan layar, grafik, dan dokumen.
Upaya penalaran yang dapat dikontrol memungkinkan Anda menukar kualitas dengan kecepatan per permintaan.
Kompatibel dengan OpenClaw, Hermes Agent, dan kerangka agen lain langsung dari kotak.

Waspadai

Hanya output teks: model membaca gambar tapi tidak bisa menghasilkan gambar.
Pengetahuan terpotong pada 4 Januari 2026; apa pun setelah itu tidak diketahui.
Model dense 30B membutuhkan VRAM yang signifikan; periksa perangkat keras Anda sebelum mengunduh.

Terbaik untuk

Agen dan penggunaan alat

Pemrograman

Penalaran

Penglihatan

Jalankan secara lokal

Prompt untuk dicoba

Agen debugging multi-langkah

Anda memiliki skrip Python yang mengikis halaman web, mengurai respons JSON, dan menulis hasil ke CSV. Skrip gagal tanpa pesan dan menghasilkan file kosong. Telusuri setiap tahap secara metodis, identifikasi kemungkinan kegagalan, tulis versi skrip yang diperbaiki, dan jelaskan apa yang Anda ubah dan mengapa.

Tangkapan layar ke rencana aksi

Saya melampirkan tangkapan layar dashboard aplikasi web. Identifikasi setiap elemen interaktif yang terlihat, jelaskan fungsi masing-masing berdasarkan label atau ikon, lalu tulis rencana langkah demi langkah yang bisa diikuti agen untuk mengekspor data di tabel utama ke file CSV lokal.

Pemulihan kegagalan panggilan alat

Anda memanggil API cuaca dengan parameter benar dan menerima error batas laju 429. Anda butuh suhu saat ini di tiga kota untuk laporan yang harus selesai dalam dua menit. Pikirkan opsi Anda, putuskan strategi cadangan, dan tulis logika panggilan alat yang direvisi termasuk penanganan ulang dan jalur degradasi halus jika semua percobaan gagal.

Bandingkan dengan

Muse Spark 1.3 Contributor
Model hanya API
konteks 1,048,576 token · $0.10/M input, $0.20/M output
Muse Spark 1.3
Model hanya API
konteks 1,048,576 token · $1.25/M input, $4.25/M output
Muse Wonder
Model hanya API
konteks 1,048,576 token · $4.00/M input, $20.00/M output
Muse Spark 1.2
Model hanya API
konteks 1,048,576 token · $1.25/M input, $4.25/M output

Model teks lain dari meta

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Muse Glimmer 30B secara lokal?: Ya. Bobot terbuka dengan lisensi Apache 2.0 dan model tersedia di Hugging Face di meta-models/Muse-Glimmer-30B. Meta secara eksplisit mengoptimalkannya untuk perangkat konsumen, meskipun model dense 30B membutuhkan VRAM yang cukup besar.
Berapa biaya penggunaan via API dan seberapa panjang konteksnya?: Harga $0,30 per juta token input dan $1,20 per juta token output, dengan jendela konteks 131.072 token.
Apa bedanya Glimmer dengan Muse Spark?: Muse Glimmer 30B disuling dari Muse Spark dan menukar sebagian skala Spark untuk ukuran yang bisa dijalankan di perangkat konsumen, dengan proses distilasi yang menargetkan kemampuan agen daripada performa umum.

Putusan Kapten
Sesuatu yang langka: model agen terbuka yang bisa dijalankan lokal dan menganggap penggunaan alat serta pemulihan kegagalan sebagai fitur utama, bukan sekadar tambahan.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Nemotron 3.5 Super VL

Model AI untuk Pembuatan Gambar, Video & Teks

Muse Glimmer 30B adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm meta visi penalaran agen pemrograman lokal

Jelajahi berdasarkan Keluarga Model