Muse Glimmer 30B
5242°
Chạy mô hình này
Ưu đãi / Quảng cáo
Meta | ngữ cảnh 131,072 token | $0.30/M đầu vào, $1.20/M đầu ra. Muse Glimmer 30B là mô hình đa phương thức dày đặc, trọng số mở từ Meta Superintelligence Labs, chưng cất từ Muse Spark và tối ưu cho agent tự chủ trên phần cứng tiêu dùng. Phù hợp cho quy trình agent và lập trình dài hạn, với suy luận đa bước, sử dụng công cụ đáng tin cậy, phục hồi lỗi, hiểu hình ảnh, và hỗ trợ đa ngôn ngữ trên hơn 100 ngôn ngữ.
Hướng dẫn cho mô hình này
Ollama vs LM Studio (2026): nên dùng ứng dụng AI cục bộ nào, và mỗi ứng dụng chạy những mô hình hàng đầu nào
Mình thực sự cần bao nhiêu VRAM cho AI cục bộ?
Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)
Ghi chú của thuyền trưởng
Ghi chú từ 2026-10-13
Muse Glimmer 30B là mô hình đa phương thức trọng số mở từ Meta Superintelligence Labs, chưng cất từ Muse Spark và xây dựng riêng cho các tác nhân tự động chạy trên phần cứng tiêu dùng. Với khoảng 30 tỷ tham số, nó chấp nhận xen kẽ văn bản và hình ảnh, hỗ trợ hơn 100 ngôn ngữ, và mang giấy phép Apache 2.0. Nếu bạn muốn một tác nhân cục bộ có khả năng sử dụng công cụ, hiểu mã và hình ảnh mà không phụ thuộc đám mây, đây là kích thước nên xem.
Nổi tiếng với
- Dành riêng cho quy trình agentic: sử dụng công cụ, phục hồi lỗi và lập kế hoạch nhiều bước.
- Chạy cục bộ trên phần cứng tiêu dùng dưới giấy phép Apache 2.0, không cần đám mây.
- Bộ mã hóa nhận thức ViT-G chuyên xử lý ảnh chụp màn hình, biểu đồ và tài liệu.
- Kiểm soát mức độ suy luận cho phép đổi chất lượng lấy tốc độ theo yêu cầu.
- Tương thích với OpenClaw, Hermes Agent và các khung agentic khác ngay khi tải về.
Cẩn thận với
- Chỉ đầu ra văn bản: mô hình đọc ảnh nhưng không tạo ảnh.
- Kiến thức cắt đến ngày 4 tháng 1 năm 2026; không biết gì sau đó.
- Mô hình 30B dày đặc cần VRAM đáng kể; kiểm tra phần cứng trước khi tải.
Phù hợp nhất cho
Lời nhắc để thử
Tác nhân gỡ lỗi đa bước
Bạn có một script Python lấy dữ liệu trang web, phân tích phản hồi JSON và ghi kết quả ra CSV. Script chạy im lặng và tạo file trống. Đi qua từng bước, xác định chỗ lỗi có khả năng nhất, viết lại script đúng và giải thích thay đổi.
Ảnh chụp màn hình thành kế hoạch hành động
Tôi đính kèm ảnh chụp màn hình bảng điều khiển ứng dụng web. Xác định mọi phần tử tương tác thấy được, mô tả chức năng dựa trên nhãn hoặc biểu tượng, rồi viết kế hoạch từng bước để tác nhân xuất dữ liệu bảng chính ra file CSV cục bộ.
Phục hồi khi gọi công cụ thất bại
Bạn gọi API thời tiết với tham số đúng và nhận lỗi giới hạn 429. Bạn cần nhiệt độ hiện tại ở ba thành phố cho báo cáo trong hai phút. Suy luận các lựa chọn, quyết định chiến lược dự phòng, và viết lại logic gọi công cụ bao gồm xử lý thử lại và giảm thiểu khi tất cả thử lại thất bại.
So sánh với
- Muse Spark 1.3 ContributorMô hình chỉ APIngữ cảnh 1,048,576 token · Đầu vào $0.10/M, đầu ra $0.20/M
- Muse Spark 1.3Mô hình chỉ APIngữ cảnh 1,048,576 token · Đầu vào $1.25/M, đầu ra $4.25/M
- Muse WonderMô hình chỉ APIngữ cảnh 1,048,576 token · Đầu vào $4.00/M, đầu ra $20.00/M
- Muse Spark 1.2Mô hình chỉ APIngữ cảnh 1,048,576 token · Đầu vào $1.25/M, đầu ra $4.25/M
Thêm mô hình văn bản từ meta
Câu hỏi thường gặp
- Tôi có thể chạy Muse Glimmer 30B cục bộ không?
- Có. Trọng số mở dưới giấy phép Apache 2.0 và mô hình có trên Hugging Face tại meta-models/Muse-Glimmer-30B. Meta tối ưu rõ ràng cho phần cứng tiêu dùng, dù mô hình 30B dày đặc vẫn cần VRAM đáng kể.
- Chi phí qua API và ngữ cảnh thế nào?
- Giá 0,30 đô la mỗi triệu token đầu vào và 1,20 đô la mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 131.072 token.
- Glimmer khác Muse Spark thế nào?
- Muse Glimmer 30B được chưng cất từ Muse Spark, đổi một phần quy mô thô của Spark lấy kích thước chạy được trên phần cứng tiêu dùng, với quá trình chưng cất tập trung vào khả năng agentic thay vì hiệu năng đa dụng.
Phán quyết của thuyền trưởngMột điều hiếm có: mô hình tác nhân mở, chạy cục bộ, coi trọng sử dụng công cụ và phục hồi lỗi như tính năng chính thay vì phụ.
Thẻ mô hình trên Hugging Face
Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.
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.
Điểm số này được tính như thế nào
Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.
Thuật ngữ: các từ dùng ở đây
- Điểm nhiệt
- Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
- Sàn điểm
- 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
- Tương đương lượt tải
- Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
- Thang log
- Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
- Lượt thích
- Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
- Tỷ lệ áp dụng
- Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
- Đã đo và ước tính
- Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
- Seeder
- Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
- AI Horde
- Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
- Trang tạo ảnh
- Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
- Token OpenRouter
- Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Mô hình đầy đủ (checkpoint)
- Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
- LoRA và embedding
- Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
- Gia đình và trọng số
- Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
- Tuổi
- Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
- Tăng gia đình
- Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
- Điểm thay thế
- Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
- Mới! (giai đoạn thử nghiệm)
- Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
- Xu hướng
- Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
- Mô hình điển hình
- Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.
Muse Glimmer 30B là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.
Duyệt theo họ mô hình
Mô hình Text / LLM
434
Mô hình Anima
528
Mô hình Chroma
19
Mô hình Fibo
2
Mô hình Flux
1,496
Mô hình Flux 2 / Klein
1,239
Mô hình Flux 3
3
Mô hình Moss
3
Mô hình Iris
1
Mô hình MiniMax H3
364
Mô hình Hunyuan
204
Mô hình Ideogram
20
Mô hình Krea2
717
Mô hình Qwen
20
Mô hình Qwen2
47
Mô hình Ltx2
153