Meta 公布 30B 端侧智能体模型 Muse Glimmer 技术报告

arXiv 上 10 月 17 日提交的论文 Muse Glimmer 30B: An On-Device Agentic Model 给出了一个 30B 参数的稠密（dense）因果语言模型，额外带一个 perception encoder，用于把视觉输入接进同一条推理链路。作者来自 Meta 方面，模型以 Apache 2.0 许可开源。

论文的落点是「本地跑」。它把目标设定为在消费级硬件上完成 agentic 任务——多步工具调用、需要维持长上下文的工作流——而不是单次问答。报告称在相关基准上超过 Gemma4-31B 与 Qwen3.6-27B 两个同量级对手。要在笔记本和手机上跑智能体，真正的瓶颈通常不在参数规模，而在 KV 缓存占用与首 token 延迟，这也是端侧路线最难被复现的部分。

披露时间口径需要说明：Meta 官方出版物页把这项工作标为 10 月 19 日，本条以 arXiv 的提交记录为准。