Am 10. August hat Meta Superintelligence Labs Muse Glimmer auf Hugging Face gestellt – unter Apache-2.0-Lizenz, also frei nutzbar auch kommerziell. Das Interessante ist nicht die Größe, sondern wohin das Modell passt: auf eine einzelne Grafikkarte, die man sich zu Hause hinstellen kann.
Der Trick mit dem Speicher
Muse Glimmer hat 30 Milliarden Parameter. In voller Genauigkeit bräuchte das rund 55 GB Speicher – jenseits dessen, was in einem normalen PC steckt. Per 4-Bit-Quantisierung drückt Meta den Bedarf auf 18 bis 20 GB. Damit läuft das Modell in einem 24- oder 32-GB-VRAM-Budget, auf einer Consumer-GPU oder einem Mac. Offline. Ohne dass ein einziges Token an einen Server geht.
Abgeleitet ist Glimmer vom größeren Lehrer-Modell Muse Spark. Meta bewirbt es für lokales Coding, Function Calling und autonome Agenten-Workflows: zuverlässiger Tool-Einsatz, mehrstufiges Schlussfolgern, Fehler-Recovery und multimodale Eingaben. Es soll sich außerdem in gängige Agenten-Orchestratoren einklinken lassen, etwa OpenClaw.
Warum das mehr ist als ein weiteres Release
Der Markt für Coding-Agenten läuft gerade fast komplett über die Cloud – Claude Code, Codex, Meta Muse Code selbst. Du schickst deinen Code zu einem Anbieter, der Anbieter schickt Antworten zurück, und die Rechnung wächst mit jedem Task. Ein Modell, das lokal auf einer 24-GB-Karte agentisch arbeitet, dreht diese Logik um.
Für alle mit sensiblem Code, mit Compliance-Sorgen oder schlicht mit dem Wunsch, nicht pro Token zu zahlen, ist das relevant. Meta positioniert sich damit klar gegen die geschlossenen Modelle von OpenAI und Anthropic – nicht über die Spitzenleistung, sondern über Zugang und Kontrolle.
Meine Einordnung
Ob Glimmer an die Cloud-Modelle herankommt, muss der Alltag zeigen. 30B lokal ist nicht 400B im Rechenzentrum, und 4-Bit-Quantisierung kostet Präzision. Aber darum geht es hier vielleicht gar nicht.
Die spannende Frage ist eine andere: Wie viel Agenten-Arbeit lässt sich auf Hardware erledigen, die schon auf dem Schreibtisch steht? Wenn die Antwort „mehr als gedacht” lautet, verschiebt das die Rechnung für viele Teams. Und Meta liefert die Bausteine dafür offen aus.
Quellen: