Muse Glimmer: Metas neues KI-Modell läuft auf 24-GB-Grafikkarten
Veröffentlicht am: 11.08.2026 um 01:06 Uhr | Redaktion boerse-global.deDas Unternehmen Meta hat am 10. August 2026 mit Muse Glimmer ein neues KI-Modell unter der Apache-2.0-Lizenz veröffentlicht, das speziell für den Betrieb auf lokaler Hardware optimiert wurde. Das von den Meta Superintelligence Labs entwickelte Open-Weight-Modell verfügt über 30 Milliarden Parameter und ist ab sofort über die Plattform Hugging Face zugänglich. Ein wesentliches Merkmal der Veröffentlichung ist die Ausführbarkeit auf handelsüblichen Grafikkarten mit einem Videospeicher (VRAM) von 24 Gigabyte.
Effizienz durch Quantisierung und lokale Ausführung
Die technische Grundlage für die lokale Nutzung bildet eine signifikante Reduzierung des Speicherbedarfs durch Quantisierung. Während das ursprüngliche Modell eine Größe von 55 Gigabyte aufweist, konnte der Bedarf durch verschiedene Quantisierungsvarianten auf 18 bis 20 Gigabyte gesenkt werden. Damit unterschreitet Muse Glimmer im Betrieb die kritische Grenze von 20 Gigabyte VRAM.
Für Anwender stehen dabei unterschiedliche Konfigurationen zur Verfügung. Die Variante K-Quant-17GB ist für Grafikkarten mit 24 Gigabyte VRAM optimiert und weist laut Unternehmensangaben eine Leistungsdegradation von lediglich 1 Prozent auf. Für Systeme mit mindestens 32 Gigabyte Speicher wird die Version K-Quant-Dynamic angeboten, die bei einer minimalen Degradation von 0,2 Prozent arbeitet. Die lokale Bereitstellung bietet laut Meta signifikante Vorteile in den Bereichen Datenschutz und Offline-Verfügbarkeit, während gleichzeitig laufende Kosten für Programmierschnittstellen (API) entfallen.
Leistungsvergleich auf gängigen Hardware-Plattformen
In ersten Leistungstests zeigt Muse Glimmer eine hohe Verarbeitungsgeschwindigkeit, insbesondere unter Einsatz von Speculative Decoding. Auf einer Nvidia RTX 5090 erreicht das Modell eine Geschwindigkeit von 233,4 Tokens pro Sekunde, was einer Beschleunigung um den Faktor 3,1 entspricht. Auf dem Apple-Chip M5 Max wird eine Rate von 50,2 Tokens pro Sekunde erzielt.
Wer sich mit dem Einsatz neuer KI-Systeme befasst, muss heute auch die rechtlichen Rahmenbedingungen der EU kennen. Dieser kostenlose Umsetzungsleitfaden bietet einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen des EU AI Acts. EU AI Act in 5 Schritten verstehen
Auch für Hardware des Herstellers AMD liegen bereits Spezifikationen vor. Auf einem Ryzen AI Max+ 395 erreicht Muse Glimmer lokal bis zu 24 Tokens pro Sekunde. Mit einer Radeon AI PRO R9700 und der Nutzung von dFlash steigt die Performance auf 53 Tokens pro Sekunde, wobei Bibliotheken wie llama.cpp unter Vulkan zum Einsatz kommen. Für Systeme mit mehr als 32 Gigabyte VRAM wird die Nutzung von LM Studio empfohlen, während für Integrationszwecke Lemonade zur Verfügung steht.
Benchmarks und agentische Fähigkeiten im Branchenvergleich
In Fach-Benchmarks positioniert sich das 30B-Modell als leistungsstarke Alternative zu bestehenden Lösungen. Im Bereich der agentischen Aufgaben übertrifft Muse Glimmer die Konkurrenzmodelle Gemma4-31B und Qwen3.6-27B teilweise deutlich. So erreicht das Modell im MCP Atlas einen Wert von 75,5, während die Vergleichsmodelle bei 54,2 beziehungsweise 62,5 liegen. Auch beim SWE-Bench Pro liegt Muse Glimmer mit 51,2 Punkten vor Gemma (36,9).
Die gewerbliche Nutzung von Künstlicher Intelligenz erfordert eine genaue Einordnung in Risikoklassen, um empfindliche Strafen zu vermeiden. Erfahren Sie in diesem kostenlosen Report, welche Dokumentationspflichten für Unternehmen jetzt konkret gelten. Kostenlosen Umsetzungsleitfaden zum AI Act herunterladen
Dennoch zeigen Wettbewerber in spezialisierten Umgebungen weiterhin Stärken. So führt das Qwen-Modell im TerminalBench 2.1 mit 60,7 zu 51,7 Punkten gegenüber Muse Glimmer sowie im OSWorld-Verified-Benchmark. Muse Glimmer selbst erzielt im SWE-Bench Verified einen Wert von 76,0 und im DeepSearch QA 74,6 Punkte.
Strategische Einordnung und globale Relevanz
Das Training von Muse Glimmer erfolgte durch das Verfahren der Destillation aus dem größeren Modell Muse Spark. Parallel zur Veröffentlichung kündigte Meta zudem Muse Spark 1.2 Open Weights an. Mark Zuckerberg betonte im Rahmen der Vorstellung, dass der Zugang zu Superintelligenz für jeden gewährleistet sein sollte.
Die Bedeutung lokaler Hochleistungsmodelle wird insbesondere für Regionen mit eingeschränktem Zugang zu Cloud-Computing unterstrichen. Beispielsweise könnten solche Modelle in Kenia zur Analyse von Agrar-Drohnen eingesetzt werden, um lokale Rechenkapitaten effizient zu nutzen und das globale Gefälle bei der verfügbaren Rechenleistung zu überbrücken.
