Platz 16 im Vergleich
Muse Glimmer 30B
Meta (Superintelligence Labs) · USA · veröffentlicht 10. August 2026
Metas erstes Modell unter Apache 2.0. Ein dichtes 30-Milliarden-Modell mit Bildverständnis, das komprimiert auf eine 24-GB-Karte passt und bei SWE-bench Verified 76,0 erreicht. Meta bewirbt es für agentische Aufgaben, Artificial Analysis misst bei der Werkzeug-Nutzung im Bankenszenario Tau3 aber nur 24 %.
Modell auf Hugging Face ansehenBewertung im Detail
Gesamtnote aus 3 gewichteten Dimensionen. Wie wir bewerten
Fähigkeitsprofil
Wo Muse Glimmer 30B stark ist, über 6 Säulen auf einer Skala von 0 bis 100. Die gestrichelte Linie ist der Median aller 32 Modelle im Vergleich. Wie die Säulen entstehen
| Säule | Wert | Grundlage |
|---|---|---|
| Programmierung | 84 | benchmarkbelegt |
| Mathematik & Logik | 94 | benchmarkbelegt |
| Wissen | 88 | benchmarkbelegt |
| Deutsch & Sprache | 86 | redaktionelle Einschätzung |
| Agentik & Werkzeuge | 70 | benchmarkbelegt |
| Langer Kontext | 74 | redaktionelle Einschätzung |
Stärkste Säule: Mathematik & Logik. Belegte Werte stammen aus den dokumentierten Benchmarks unten (baseline-korrigiert normalisiert), mit "Einschätzung" markierte Säulen sind eine redaktionelle Einordnung, weil kein vergleichbarer Benchmark vorlag. Details zur Methodik stehen auf der Übersichtsseite.
Steckbrief
- Architektur
- dicht
- Parameter
- 30 Mrd. (dicht, alle aktiv)
- Kontextfenster
- 128K TokenDie Modellkarte nennt 131.072 Token und schreibt sie als erweiterbar aus.
- Lizenz
- Apache 2.0
- Eingabe
- Text, Bild
- Lokaler Betrieb
- Eine GPU (ab 24 GB, RTX 5090, 4-Bit) oder Mac mit M4/M5 Max
- Bei EU-Hostern
- SeltenKein EU-Endpoint bestätigt, Betrieb auf dem eigenen Server auf einer GPU
- Cloud-API (Richtwert)
- 0,26 € Eingabe / 1,04 € Ausgabe je Mio. TokenOpenRouter, Richtwert, umgerechnet aus USD
Die Modellkarte beziffert 29,6 Mrd. Parameter, darin enthalten ein Bild-Encoder (ViT-G/14) von rund 1,8 Mrd. Als dichtes Modell rechnet es bei jedem Token mit allen Gewichten.
Benchmarks
Zu diesem Modell liegt neben den Hersteller-Angaben eine unabhängige Einordnung vor (Artificial Analysis).
Muse Glimmer ist Metas Antwort auf die kleinen offenen Modelle aus China und das erste Meta-Modell unter Apache 2.0. Meta hat es aus dem großen Muse Spark destilliert. Die Architektur ist dicht, dazu kommt ein eigener Bild-Encoder von 1,8 Milliarden Parametern. In der 4-Bit-Fassung belegen die Gewichte 17 GB und laufen damit auf einer RTX 5090 oder einem Mac mit M4 Max. Meta misst auf der 5090 mit der DFlash-Dekodierung 233 Token/s, gut das Dreifache der unbeschleunigten Ausgabe.
Bei Code und Mathematik sind die Werte stark, 76,0 bei SWE-bench Verified und 94,7 bei AIME 2026. Meta bewirbt das Modell aber als agentisch, und dieser Anspruch hält der unabhängigen Messung nicht stand. Artificial Analysis kommt bei der Werkzeug-Nutzung im Bankenszenario Tau3 auf 24 % und misst eine Halluzinationsrate von 82 %, gegenüber 49 % beim ähnlich großen Qwen3.6-27B. Für einen Ablauf, der ohne Aufsicht Rechnungen verbucht, ist das die falsche Eigenschaft. Als lokaler Assistent für Programmierung und Bildauswertung ist Muse Glimmer eine gute Wahl, für unbeaufsichtigte Agenten würden wir Qwen3.8-27B vorziehen, das bei OSWorld-Verified 84,3 und bei AndroidWorld 81,9 meldet.
Wofür es taugt
- Apache 2.0, die freieste Lizenz, die Meta bisher für ein Modell vergeben hat
- Läuft 4-Bit-komprimiert auf einer 24-GB-Karte, mit DFlash-Dekodierung 233 Token/s auf einer RTX 5090
- SWE-bench Verified 76,0 und AIME 2026 94,7, dazu Bildverständnis und über 100 Sprachen
Wo es hakt
- Die beworbene Werkzeug-Nutzung hält unabhängiger Messung nicht stand, Tau3-Banking 24 % bei Artificial Analysis
- Erfindet häufig Fakten, im AA-Omniscience-Index bei -33
- Mit 128K das kleinste Kontextfenster unter den Modellen für eine einzelne Karte, kein EU-Hoster bestätigt
Quelle: Offizielle HF-Modellkarte meta-models/Muse-Glimmer-30B, Meta-Research-Blog und Artificial Analysis, August 2026 · Stand der Recherche 21. August 2026 · die Bewertung ist eine redaktionelle Einschätzung von gewusst:KI