Muse Glimmer 30B 必要スペック早見表

Muse Glimmer 30Bは、Meta Superintelligence Labsが2026年8月10日に発表した300億（30B）パラメータのdenseマルチモーダルモデルです。4ビットK-Quant量子化を使えば約20GB以下に収まり、24GBまたは32GBのメモリを持つGPU・Macで動作します。本記事では量子化レベル別の必要スペックを早見表にまとめ、RTX 5090やMacBook M4 Max/M5 Maxでの動作目安、131Kコンテキスト利用時の注意点まで解説します。詳細はMeta公式ブログでも確認できます。

以下は30B denseモデルに対する量子化ごとの一般的な計算式による目安です。公式が発表しているのは「4bit量子化で約20GB以下・24GBまたは32GBのメモリenvelopeで動作」という点のみで、それ以外の量子化レベルの数値はあくまで目安として参考にしてください。

Muse Glimmerは「常時稼働するローカルエージェントワークフロー向けに最適化」を公式コンセプトに掲げ、上位モデルのMuse Sparkからの蒸留（SFT＋on-policy蒸留＋強化学習を一般・推論・コーディング・エージェントの各領域で実施）によって学習されています。公式が挙げる能力は、複数ステップのタスク完遂、確実なツール呼び出し、長い推論チェーン、エラーからの回復、マルチモーダル理解（テキスト＋画像）、エージェントスキャフォールド互換性、推論強度（reasoning effort）の調整、100以上の言語対応の8つです。コンテキスト長は131Kトークン、ライセンスはApache 2.0で、weightsはHugging Faceのmeta-models/Muse-Glimmer-30B（GGUF版はmeta-models/Muse-Glimmer-30B-GGUF）として公開されています。

量子化とは、モデル内部の重み（パラメータ）を表現する数値の精度を落とすことでモデルサイズとメモリ使用量を圧縮する技術です。元のBF16（16ビット浮動小数点）に対して、8ビットや6ビット、4ビットへとビット数を減らすほどファイルサイズとVRAM使用量は小さくなりますが、一般的には精度がわずかに低下するトレードオフがあります。Muse Glimmerは公式に4ビットK-Quant量子化で約20GB以下という圧縮結果を示しており、24GB前後のコンシューマー向けGPUやノートPCでも実用的に動作する設計になっています。

Metaは公式に、MacBook M4 MaxおよびM5 MaxでのMuse Glimmer動作を発表しています。投機的デコーディング（speculative decoding）による高速化倍率も公表されており、M5 Maxで約1.8倍、M4 Maxで約1.5倍の速度向上が確認されています（同様の仕組みでRTX 5090では約3.1倍）。Apple Siliconはユニファイドメモリでモデル重みとシステムメモリを共有するため、4bit量子化（約20GB弱）を動かす場合は32GB以上のメモリを積んだMacが目安になります。MLXやllama.cppはDay-0からMuse Glimmerに対応しており、LM Studioなどのアプリからも利用できます。

NVIDIA GPUでは、4bit量子化であればRTX 3090/4090（24GB）が目安の下限、Q6_K以上の高精度量子化を使うならRTX 5090（32GB）が現実的な選択肢です。投機的デコーディングを組み合わせるとRTX 5090では約3.1倍の高速化が確認されています。AMDはRyzen AI Max APUおよびRadeon GPUでの実行を公式に発表しており、統合GPU環境でもMuse Glimmerの動作が想定されています。

GPUやApple Siliconを持たない環境でも、GGUF形式のモデルファイルと十分なRAM（目安として32GB以上）があればCPUのみでMuse Glimmerを動かすこと自体は可能です。ただし、GPUやユニファイドメモリを使う場合と比べて推論速度は大きく低下するため、常時稼働のエージェント用途にはあまり向きません。検証や小規模な用途に限定するのが現実的です。

Muse Glimmerの最大コンテキスト長は131Kトークンですが、これをフルに使うとKVキャッシュのために数GB以上の追加メモリが必要になります。24GB級のGPUで4bit量子化のモデル本体（約20GB弱）を載せた場合、フル131Kコンテキストを確保する余裕はほとんど残らないため、実運用では32K程度のコンテキスト長に抑えるのが現実的な目安です。長いコンテキストを活用したい場合は、32GB以上のVRAM・メモリを持つ環境を検討してください。

Muse Glimmerはllama.cpp、MLX、ExecuTorch、Ollama、LM Studio、vLLM、SGLangといった主要な推論エンジン・ツールでDay-0から対応しています。手元でまず試すだけなら、Ollamaでollama runのようなコマンド1つでモデルを取得・起動できる形が一般的です（実際のモデル名・タグは配布ページで確認してください）。GUIで手軽に試したい場合はOllama と LM Studio の比較も参考にしてください。モデル本体はHugging Faceの`meta-models/Muse-Glimmer-30B`（GGUF版もあり）から取得できます。

Muse Glimmerの評価では、DeepSearch QA、MCP-Atlas、τ-Bench、SWE-Benchといったベンチマークが使われ、スキャフォールド内での動作やコード作成・デバッグ、マルチターンでの問題解決力が測定されています。公式が比較対象として挙げているのはGemma4-31BとQwen3.6-27Bで、いずれも同クラスのローカル向けオープンモデルという位置づけです。より詳しいハードウェア要件を知りたい場合はGemma 4 の必要スペック解説も参考にしてください。

Muse Glimmer 30Bは、4ビット量子化で約20GB以下に収まり、24GB〜32GBクラスのGPUやMacで動作するよう設計されたMetaのエージェント特化オープンウェイトモデルです。RTX 3090/4090クラスなら4bit量子化、RTX 5090やメモリに余裕のあるMac Studioなら高精度な量子化や長いコンテキストも視野に入ります。まずは早見表を参考に、手元の環境がどの量子化レベルに対応できるかを確認してみてください。