Muse Glimmer 30B โมเดล agent โอเพนของ Meta ที่ออกแบบมาให้รันในเครื่องแบบเปิดทิ้งไว้ทั้งวัน
สารบัญ
สรุปให้ไว
โมเดล agent เปิดน้ำหนัก
Meta ปล่อย Muse Glimmer ขนาด 30B ที่ออกแบบมาให้ทำงานเป็น agent บนเครื่องตัวเองแบบเปิดทิ้งไว้ตลอด
เรียกทูลแม่น
เลือกทูลถูก ไม่มั่ว format ไม่หลอนทูลที่ไม่มีจริง ต่อกับ agent framework ในเครื่องได้เลย
มองภาพได้ด้วย
มาพร้อม perception encoder รับภาพเข้าไปวิเคราะห์ได้ ซึ่งหายากในโมเดล agent ที่รันในเครื่อง
สเปกเครื่องต้องพร้อม
เป็น dense 30B ทุกพารามิเตอร์ทำงานหมด กินหน่วยความจำ เครื่อง 16–24GB จะเริ่มตึง
01มันคืออะไร
Muse Glimmer คือโมเดลภาษาเปิดน้ำหนัก (open-weights) ขนาด 30 พันล้านพารามิเตอร์จาก Meta ที่ประกาศจุดยืนชัดว่าไม่ได้ทำมาไล่คะแนน benchmark แต่ทำมาเพื่อเป็น "เครื่องยนต์ของ agent" ที่รันอยู่บนเครื่องตัวเองแบบ always-on คือเปิดค้างไว้ให้คอยทำงานเป็นทีมงานเบื้องหลังทั้งวัน
จุดต่างที่ต้องเข้าใจก่อนคือมันเป็นโมเดลแบบ dense ไม่ใช่ mixture-of-experts แปลว่าเวลาใช้งานพารามิเตอร์ทั้ง 30B ทำงานพร้อมกันหมด ผลคือกินหน่วยความจำมากกว่าโมเดลตัวเลขเท่ากันที่เป็น MoE เครื่องที่แรมหรือ VRAM ราว 24GB พอไหว แต่ถ้าอยู่ที่ 16GB จะเริ่มอึด
02มีอะไรใหม่ / ทำอะไรได้
หัวใจที่ Meta เน้นคือความน่าเชื่อถือของการเรียกทูล (tool calling) ซึ่งเป็นจุดที่โมเดลเล็กมักพัง โมเดลนี้เลือกทูลได้ถูก ไม่ทำ format เพี้ยนจนระบบอ่านไม่ออก และไม่หลอนเรียกทูลที่ไม่มีอยู่จริง ทำให้เอาไปต่อกับ agent framework ในเครื่องอย่าง open-code หรือ endpoint แบบ local ได้ทันที รองรับการวางแผนหลายสเต็ป การตรวจงานตัวเอง และการกู้สถานการณ์เมื่อทำพลาดกลางทาง
อีกจุดที่ไม่ค่อยเห็นในโมเดล local คือ multimodal — มี perception encoder แยกมาสำหรับรับภาพ ทำให้ agent ในเครื่องอ่านภาพหน้าจอหรือไฟล์ภาพประกอบการทำงานได้ ในฝั่งประสิทธิภาพ มีผลทดสอบหนึ่งสำนักบน Mac Studio ที่วัดเทียบกับ Qwen รุ่น 27B พบว่างานเดียวกัน Muse Glimmer ใช้ราว 5,000 token จบใน ~300 วินาที ขณะที่คู่เทียบใช้ ~11,500 token และ ~600 วินาที คือเร็วกว่าราวสองเท่าและใช้ token ไม่ถึงครึ่ง แต่ผลจริงด้านคุณภาพโค้ดและงานหน้าบ้าน ผู้ทดสอบเจ้าเดิมยังมองว่า Qwen 27B ทำได้ดีกว่าในหลายเคส
จุดที่น่าสนใจของ Muse Glimmer 30B
- ★
License เปิดกว้าง
ปล่อยแบบ permissive (รายงานยังไม่ตรงกันว่าเป็น MIT หรือ Apache 2.0 — รอ Meta ยืนยัน) ไม่มีข้อจำกัดเรื่องการตั้งชื่อหรือ acceptable-use แบบสัญญารุ่นเก่า
- ★
โหลดง่ายผ่าน LM Studio
รันเต็ม context ได้ ใช้ quantization 4-bit ช่วยคุมหน่วยความจำให้พอไหวบนเครื่องทั่วไป
- ★
ต่อกับ agent ในเครื่องได้เลย
เสียบเข้ากับ endpoint แบบ local และ agent framework ต่าง ๆ ได้ตรง ๆ
- ★
มีรุ่นน้องตามมา
Meta ระบุว่าน้ำหนักของ Muse Spark 1.2 กำลังจะปล่อยตามในเร็ว ๆ นี้
03เกี่ยวอะไรกับเรา
ฟันธง: **ควรลองถ้าคุณอยากได้ agent ที่รันในเครื่องโดยไม่ต้องส่งข้อมูลออกคลาวด์** โดยเฉพาะงานที่แตะไฟล์บริษัท ลูกค้า หรือข้อมูลที่ห้ามหลุดออกนอกเครื่อง จุดขายจริงของมันไม่ใช่คะแนน benchmark แต่คือความนิ่งของ tool calling ซึ่งเป็นสิ่งที่ทำให้ agent ทำงานจริงจบงานได้ไม่ค้างกลางทาง
แต่ก่อนโหลดให้เช็กสเปกเครื่องก่อน — เป็น dense 30B ที่กินหน่วยความจำ ถ้าเครื่องอยู่ที่ 16GB ให้รอหรือมองรุ่นเล็กกว่า ส่วนใครที่ใช้ Qwen 27B ในเครื่องอยู่แล้วและพอใจกับงานโค้ด อาจยังไม่ต้องรีบเปลี่ยน ให้ลองวางคู่กันแล้ววัดจากงานจริงของตัวเองก่อน วิธีเริ่มที่คุ้มที่สุดคือโหลดผ่าน LM Studio เสียบเข้า agent ในเครื่องที่ใช้อยู่ แล้วโยนงาน tool-calling จริงหนึ่งชุดให้มันทำ ถ้าผ่านฉลุยค่อยขยับให้มันรับงาน routine แบบเปิดทิ้งไว้ทั้งวัน